L’annuncio ha il sapore di un compromesso. Google inizia a mostrare un’etichetta che svela quando una pubblicità è stata realizzata o ritoccata con l’intelligenza artificiale generativa, ma soltanto se l’inserzionista ha già deciso di dichiararlo. L’informazione apparirà nel pannello “My Ad Center”, accessibile dal menu a tre puntini o dall’icona informativa accanto agli annunci su Ricerca, YouTube e Display. Lo ha riportato TechCrunch, confermando un rollout che trasforma la trasparenza in un optional.

La mossa non è solo una bandierina. Rivela la tensione tra piattaforme e inserzionisti sul tracciamento dell’AI nei contenuti a pagamento. Google scarica a monte la responsabilità: se un brand usa un LLM per generare copy, immagini o interi spot, l’etichetta scatta soltanto con il consenso di chi ha acquistato lo spazio. È un meccanismo che premia la buona volontà ma non obbliga nessuno. Il risultato è un ecosistema ibrido, dove la fiducia del consumatore viene mediata da una scelta arbitraria di chi investe in pubblicità.

Per chi perde, è evidente. Gli inserzionisti che adottano pipeline di generative AI senza curarsi della disclosure potranno continuare a non farlo, ammesso che il loro fornitore di servizi non applichi un labeling forzato. Chi invece sceglie di dichiarare l’uso di strumenti di AI si espone a un doppio rischio: da un lato, la percezione che il contenuto sia “artificiale” possa ridurne l’efficacia; dall’altro, l’assenza di standard comuni rende la scelta asimmetrica rispetto ai competitor che tacciono. Guadagnano invece i consumatori, che ottengono un segnale — per quanto parziale — su cosa c’è dietro un messaggio promozionale, e i regolatori, che vedono nel labeling volontario un argine morbido prima di interventi più duri.

La questione si allarga quando si ragiona in termini di deployment. Molti team marketing usano modelli cloud per generare varianti di annunci in tempo reale. La nuova etichetta introduce un vincolo retroattivo: sapere cosa è stato generato con AI diventa un requisito di auditing. Chi si affida interamente a servizi esterni potrebbe scoprire che il fornitore ha già etichettato il contenuto senza possibilità di controllo, oppure che non offre strumenti per gestire la disclosure in modo granulare. È qui che l’on-premise e gli ambienti self-hosted acquistano un significato nuovo: mantenere inference e generazione all’interno del perimetro aziendale permette di decidere se e come marcare i materiali, senza delegare questa decisione a terze parti.

Naturalmente, gestire LLM in casa ha costi di infrastruttura e competenze non banali — dalla VRAM necessaria per modelli di grandi dimensioni alla messa a punto di pipeline di quantization che non degradino la qualità delle creative. Ma per le imprese che fanno della trasparenza un asset (o che temono un giro di vite normativo), il controllo diretto del flusso di generazione può diventare un fattore competitivo. Non si tratta solo di evitare etichette indesiderate, ma di costruire un audit trail interno che dimostri la conformità a future regole, in modo analogo a quanto accaduto con la privacy e il GDPR.

A livello strutturale, l’iniziativa di Google segnala che la disclosure sull’AI nei contenuti pubblicitari diventerà un tema di compliance, non solo di marketing etico. Quando le major del tech iniziano a tracciare la presenza di generative AI, preparano il terreno a un framework di accountability che potrebbe presto essere reso obbligatorio — con sanzioni per chi omette. In questo scenario, le aziende che hanno già internalizzato il processo generativo su hardware proprio saranno in vantaggio, perché potranno adattare i propri strumenti a qualsiasi standard emergente senza dipendere da roadmap esterne. Chi invece rimane legato a piattaforme chiuse si troverà a rincorrere. E intanto, chi deciderà di ammettere di aver usato l’AI?