Sei tool AI compongono lo stack che usiamo davvero ogni giorno in agenzia: Claude, GPT-5, Perplexity, Gamma, Otterly, Cursor. Quattro li abbiamo provati, integrati nel workflow per 30-60 giorni, e poi abbandonati con motivi precisi. Lo stack costa circa 350€/mese per il team intero e ci ha portato un +40% di produttività media misurata sui task ripetitivi nei 18 mesi tra metà 2024 e fine 2025. Non è un paper bianco entusiasta sull’AI: è il rendiconto di cosa ha funzionato, cosa no, e cosa abbiamo imparato a non fare.
La regola che ripetiamo internamente: l’AI non sostituisce nessuno, ma libera tempo per il lavoro che vale davvero. Brief, outline, primo draft, ricerche, monitoring — fascia bassa-media di valore aggiunto, dove l’AI alza la baseline qualitativa e taglia tempi del 50-70%. Strategia, scelte editoriali finali, relazione cliente, scrittura ad alto rischio — restano umane, perché ci giochiamo l’identità del lavoro.
In questo articolo:
- Quali AI tool usiamo davvero ogni giorno
- Cosa ci pagano in produttività (numeri concreti)
- I 4 tool che abbiamo abbandonato (con i motivi)
- Come abbiamo costruito lo stack
- Cosa NON deleghiamo mai all’AI
Quali AI tool usiamo davvero ogni giorno in agenzia?
Sei tool, sei use case principali. Lo stack è stabile da Q3 2025 dopo 14 mesi di iterazione.
Claude (Anthropic) — il workhorse editoriale
Costo: 20€/mese per persona (Claude Pro), 5 licenze attive. Use case: scrittura long-form (articoli pillar, white paper), brand voice consistency, analisi brief cliente complessi, ragionamento strategico, code per piccole automazioni. Perché vince: lo strumento più solido nel 2026 su scrittura long-form in italiano con tone consistente. Tiene contesto su documenti di 50+ pagine senza degradare. Migliore di GPT-5 su task editoriali ad alta densità linguistica. Tempo speso/persona/giorno: 1,5-3 ore.
GPT-5 (OpenAI) — il versatile
Costo: 20€/mese ChatGPT Plus, 3 licenze + API per automazioni (variabile, 50-100€/mese). Use case: generazione immagini (DALL-E 3), analisi dati strutturati con Code Interpreter, task generalisti rapidi, prototipi. Perché vince: ecosystem più ampio, plugin store, generazione immagini integrata, ChatGPT Search per query con freschezza. Tempo speso/persona/giorno: 30 min-1 ora.
Perplexity — il research engine
Costo: 20€/mese Pro per 2 persone, free per il resto del team. Use case: ricerca rapida con citazioni, fact-checking, esplorazione topic nuovi prima di scrivere brief, deep research su query verticali. Perché vince: unico tool che combina search + sintesi + citazioni numerate stile paper. Sostituisce il 70% delle ricerche Google + apertura 10 tab. Tempo speso/persona/giorno: 30 min-1 ora.
Gamma — presentation killer
Costo: 16€/mese per 2 licenze (Plus tier). Use case: prime bozze di presentazioni cliente, pitch deck, sintesi visive di brief, report mensili. Sostituisce Keynote/PowerPoint per il primo draft. Perché vince: in 5 minuti generi una presentation di 12-20 slide partendo da un brief testuale. Il design è “buono abbastanza” per una bozza interna, e la struttura è solida. Risparmia 60-80% del tempo design. Tempo speso/persona/settimana: 2-3 ore.
Otterly.ai — AI search monitoring
Costo: 99€/mese (tier Business). Use case: monitoring settimanale citazioni AI per i clienti su 30-50 query target. Tracking Share of Voice cross-engine (ChatGPT, Perplexity, Google AI Overview, Gemini, Copilot). Perché vince: unico tool che fa monitoring AI cross-engine in modo automatizzato a un prezzo PMI-sostenibile. Alternative (Profound, AthenaHQ) costano 2-5x. Tempo speso/persona/settimana: 1 ora setup + review dashboard.
Cursor — code agent per dev marketing
Costo: 20€/mese per 1 licenza (uso interno automation/dev marketing). Use case: scrittura script automation (scraping, integrazioni API, refactoring template Astro/React del sito), debug, migrazione codice. Perché vince: integra Claude Sonnet 4.6 + GPT-5 dentro VS Code-like editor, autocompletion contestuale + chat su file. Per chi tocca codice anche solo per piccole automazioni marketing, taglia tempi del 50%+. Tempo speso/persona/giorno: variabile (per il ruolo dev/automation in team).
Cosa ci pagano in produttività — numeri concreti
Tracking interno su 5 task ripetitivi misurati pre-AI (Q1 2024) vs post-stack stabile (Q4 2025):
| Task | Tempo pre-AI | Tempo post-stack | Risparmio |
|---|---|---|---|
| Brief editoriale da prompt cliente | 4h | 1,5h | −62% |
| Outline articolo pillar 1.500-2.000 parole | 1h | 15 min | −75% |
| Primo draft articolo blog 1.500 parole | 6-8h | 2-3h | −60% |
| Audit SEO base 1 dominio | 3h | 1h | −66% |
| Bozza presentation 15 slide | 4h | 1h | −75% |
Produttività media team: +40% misurata su totale ore fatturabili / output cliente. La cifra è netta: include il tempo di prompting, review, correzione (l’AI non è mai zero-touch).
Costo stack totale: ~350€/mese per il team intero (5 persone attive). ROI evidente già al mese 2.
Cosa l’AI NON ha cambiato: ore in client meeting, tempo creativo high-stakes (naming, posizionamento), revisione finale contenuti pubblicati. Lì il tempo è uguale o leggermente superiore (più draft = più review).
I 4 tool che abbiamo provato e abbandonato (con motivi)
Per onestà intellettuale e per evitare a qualcun altro di sprecare 60 giorni come noi.
Jasper — abbandonato dopo 45 giorni
Promessa: AI writing tool con template marketing pre-configurati (annunci Facebook, email, blog). Costo: 49€/mese tier base. Perché abbandonato: wrapper di GPT-5 con template che non aggiungono valore vs prompt diretto su Claude/GPT. Output mediocre in italiano. Pricing alto vs alternative dirette. Lesson learned: diffidare dei tool che aggiungono UI sopra LLM disponibili. Spesso il valore è zero-marginale.
Copy.ai — abbandonato dopo 30 giorni
Promessa: simile a Jasper, focus su short-form copy (annunci, email subject, captions). Costo: 36€/mese. Perché abbandonato: stessa diagnosi di Jasper. Per short-form rapido, ChatGPT Plus a 20€ fa lo stesso o meglio. Lesson learned: consolidare su 1-2 LLM general purpose è meglio di 5 wrapper specializzati.
Notion AI — abbandonato dopo 60 giorni
Promessa: AI integrato dentro Notion per scrittura, riassunti, brainstorming. Costo: 8€/persona/mese add-on. Perché abbandonato: non per qualità (decente). Per workflow: la nostra documentazione vive in Notion, ma il vero lavoro AI vive in Claude/GPT direttamente. Notion AI era un overhead di context-switching senza valore unico. Lesson learned: AI nelle “vecchie” produttività (Notion, Slack, Gmail) raramente vince contro AI standalone più potente.
Canva Magic Studio — abbandonato dopo 60 giorni
Promessa: generazione immagini, video, design assets dentro Canva con AI. Costo: già incluso in Canva Pro 12€/mese. Perché abbandonato: qualità immagini AI inferiore a DALL-E 3 / Midjourney. Per design “buono abbastanza” Canva classico (no AI) basta. Per design serio, designer umano + Figma. Il middle layer AI Canva non aveva spazio nel nostro flusso. Lesson learned: non tutti i tool storici beneficiano del refresh AI. A volte l’AI è marketing, non valore reale.
Come abbiamo costruito il nostro stack AI
Tre principi imparati a caro prezzo, in ordine di importanza.
1. Un tool alla volta, validato 30 giorni, poi il successivo. Errore comune: comprare 8 abbonamenti in una settimana per “essere AI-ready”. Risultato: nessuno usato in modo serio, costi alti, frustrazione. Approccio funzionante: un tool, un use case ripetuto, tracking tempo per 30 giorni. Se ROI evidente, integra in process. Poi il successivo.
2. Consolidare su LLM generalisti potenti, evitare wrapper specializzati. Claude + GPT-5 coprono l’80% dei task. Aggiungere 5 tool wrapper sopra produce duplicazione, non valore. Eccezioni vere: tool che fanno qualcosa che gli LLM non fanno (Otterly per monitoring AI, Cursor per coding, Gamma per presentation visive).
3. Documentare prompt library condivisa. Ogni tool ha 5-10 prompt template salvati e iterati nel team. Senza prompt library, ogni persona reinventa la ruota e il tool produce output disomogenei. Con prompt library, l’AI scala in modo prevedibile.
Per chi parte da zero, il framework GEO 2026 integra l’uso AI nei processi editoriali, e il nostro metodo lo standardizza fase per fase. Per chi vuole capire l’impatto AI sui propri servizi prima di investire in stack, partiamo sempre da una discovery di workflow attuali.
Cosa NON faremmo mai con l’AI
Quattro red line, mai negoziate, mai sforate.
1. Nessun task client-facing 100% delegato ad AI. Mai una mail al cliente, una proposta, un report scritto e inviato senza review umana. La firma è nostra, la responsabilità è nostra.
2. Nessuna decisione strategica finale presa dall’AI. L’AI suggerisce 5 opzioni, l’umano sceglie l’una. Mai il contrario. Le scelte strategiche richiedono context (storia cliente, sfumature relazionali, intuizione di mercato) che l’AI non ha.
3. Nessun dato cliente sensibile inserito in tool consumer senza oscuramento. Compliance + privacy + GDPR. Per dati sensibili: o tool enterprise con DPA firmato (Claude Enterprise, GPT-5 Enterprise), o oscuramento manuale.
4. Nessuna scrittura “pubblicata as-is” senza editing umano. Anche dopo 18 mesi di iterazione prompt, l’output AI ha bisogno di editing per voice, accuratezza, sfumatura. La regola: AI scrive il primo draft, umano cura, pubblica, firma.
La verità che nessuno dice nei post entusiasti sull’AI: il valore non è “AI fa il lavoro al posto tuo”. Il valore è “AI alza la baseline del primo draft, e tu spendi il tempo risparmiato sul lavoro che vale davvero”. Se usi l’AI per chiudere prima e fatturare lo stesso, ne ricavi marginale. Se usi l’AI per liberare ore da reinvestire in strategia, creatività e relazione cliente, ne ricavi un cambio di gioco.
Vuoi capire quali AI tool valgono davvero per la tua agenzia o team marketing in-house — quali integrare, quali ignorare, come misurare ROI? Discovery gratuita di 30 minuti su workflow e stack attuale. Scrivici.