Quando un consumatore chiede a ChatGPT o Gemini un consiglio su quale prodotto comprare, il ruolo del marketing tradizionale si sgretola in un istante. Non basta più presidiare Google: l’ultimo miglio della scoperta merceologica si sposta dentro i chatbot, dove a vincere non è il link sponsorizzato ma la pertinenza semantica della risposta generata. È in questo scenario che Serpier, startup martech con base ad Aarhus, ha appena incassato 1,4 milioni di euro da True Collective e dall’Export and Investment Fund of Denmark (EIFO) per automatizzare proprio quella visibilità.

Navi, l’agente che scrive e pubblica senza toccare il backend

Fondata nel 2024 da Steffen Sørensen, Simon Holm, Søren Fuhr e Thomas Grástein, Serpier ha sviluppato un agente AI – chiamato Navi – in grado di identificare le opportunità di miglioramento della presenza online di un e-commerce, creare contenuti e pubblicarli in autonomia. Non si tratta di un semplice generatore di testi ottimizzati: Navi orchestra l’intero ciclo, dall’analisi alla distribuzione, con l’obiettivo dichiarato di liberare i team marketing dalle attività esecutive. «Il nostro agente può già gestire il lavoro operativo; adesso vogliamo che si occupi anche di costruire landing page, lanciare campagne e automatizzare ulteriori flussi» ha spiegato il co-fondatore Søren Fuhr.

La rapidità di esecuzione ha prodotto risultati tangibili: più di 2,5 milioni di euro di fatturato nel primo anno fiscale, e un traguardo di redditività che in ambito startup non è scontato. Ma la cifra che colpisce non è tanto finanziaria quanto architetturale: Serpier non ottimizza soltanto per il ranking tradizionale, ma per il modo in cui i Large Language Models (LLM) assemblano le risposte. Significa tenere conto del contesto conversazionale, della frequenza con cui un brand viene citato nei dataset di addestramento, della coerenza tra domanda e informazione strutturata disponibile in rete.

Cosa cambia quando l’inference LLM diventa il nuovo scaffale

Per un e-commerce, farsi trovare su ChatGPT o Gemini non è un vezzo da early adopter: è una necessità competitiva che lega il fatturato alla qualità dell’inference dei modelli. Se un utente chiede “migliori scarpe da trail running sotto i cento euro” e la risposta generata include due competitor ma non il tuo catalogo, il danno economico è immediato. L’approccio di Serpier cerca di ridurre questo rischio gestendo la presenza in modo attivo, ma solleva una domanda cruciale per chi maneggia dati di prodotto, listini e preferenze d’acquisto: dove finiscono queste informazioni?

Ogni interazione con un chatbot pubblico comporta l’invio di prompt potenzialmente sensibili verso server esterni, spesso al di fuori della giurisdizione europea. Il GDPR impone vincoli stringenti sul trasferimento e il trattamento dei dati, e per le aziende che operano in settori regolati o con politiche di sovranità digitale stringenti, appoggiarsi esclusivamente a servizi cloud non domiciliati può rappresentare un punto di attrito. Non è un caso che le architetture self-hosted e gli LLM on-premise stiano guadagnando attenzione nel mondo enterprise: consentono di mantenere il controllo sull’intero flusso, dall’input dell’utente finale alle raccomandazioni generate.

Il nodo sovranità e le strade aperte per il deployment on-premise

Serpier nasce come piattaforma SaaS e non dichiara al momento opzioni di installazione on-premise. Tuttavia, la direzione che il mercato sta prendendo – agenti autonomi che scrivono, pubblicano, analizzano e ora lanciano campagne – impone una riflessione su dove risieda il motore decisionale. Se l’agente Navi gestisce contenuti e campagne, significa che accede a dati commerciali, strategie promozionali e metriche di conversione: un patrimonio informativo che molte aziende preferiscono custodire all’interno della propria infrastruttura.

Per chi valuta un deployment on-premise, esistono trade-off noti: la necessità di GPU con VRAM adeguata, la gestione della quantization per bilanciare prestazioni e accuratezza, e il TCO complessivo che deve confrontare CapEx hardware con OpEx cloud. Ma quando l’AI agent inizia a toccare processi core come il pricing o la generazione di landing page personalizzate, il costo della latenza decisionale affidata a terzi può superare l’investimento in un parco macchine dedicato. Non si tratta di sostituire Serpier con uno stack interno – il valore della piattaforma sta nell’automazione verticale – ma di chiedersi quanto sia strategico avere il controllo del layer di inference su cui queste automazioni poggiano.

L’orizzonte: agenti che eseguono, marketer che governano

Il round da 1,4 milioni servirà a trasformare la piattaforma in un workspace dove più agenti AI collaborano su compiti di marketing eterogenei. La visione di Fuhr è netta: «Il marketing si sta muovendo verso un modello in cui gli agenti AI si occupano di analisi ed esecuzione, mentre i professionisti si concentrano su strategia, prioritizzazione e decisioni chiave». Una prospettiva che ha il pregio di rendere tangibile il cambio di paradigma: da tool che assistono, a macchine che eseguono.

In questo scenario, l’architettura sottostante diventa un fattore competitivo non secondario. Per le imprese che vogliono integrare automazioni simili senza rinunciare alla residenza dei dati o alla conformità normativa, il dialogo tra piattaforme SaaS come Serpier e modelli LLM gestiti on-premise potrebbe definire il prossimo standard del marketing digitale. Senza dimenticare che, quando un agente pubblica contenuti per conto di un brand, chi risponde della correttezza dell’informazione rimane sempre il titolare del trattamento.

AI-RADAR segue da vicino l’evoluzione di questi scenari, offrendo framework analitici su /llm-onpremise per chi deve valutare i trade-off tra controllo, costo e performance nell’adozione di agenti AI nel marketing e-commerce.