Nel tempo ho allargato la mia sfera di azione oltre il campo della Marketing Technology, ma seguo sempre con grande interesse il settore, soprattutto perché penso che sia uno dei casi più maturi di un trend che riguarda qualsiasi altro ambito, ossia la contaminazione professionale tra tecnologia e uno specifico dominio di competenza aziendale.
Lo avevo evidenziato già cinque anni fa con il mio libro sulla professione del Marketing Technologist e ne ho scritto tante altre volte, per cui non potevo non parlare del Martech Day 2025 di Scott Brinker e Frans Riemersma, anche se con grande ritardo rispetto al solito visto che è stato il 5 maggio scorso.
UN PANORAMA CHE NON SMETTE DI CRESCERE, MA CON DELLE CONSIDERAZIONI DA FARE…
Uno dei contenuti clou di questo appuntamento è la presentazione della nuova versione aggiornata della Marketing Technology Landscape, che ora conta 15.384 soluzioni, in aumento del 9% sull’anno prima, organizzate in 49 categorie.
Questa enorme mappatura è disponibile sia in forma di PDF ad alta risoluzione che di versione interattiva su MartechMap.com, e come dato ancora più considerevole dalla prima versione del 2011 a quella di oggi, il numero di soluzioni è esploso da 150 a 15.384, rappresentando una crescita del 10.156% in 14 anni e con un tasso di crescita annuale composto (CAGR) medio del 39,2%.
Nonostante questi numeri apparentemente inarrestabili, c’è un tasso di abbandono (churn) del 8,6% dei prodotti presenti l’anno precedente (1.211 prodotti).
La maggior parte di questi esce semplicemente cessando le operazioni (84%), e non come acquisizione da parte di gruppi più grossi e molte soluzioni sono antecedenti al boom dell’AI (“pre-ChatGPT”, nati prima di novembre 2022), a testimonianza di un “rinnovamento” piuttosto che di una semplice “consolidamento”.
Questo rinnovamento è fortemente legato all’impatto dell’AI. La crescita esplosiva dell’anno precedente era largamente attribuita all’AI, con il 77% dei nuovi prodotti classificati come AI-native. Le nuove aziende che entrano nel mercato (“entrants”) sono spesso finanziate organicamente o con capitale modesto. L’AI sta rendendo più facile, veloce ed economico costruire software, abbassando le barriere all’ingresso e permettendo il successo anche senza percorsi verso un miliardo di dollari di fatturato. La crescita si verifica in modo trasversale in tutte le categorie martech, non concentrata in una singola area, indicando sperimentazione diffusa.
Questo ci porta all’altro principale documento presentato nell’evento, lo State of Martech 2025.
UN’ANALISI AL DI LA’ DELLA MAPPATURA: LONG TAIL E HYPERTAIL
Nell’evento Martech Day 2025 è stato diffuso anche il nuovo State of Martech 2025, un report molto corposo che si può scaricare liberamente e di cui vi consiglio molto la lettura, al di là di questa mia breve sintesi di oggi.
In questa edizione troviamo una forte continuità con l’evento di dicembre Martech for 2025 che avevo commentato dettagliatamente qui sul mio blog.
Un elemento di correlazione è dato dal tema della “Long Tail“ in questo tipo di software, una componente storica e ancora rilevante del panorama Martech, e che consiste in:
- Una piccola parte centrale (“head”) con un numero ridotto di piattaforme Martech principali (spesso di aziende pubbliche con miliardi di dollari di fatturato).
- Un “torso” con qualche centinaio di leader di categoria (che hanno raggiunto 100 milioni di dollari o più di fatturato annuo).
- Una “lunga, lunga, lunghissima coda” (“long tail”) di migliaia di applicazioni più specializzate e di nicchia. Questa coda include software per mercati verticali, leader di prodotto regionali, app specifiche per ecosistemi, soluzioni “productized” da fornitori di servizi e startup in fase iniziale e avanzata.
La novità di questo report è il concetto di “Hypertail” da vedere come un’espansione che va oltre il tradizionale panorama commerciale della Long Tail, perché non si limita al software venduto sul mercato, ma include il software personalizzato (custom-built software).
Questo concetto aggiunge quindi diversi attori allo scenario
- Team IT (software IT-built), con strumenti AI-powered che rendono la scrittura di codice più veloce (spesso del 35-45%).
- “Citizen developers“, ovvero professionisti delle marketing operations e, sempre di più, utenti esperti (“power users”) per i quali l’ascesa delle piattaforme low-code/no-code negli ultimi 5-10 anni ha reso più facile, veloce ed economico per creare app e automazioni leggere.
- Agenti AI (agent-built software), che possono sempre più creare direttamente software, creano e eseguono programmi software dietro le quinte, spesso senza che gli utenti ne siano consapevoli, per soddisfare le loro richieste
L’intelligenza artificiale ci ha spinto ulteriormente lungo la curva dell’accesso alla tecnologia rendendo possibile a qualsiasi persona comune di creare un “programma software” facendo una serie di richieste di linguaggio naturale a un agente di intelligenza artificiale (vibe coding). In effetti, è chiaro che sempre più di questi programmi saranno creati in modo ambientale/automatico in background senza che un utente riconosca anche esplicitamente che un atto di creazione ha avuto luogo per loro conto.
A causa di questa accelerazione e democratizzazione della creazione di software tramite AI, la Hypertail consisterà “non di milioni ma miliardi di programmi software personalizzati”, probabilmente “trilioni”, molti dei quali “lampeggiano dentro e fuori dall’esistenza su richiesta”. In questo contesto, il panorama del software commerciale (la Long Tail) è solo la “punta della coda” (“tip of the tail”) rispetto alla vastità della Hypertail.
E CHI LO GOVERNA?
Un sistema complicato, come una Ferrari, ha molte parti interconnesse con precisione. Funziona in modo deterministico (causa ed effetto sono prevedibili se si comprende il sistema) e richiede un esperto (come un meccanico di Ferrari o un professionista delle Marketing Ops) per essere pienamente compreso e gestito. Il tradizionale stack martech è visto come un sistema complicato.
Un sistema complesso, come una foresta pluviale, ha anch’esso molte parti interrelate, ma queste parti sono più indipendenti e interagiscono in modo dinamico e probabilistico. La causa ed effetto sono discernibili, ma è impossibile prevedere il comportamento o l’esito esatto; l’ecosistema si evolve continuamente.
Gli agenti AI e le altre potenzialità dell’intelligenza artificiale generativa rendono lo stack martech complesso, il che non è necessariamente una cosa negativa, visto che può renderlo più adattabile, potente e scalabile, consentendogli di evolvere più organicamente.
Tuttavia, richiede che le operazioni di marketing (descritte come “Big Ops” in quest’era) e le architetture informatiche si evolvano oltre la costruzione e il mantenimento di processi rigidi e lineari. Tra i suggerimenti menzionati nel report ci sono:
- Adottare un’architettura più modulare e disaccoppiata, favorendo app e piattaforme aperte e interoperabili (martech componibile).
- Migliorare i meccanismi di “osservabilità” (streaming di log, dashboard, alert sulle anomalie) per identificare quando gli esiti probabilistici si discostano dai confini attesi.
- Impegnarsi in esperimenti “safe-to-fail” (sicuri in caso di fallimento), testando nuovi agenti AI in pilot limitati per comprenderne il comportamento probabilistico.
- Istituire punti di controllo “human-in-the-loop” per decisioni più ampie (come la selezione dell’audience o l’allocazione del budget) per proteggersi da comportamenti distorti o fuori controllo.
- Costruire team interdisciplinari (“sense-maker”) composti da Marketing Ops, data engineering, AI/ML e compliance per valutare e interpretare i comportamenti emergenti e apportare modifiche al volo.
- Investire in una maggiore maturità e qualità dei dati, in particolare nell’infrastruttura dati sottostante, per validare la qualità dei dati in ingresso e la coerenza degli output.
- Promuovere una cultura della sperimentazione, ricompensando i team per aver scoperto modalità di fallimento inattese o nuove vittorie.
Se molte cose vi sembrano familiari avete ragione: come sempre le tecnologie emergenti stressano i limiti di quanto esiste già, e difficilmente ci si può girare attorno: più essere sono potenti più verranno alla luce i limiti (e, speriamo, i punti di forza) delle organizzazioni in termini di cultura, digital fluency, gestione del dato, debito tecnico, capacità di orchestrare e creare relazioni, governance illuminata.
Sappiamo che la tecnologia cambia ad una velocità largamente superiore a quella dell’organizzazione.
I mondi dei team di marketing, IT e data engineering stanno diventando sempre più sfumati. C’è un riconoscimento crescente della necessità di collaborazione e comprensione reciproca. I team di marketing devono essere efficaci nell’articolare gli obiettivi aziendali che le soluzioni martech e l’infrastruttura dati mirano a raggiungere. I team IT e data engineering, d’altro canto, devono considerare la ripetibilità, la sicurezza, la scalabilità e la compatibilità con lo stack esistente. Un’infrastruttura dati solida, come un data warehouse centrale, è vista come cruciale per razionalizzare lo stack martech per l’IA e fornire ai team IT gli strumenti per supportare in modo sicuro le esigenze dei marketer. Entrambe le parti devono investire in expertise reciproca per prendere decisioni efficaci (vi ricorda qualcosa di datato?)
Non è semplice e non deve essere sovrasemplificato, come in tutto quello che riguarda l’AI, dove le aziende oggi devono scegliere tra due approcci per adottare l’IA: AI-steady, per un’adozione graduale, e AI-accelerated, per un’integrazione rapida e ambiziosa (vedi qui cosa dice Gartner in merito).
P.s. c’è molto di più nel report State of Martech 2025, per cui andate a leggerlo!
Internet Manager Blog 
2 Pingback