La marketing technology sta cambiando natura ma oggi è ancora una crisalide!

E’ la metafora potente ed efficace che apre il report State of Martech 2026, della rodata coppia Scott Brinker e Frans Riemersma, che è stato presentato la settimana scorsa.

Nell’industria tecnologica siamo abituati a parlare di “evoluzione”: prodotti che migliorano, piattaforme che maturano, processi che si raffinano. È una narrazione rassicurante che implica continuità. Tuttavia, ciò che il martech sta attraversando oggi non è un’evoluzione, ma una metamorfosi radicale, simile a quella che avviene, appunto, all’interno di una crisalide.

Quando un bruco entra nel suo bozzolo, non si limita a farsi crescere le ali. La sua struttura fisica si dissolve letteralmente in una “zuppa” cellulare indifferenziata prima di riassemblarsi in un organismo completamente nuovo. Il marketing del 2026 si trova esattamente in questo “caos liquido”: le vecchie forme — basate su canali deterministici e funnel controllati dai marketer — si stanno sciogliendo. Al loro posto, sta emergendo un ecosistema dominato da agenti AI, conversazioni invisibili e una centralità del cliente che non è più un’aspirazione strategica, ma una realtà tecnica obbligata. In questo passaggio, il marketer smette di essere un creatore di campagne per diventare un manager di agenti AI e flussi agentici. È un momento disorientante, ma straordinariamente ricco di possibilità per chi accetta di smettere di essere un “bruco più veloce” e abbraccia la propria nuova natura.

Partiamo dall’inizio: abbiamo raggiunto il plateau?

Nel report c’è sicuramente una prima novità: il marketing landscape ha praticamente smesso di crescere quest’anno, almeno guardando i numeri, con un aumento di appena lo 0,79% a 15.505 prodotti, con solo 121 soluzioni in più. Dopo 15 anni di espansione inarrestabile, potremmo aver finalmente raggiunto il picco del martech, o quantomeno una fase di stallo.

Dopo anni in cui la domanda era solo “quanto sarebbe cresciuto il numero” di soluzioni questo significa che non c’è più innovazione?

In realtà sotto la superficie c’è molto più movimento di così: l’anno scorso sono stati aggiunti 2.489 prodotti, mentre questo anno il numero è sceso a 1.488, con un calo del 40% delle nuove entrate. Allo stesso tempo, le rimozioni sono aumentate da 1.211 l’anno scorso a 1.367 quest’anno, con un incremento del 13%. Le “vittime” presentano caratteristiche specifiche in termini di dimensioni, tipologia e periodo di fondazione.

Dal punto di vista dell’anzianità il gruppo più colpito è quello dei SaaS nati tra il 2010 e il 2019. Questa coorte rappresenta il 51,7% delle rimozioni del 2026. Si tratta di aziende nate in un’epoca in cui il Martech sembrava un settore dove era facile fare business, ma che oggi faticano a riorganizzarsi attorno all’intelligenza orchestrata.

Le uscite dal mercato sono fortemente concentrate tra le piccole imprese che, pur avendo superato la fase iniziale di “zero ricavi”, non sono riuscite a diventare sostenibili in un mercato sempre più competitivo, in due dimensioni:

• Per fatturato: la fascia più colpita è quella con ricavi tra 1 e 10 milioni di dollari, che rappresenta ben il 45,5% delle rimozioni totali nel 2026.
• Per numero di dipendenti: la stragrande maggioranza delle aziende rimosse era di piccole dimensioni: il 41,2% aveva tra 1 e 10 dipendenti, mentre il 38,7% ne aveva tra 11 e 50.

Il report poi individua tre forze al lavoro per determinare l’evoluzione delle varie categorie:

• Assorbimento delle funzionalità da parte dei grandi laboratori di AI: Le capacità che rendevano innovativi gli strumenti di prima generazione (come la creazione di post per blog o copy pubblicitari) sono diventate funzionalità di base (table stakes) integrate direttamente nei modelli di base come ChatGPT, Claude e Gemini. Quando i grandi laboratori di AI rendono una funzione una commodity, diventa estremamente difficile per una soluzione dedicata giustificare la propria esistenza come prodotto separato.
• Reazione rapida dei vendor SaaS consolidati: Giganti del settore come Adobe, HubSpot e Salesforce non sono rimasti a guardare e hanno integrato rapidamente l’AI generativa all’interno dei loro flussi di lavoro già esistenti. Molti clienti hanno quindi trovato le funzioni di cui avevano bisogno già incluse nelle piattaforme che stavano già pagando, eliminando la necessità di acquistare strumenti standalone aggiuntivi.
• Difficoltà nel raggiungere un reale product-market fit: È emersa una netta distinzione tra la capacità di generare contenuti velocemente e la capacità di generare contenuti che funzionino davvero. Molti strumenti della prima ondata si sono concentrati sul volume, ma con il calare dell’effetto novità, le aziende hanno iniziato a porsi domande più difficili sulla qualità, la coerenza del brand e l’impatto reale sulle conversioni, portando al fallimento dei prodotti generalisti non differenziati.

Questa convergenza ha portato a un evento di “selezione naturale” nel 2026: ad esempio, mentre la categoria del Content Marketing aveva quasi raddoppiato i propri prodotti tra il 2023 e il 2025, nel 2026 ha registrato la maggiore rimozione netta di prodotti di tutto il panorama Martech

Perché la differenza tra “Make or Buy” perde di significato

In tutto questo, la distinzione tra costruire soluzioni internamente (make) o acquistarle all’esterno (buy) è diventata un falso binario per diverse ragioni:

• Adozione parallela: Le aziende non scelgono più una sola strada, ma le percorrono entrambe simultaneamente per lo stesso caso d’uso. Ad esempio, un team può usare una piattaforma SaaS per il targeting di base, uno strumento AI-native per segmenti specializzati e un modello personalizzato (custom) per i dati proprietari di prima parte.
• Crollo dei costi marginali: Con l’avvento dei prezzi basati sull’utilizzo e dei piani gratuiti, il costo per mantenere soluzioni parallele è crollato. Come indicato nel report, “proteggersi (hedging) è economico. La convinzione è costosa“.
• Dalla suite al portafoglio: La strategia dello stack si è spostata dalla standardizzazione su una singola “suite” all’orchestrazione di un portafoglio di capacità, dove la domanda non è più “se” costruire o comprare, ma come combinare le due opzioni.

Il report, inoltre, sostiene che lo stack tecnologico non si sta riducendo a pochi grandi attori (consolidamento), ma si sta dividendo in strati con logiche competitive diverse:

• Lo strato della Creazione: in questo livello (ideazione di testi, strategie di contenuto, produzione visiva) stanno vincendo gli strumenti AI-native. Qui il prodotto principale è la qualità del modello e l’input primario è il prompt.
• Lo strato dell’Orchestrazione: questo livello (lead scoring, gestione delle pipeline, deliverability delle email) rimane saldamente in mano ai software SaaS tradizionali (incumbents).
• La “Gravità dei Dati”: questa è la variabile chiave che spiega la stratificazione. Dove i dati risiedono in system of record (come CRM o database storici), i vendor consolidati mantengono il controllo. Dove invece un’attività può essere eseguita con un’integrazione leggera, l’AI-native è più competitivo.
• L’Era dell’Intelligenza Orchestrata: invece di avere meno strumenti, le aziende si trovano a gestire un’infrastruttura dove l’AI agisce come tessuto connettivo tra i vari strati, spostando la complessità dai rigidi alberi decisionali “if/then” a un contesto dinamico interpretabile dagli agenti AI.

In sintesi, il report non vede un mercato che si restringe, ma un mercato che si metabolizza, dove il valore non risiede più nella singola funzione del software, ma nella capacità di far fluire il contesto aziendale attraverso questi diversi strati tecnologici.

In questa fase di “messaggio nel mezzo”, infatti, il contesto è la struttura che si sta formando dentro la crisalide. È l’organismo che sta prendendo vita dalle vecchie forme che si dissolvono (tecnologia deterministica, campagne rigide, ruoli amministrativi) per diventare qualcosa di nuovo.

Perché il contesto è diventato così importante?

Mentre in passato il limite (bottleneck) era la capacità di produrre contenuti o connettere sistemi, l’IA ha dissolto questi vincoli di produzione, creando un mondo di abbondanza. In questo nuovo scenario:

• La pertinenza è il nuovo vincolo: quando produrre contenuti è quasi gratis, la sfida diventa capire quale contenuto sia adatto a quale cliente, in quale momento e situazione.
• Differenziazione competitiva: i modelli di IA (LLM) stanno diventando delle commodity; il vero vantaggio competitivo non risiede nel modello usato, ma nella qualità del contesto proprietario (dati aziendali, conoscenza interna, voce del brand) che viene fornito all’IA.
• Riduzione degli attriti: più un’interazione è ricca di contesto, meno lavoro devono fare sia l’azienda che il cliente (meno ripetizioni, meno congetture).

Il report identifica tre insiemi fondamentali che devono convergere per creare valore:

• Company Context: la conoscenza dell’universo aziendale (obiettivi, strategie, brand, processi).
• Customer Context: l’universo del cliente (situazione, intenti, preferenze, storia).
• Systems Context: la realtà tecnica, ovvero ciò che i sistemi possono effettivamente accedere e fornire in tempo reale.

Il punto di intersezione perfetta tra questi tre cerchi è chiamato Golden Context, il momento in cui gli obiettivi aziendali, i bisogni del cliente e le capacità dei sistemi si allineano per generare entrate.

Il passaggio chiave per le aziende nel 2026 è l’evoluzione dal “prompt engineering” al Context Engineering. Questa disciplina consiste nell’assemblare i dati, i contenuti, gli strumenti e le istruzioni corretti affinché un sistema di IA possa agire in modo efficace in una situazione specifica. In un mondo di agenti IA autonomi, il Context Engineering è ciò che rende l’abbondanza utile invece che opprimente.

Tutto questo non elimina la necessità di una governance, anzi.

“Ops, la tua architettura si vede” (e non dimentichiamo fiducia e governance)

Storicamente, il “buffer umano” ha mascherato i silos di dati e le inefficienze interne (Inner Game) affinché non rovinassero l’esperienza cliente (Outer Game). L’AI sta eliminando questo cuscinetto. Un agente AI può operare solo sui dati a cui ha accesso reale: se i sistemi non comunicano, l’AI fallisce pubblicamente.

Il vantaggio competitivo non risiede più nel modello AI utilizzato, ma nel “Context Plumbing” (l’idraulica del contesto). Tecniche come la RAG (Retrieval-Augmented Generation) sono diventate il tessuto connettivo essenziale. In questo contesto, si inserisce poi il fenomeno del Vibe Coding: la capacità di non-ingegneri di costruire agenti e automazioni, spostando il collo di bottiglia dalla skill tecnica alla coerenza strategica.

Come afferma Tara DeZao: “Data silos are the enemy of AI. Your AI is only as good as your data. It doesn’t matter how much money you spend on a wonderful AI tool if your data is not connected.”

L’adozione dell’AI segue una sequenza precisa: Analitica (cosa è successo?), Generativa (crea per me) e Autonoma (agisci per me). Il vero ostacolo verso l’autonomia è quindi piuttosto il “Governance Gap”.

I dati sono allarmanti: mentre il 91% delle organizzazioni usa l’AI per produrre contenuti, solo il 37% ha implementato strumenti di autenticazione o rilevamento AI. Citando il report, molte aziende stanno “producendo salsicce” senza una macchina per le etichette. Questa mancanza di controllo sulla catena di dipendenze dei dati impedisce il passaggio ad agenti davvero autonomi, capaci di gestire budget o negoziare senza supervisione.

Insomma torniamo sempre alle fondamenta.

Qualche considerazione finale, anche oltre la Martech…

Il report è molto più ricco di questa mia sintesi, e come sempre vi invito quindi a leggere l’originale.

Per concludere, invece, mi piace fare qualche sottolineatura che parte dalla marketing technology ma che in realtà va anche oltre (con i vari link poi potete approfondire maggiormente).

La prima riguarda il fatto che la tecnologia va vissuta come un ecosistema e non come una collezione di pezzi tecnologici singoli: ne ho parlato a proposito del fashion con il tema della digital supply chain ma vale per qualunque settore.

Sempre di più grandi vendor e soluzioni più custom si intersecano e si complementano.

Come ho scritto a proposito del fatto che la AI non è gratis, costruire progressivamente collegando i vari pezzi è fondamentale sia per gestire i costi che per raggiungere migliori risultati.

La seconda considerazione riguarda il valore: ho parlato del passaggio dall’ingegneria del software a quella del valore qualche mese fa, costruendo su altri contenuti passati, e mi ha fatto piacere ritrovare anche qui l’enfasi sul tema.

Dobbiamo partire dal valore per il cliente, che sia B2C o B2B, e mai dalle feature.

La terza riguarda il ruolo della conoscenza, che è alla base del contesto: il capitale semantico e di strutturazione della conoscenza sono da vedere come vero motore di competitività delle aziende e, probabilmente, come unico modo per far davvero scalare la potenza dell’intelligenza artificiale generativa all’interno delle organizzazioni.

La causa dei fallimenti dei progetti AI è molto spesso organizzativa: la conoscenza è tacita, frammentata, rinchiusa in silos.

Prima di tutto, smettete di trattare la conoscenza come un sottoprodotto del lavoro quotidiano e iniziare a gestirla come un asset strategico, con ownership chiara, processi di aggiornamento e metriche di qualità. Non è (solo) un progetto IT, è una scelta di business.

Come ultimo punto, in un simile scenario, i CIO e i Digital leader sono sono sotto pressione ma hanno anche delle grandi opportunità davanti a loro, a patto di lavorare con la giusta mentalità.

Secondo il report di Gartner “AI After the Hype Amplifying Human + Machine Value 2026 CIO Leadership Forum Keynote Insights”, i CIO più maturi adotta già roadmap di lungo periodo (84%), strategie multivendor per evitare lock-in (77%) e valutazioni periodiche del valore generato (57%). E, aggiungo io, applicano una governance collaborativa e illuminata.

Anche Forrester parla dell’importanza di un dipartimento tecnologico performante come elemento chiave per avere successo nell’era della AI, e sottolinea molto bene il tema della “business confidence“: ho scritto quasi un anno fa dell’importanza (tra le altre cose) di essere propositivi, i leader tecnologici che oggi attendono di ricevere solo un “demand” creano per loro stessi un posizionamento da follower e, peggio ancora, da “centro di costo”.

English version is available on https://medium.com/gianluigizarantonello/state-of-martech-2026-what-can-we-learn-from-the-marketing-technology-chrysalis-f7492c9f83fe