L’agente unificato di Google promette consulenza cross-canale senza offrire trasparenza verificabile
Google ha presentato lo scorso 20 maggio, durante il Google Marketing Live 2026, un assistente AI chiamato Ask Advisor — e la promessa è ambiziosa: un agente unificato che legge tutti i tuoi dati cross-canale e ti dice cosa ottimizzare. Sembra il sogno di ogni CRO che passa le giornate a incrociare report di Google Ads, Analytics e Merchant Center. Ma c'è un problema che nessuno sembra voler affrontare: se l'advisor sbaglia, come fai a saperlo?
L'advisor che promette di sapere tutto
Ask Advisor non è un semplice chatbot. È un agente costruito con Gemini che unifica Google Ads, Google Analytics, Merchant Center e Google Marketing Platform sotto un'unica interfaccia di consulenza. Nella pratica, significa che puoi chiedere al sistema quali campagne stanno performando peggio, dove si concentra il drop-off nel funnel e quali prodotti del catalogo Merchant Center andrebbero spinti di più — il tutto senza aprire quattro dashboard diverse. Per un growth manager che deve giustificare ogni allocazione di budget con i dati, è un risparmio di tempo misurabile in ore al giorno.
In parallelo, Google ha annunciato nuovi formati pubblicitari per l'AI Search, pensati per integrarsi nelle conversazioni con Gemini come estensioni naturali del dialogo. Si tratta di un'evoluzione diretta degli annunci che Google aveva già introdotto in AI Overviews e AI Mode nel 2025. Il messaggio è chiaro: la ricerca sta migrando da una logica di query-risposta a una logica conversazionale, e la pubblicità la segue. Ma per chi fa CRO, questo spostamento genera una domanda scomoda. Quando l'advisor ti dice «questa campagna sta andando bene» o «questo prodotto converte meglio in AI Search», su quali metriche si basa esattamente? Puoi replicare quel test in modo indipendente per verificarlo? Se la risposta è no — e al momento lo è — stai ottimizzando al buio, con la fiducia come unica leva.
Il protocollo che (forse) nasconde l'attrito
Passando dalla dashboard al pagamento, il mercato accoglie un nuovo standard: durante lo stesso evento, Google ha annunciato l'estensione del Universal Commerce Protocol a nuovi settori verticali. UCP è lo standard open-source di Google per il commercio agentico, annunciato insieme ad AP2, il protocollo per i pagamenti tra agenti. Presentato a settembre 2025, AP2 ha già raccolto il supporto di oltre 60 organizzazioni, tra cui Mastercard, PayPal e American Express. Numeri che parlano di un'adozione seria, non di un esperimento.
Sulla carta, UCP e AP2 risolvono un problema reale: riducono l'attrito dichiarato nel processo di acquisto, standardizzando il dialogo tra agenti, merchant e gateway di pagamento. Meno passaggi, meno campi da compilare, meno abbandoni del carrello — almeno in teoria. Ma proprio qui si nasconde il paradosso per chi lavora sui test di conversione. L'attrito che UCP rimuove è l'attrito che puoi vedere: il form di checkout, il redirect al gateway, la richiesta di una password. L'attrito che non vedi — il dubbio dell'utente, l'esitazione sul prezzo, la mancanza di fiducia nel venditore — non viene toccato dal protocollo. Peggio: viene reso invisibile, perché il funnel si compatta e i punti di misurazione intermedi scompaiono.
Quando un utente completa un acquisto tramite un agente AI che usa AP2, la transazione si risolve in pochi passaggi standardizzati. Vedi l'evento di conversione finale, ma non hai visibilità sul percorso decisionale che l'agente ha gestito in autonomia. Non sai quali obiezioni ha dovuto superare, né quanto tempo ha impiegato. Sono esattamente i segnali che un CRO usa per formulare ipotesi di test: un calo nel passaggio tra la pagina prodotto e il checkout, un tempo di esitazione anomalo su una specifica variante, un tasso di uscita che si impenna dopo la visualizzazione delle spese di spedizione. Se questi dati spariscono, smetti di testare perché smetti di vedere il problema — non perché il problema non esista più. E senza un test multivariato che isoli le variabili, l'aumento delle conversioni dichiarato dalla piattaforma è indistinguibile da un bias di attribuzione.
La corsa all'automazione senza test
Non è solo Google a voler azzerare il lavoro manuale. Meta prevede di automatizzare completamente la pubblicità entro la fine del 2026, eliminando progressivamente il controllo manuale su targeting, budget e creatività. Amazon, dal canto suo, ha lanciato Creative Agent, uno strumento AI agentico per la produzione di campagne end-to-end: dalla ricerca iniziale alla creatività, fino al lancio. Tre colossi, tre strade diverse, un unico punto d'arrivo: un ecosistema pubblicitario in cui le decisioni tattiche sono delegate all'AI. Per chi si occupa di CRO, lo scenario è chiaro: se non costruisci un framework di test indipendente dall'automazione di piattaforma, entro un anno non avrai più nulla da testare — perché sarà l'AI a decidere cosa funziona e a raccontarti che sta funzionando.
La domanda che resta aperta, dopo Google Marketing Live 2026 e dopo ogni annuncio di automazione, è una sola: cosa resta da testare quando tutti gli advisor AI ti dicono che va tutto bene? La risposta non è tecnica — è metodologica. L'unico modo per validare ciò che l'AI decide per te è mantenere una capacità di test indipendente: A/B test con varianti che l'advisor non suggerisce, analisi del funnel con strumenti terzi, metriche di micro-conversione che la piattaforma non aggrega. Non si tratta di rifiutare l'automazione. Si tratta di ricordare che l'automazione ottimizza per l'obiettivo che le dai — e se smetti di testare, smetti anche di sapere se quell'obiettivo è ancora quello giusto.
