“Alzate la mano se questa settimana avete letto un contenuto e avete capito entro due frasi che l’aveva scritto un’AI.”
In sala si alzano quasi tutte le mani. Tra quelle ci sono anche le nostre.
È il momento in cui Unbound 2026 smette di essere una conferenza di prodotto e diventa una conversazione molto più interessante su come stiamo lavorando tutti quanti.
Anche quest’anno power2Cloud era a Boston per tre giornate, con oltre duecento sessioni e un’agenda abbastanza ricca da obbligarci continuamente a scegliere dove essere.
Degli annunci probabilmente avrai già letto qualcosa. Solo una parte delle sessioni, però, è stata trasmessa in diretta. Il resto lo abbiamo raccolto nei laboratori, nelle demo e nei confronti con il team HubSpot e con partner arrivati da mercati molto diversi dal nostro.
Mettendo insieme appunti, prove sulla piattaforma e conversazioni, una direzione emerge con chiarezza. Se gli strumenti di intelligenza artificiale sono ormai accessibili a tutti, il vantaggio non sta più semplicemente nell’averli, ma nel contesto che gli strumenti possono utilizzare e nella qualità dell’ecosistema in cui li inseriamo.
È la chiave con cui abbiamo letto le novità di HubSpot UNBOUND 2026, spostando l’attenzione dalla singola funzione ai risultati, al contesto, ai dati e alla capacità di governare agenti che iniziano ad agire dentro e fuori dal CRM.
Perché attraversiamo l’oceano per seguire Unbound
Non ci piace essere spettatori del cambiamento o limitarci a leggere gli annunci che dovremo implementare nei progetti dei nostri clienti.
È uno dei motivi per cui torniamo ogni anno a Boston e per cui durante l’anno continuiamo a lavorare a certificazioni, bootcamp e formazione con il nostro team di HubSpot Trainer e HubSpot Community Champion.
In tre giorni entri in contatto con idee, culture aziendali diverse, casi d’uso che non avevi considerato e funzionalità ancora in beta che puoi provare prima che diventino il titolo di un articolo.
Il programma è talmente ricco che bisogna dividersi. Uno segue un laboratorio, uno il keynote, un altro prova una demo, mentre in Drive finiscono foto, note e slide che poi riportiamo a tutti i colleghi.
E qualche volta uno degli scambi più interessanti della giornata arriva davanti a una pepperoni pizza, parlando con partner australiani o colombiani di progetti, clienti e problemi sorprendentemente simili ai nostri.
Uno degli aspetti che continuiamo ad apprezzare di questa community è la vicinanza tra chi costruisce la piattaforma e chi la utilizza ogni giorno. Ce lo ha ricordato anche una marketing manager di Boston, seduta in platea come noi, che dopo anni di Salesforce oggi racconta di lavorare in modo più semplice e diretto.
La tecnologia diventa davvero interessante quando cambia concretamente il modo in cui le persone lavorano.
L’inbound non scompare, cambia ciò che vale la pena misurare
Una delle parole centrali di Unbound 2026 è stata outcome, si punta ai risultati.
L’inbound ci ha insegnato che guadagnarsi l’attenzione attraverso contenuti utili funziona meglio che interrompere continuamente le persone, quel principio non è scomparso, è cambiato il percorso con cui arriviamo al risultato.
Per anni era relativamente osservabile: qualcuno cercava su Google, arrivava sul sito, leggeva un contenuto, compilava un modulo e diventava un contatto qualificato.
Oggi una parte importante della valutazione può iniziare altrove.
Una persona chiede a ChatGPT, Gemini o un altro assistente di spiegare un problema, confronta possibili soluzioni, approfondisce aziende e prodotti e può costruirsi un’opinione prima ancora di arrivare sul tuo sito.
Quando arriva da te potrebbe essere già molto più avanti nel processo decisionale.
Il modulo compilato, quindi, non racconta necessariamente il momento in cui quella persona ha iniziato a considerarti.
Diventano più importanti i risultati alla fine del percorso, un’opportunità chiusa, fatturato consolidato, un ticket risolto, un Meet con la persona giusta.
Questa logica entra direttamente anche nella nuova esperienza HubSpot, non dobbiamo partire dallo strumento da utilizzare, ma dal risultato che vuoi ottenere.
Prima l’obiettivo, poi tecnologia e agenti necessari per raggiungerlo.
Il vero problema dell’AI non è sempre il modello, è quello che sa di te
George Davis, Director of Product di HubSpot, è partito da una situazione che abbiamo visto anche fuori dalla convention.
Un’azienda introduce l’intelligenza artificiale, le persone iniziano a utilizzarla, ma riscrivono i contenuti generati, non si fidano delle risposte e ignorano i suggerimenti.
La conclusione diventa “questo strumento non capisce come lavoriamo”.
Ma che cosa gli abbiamo dato per capirlo?
Il concetto di Growth Context presentato da HubSpot risponde a questa sfida integrando tre pilastri fondamentali: le informazioni sull’azienda, sul team e sui clienti.
Nel primo caso rientrano brand, prodotti, posizionamento e tono di voce, nel secondo, ruoli, processi, metodologie e strategie commerciali. Infine, la dimensione del cliente comprende la storia delle relazioni e delle interazioni tracciate dal CRM.
Durante la sessione Davis ha chiesto quante aziende gestissero ancora una parte di queste informazioni attraverso documenti, fogli di calcolo, cartelle condivise o file conservati dai singoli membri del team.
Le mani alzate erano moltissime.
Il problema emerge quando il contesto rimane nella testa delle persone o sparso tra documenti diversi, perché diventa difficile utilizzarlo in modo coerente e con gli agenti questa fragilità è ancora più evidente
Fermati un attimo a riflettere: che cosa devi rispiegare ogni volta a qualcuno che non fa parte del tuo team?
Quella risposta è probabilmente un dettaglio di contesto che vale la pena mettere a sistema.
Con Context Home, il contesto diventa parte dell’infrastruttura CRM
Qui la visione diventa prodotto.
Context Home è il luogo in cui HubSpot raccoglie e rende gestibile ciò che la piattaforma conosce dell’azienda, del team, dei clienti e dei processi.
Puoi vedere quanto è completo il contesto disponibile, individuare ciò che manca e intervenire sulle informazioni che devono essere aggiornate.
La parte interessante, però, non è avere un altro pannello, ma rendere il contesto utilizzabile dagli strumenti che devono agire.
Breeze Assistant può sfruttarlo per produrre risposte e completare attività più aderenti alla realtà dell’azienda. Gli agenti possono utilizzarlo per prendere decisioni all’interno dei processi. Agent Hub permette invece di avere una vista degli agenti che stanno operando.
Per chi lavora su più portali, anche Agent Builder apre uno scenario interessante: un agente progettato e verificato bene può diventare un componente riutilizzabile invece di essere ricostruito da zero per ogni progetto.
Marketing, vendite e assistenza diventano quindi casi d’uso dello stesso principio.
Un agente può aiutare a costruire una campagna, un altro può lavorare sul nurturing, un altro ancora può supportare l’avanzamento di un’opportunità o intervenire nel servizio clienti.
La novità più importante non è quanti agenti puoi attivare, ma l’AI che smette progressivamente di limitarsi a generare qualcosa e comincia ad agire all’interno dei processi aziendali.
E quando un sistema può agire, dati, permessi e governance diventano molto più importanti.
L’agente diventa un secondo utente del CRM
Nel CRM non lavora più soltanto la persona davanti all’interfaccia, ma anche l’agente che spesso non clicca nulla. Può interrogare il sistema dall’esterno, recuperare informazioni e utilizzare strumenti differenti per completare un compito.
È qui che il concetto di CRM headless diventa molto meno tecnico di quanto sembri. Il CRM continua a essere il sistema che custodisce dati, relazioni, regole e processi, ma l’interfaccia grafica non è più l’unico modo per utilizzarlo.
Nei laboratori che abbiamo seguito è stato proposto un modello mentale che funziona molto bene: progettare un agente come se stessi inserendo una nuova persona nel team. Gli assegni un ruolo: sono le istruzioni. Decidi a cosa può accedere: sono i permessi. Gli fornisci ciò che deve conoscere: è il contesto.
Poi stabilisci quanta autonomia può avere.
Nella dimostrazione, un agente incaricato di valutare la salute di un cliente utilizzava un documento che definiva quando considerarlo sano, a rischio o critico. All’inizio ogni operazione di scrittura richiedeva l’approvazione umana.
Prima controlli. Poi, quando il sistema dimostra di funzionare, puoi aumentare l’autonomia.
È un principio semplice, ma cambia il modo in cui pensiamo all’adozione dell’intelligenza artificiale in azienda.
Prima di aggiungere agenti, guarda il tuo modello dati
Nello stesso laboratorio, la dimostrazione pratica ha reso evidente il problema: quando un agente mappa la struttura di un portale, emergono immediatamente dati isolati e connessioni mancanti, come la totale assenza di relazione tra le opportunità e i relativi clienti.
Ed è lì che tutta la teoria sugli agenti incontra un ostacolo concreto, la qualità del modello dati.
Nessun agente può compensare dati organizzati male: se le associazioni non tengono, se le proprietà vengono utilizzate senza una logica comune o se informazioni fondamentali vivono fuori dal sistema, l’intelligenza artificiale non elimina il problema, ma si limita ad elaborarlo più velocemente.
Diversi partner con cui ci siamo confrontati avevano già rimesso mano al proprio modello dati prima di attivare nuovi casi d’uso agentici. È la stessa sequenza che seguiamo nei portali che gestiamo: capire quali dati servono davvero, sistemare proprietà e associazioni, definire processi e responsabilità e solo dopo aggiungere automazioni e intelligenza.
È probabilmente una delle lezioni meno spettacolari di Unbound 2026, ma anche una delle più importanti.
L’autonomia funziona soltanto se progetti prima il controllo
Lo stesso principio vale per i permessi.
Un agente non dovrebbe avere accesso indiscriminato al CRM soltanto perché è capace di utilizzarlo.
L’amministratore deve poter stabilire chi può usare gli strumenti agentici, quali informazioni possono essere consultate e quali azioni possono essere eseguite.
E deve essere possibile ricostruire che cosa è successo.
Nei laboratori abbiamo toccato con mano una regola d’oro che applichiamo sempre: iniziare lasciando all’agente una funzione di sola lettura.
Prima verifichi l’accuratezza dell’agente su dati e processi che conosci bene. Solo successivamente concedi la possibilità di scrivere o modificare informazioni.
L’autonomia, quindi, non significa eliminare il controllo umano.
Significa progettare in anticipo dove quel controllo serve.
Se i clienti chiedono all’AI, devi sapere se l’AI parla di te
Il cambiamento riguarda anche il marketing.
I clienti non hanno smesso di cercare informazioni, stanno cambiando il luogo in cui fanno una parte delle loro domande.
Se una persona chiede a un assistente quali soluzioni possono risolvere un determinato problema, la risposta può già contenere aziende, prodotti e alternative.
Una parte della valutazione può quindi avvenire senza generare una visita sul tuo sito.
È il problema a cui prova a rispondere HubSpot AEO, Answer Engine Optimization: osservare come un brand compare nelle risposte generate dai motori di risposta, confrontarne la presenza con quella dei concorrenti e individuare argomenti e contenuti su cui intervenire.
A Boston abbiamo visto come questo processo possa collegarsi al resto della piattaforma: il sistema individua un’area in cui il brand ha poca visibilità e il lavoro sui contenuti può partire avendo già a disposizione informazioni su pubblico, prodotti, posizionamento e tono di voce.
Ma il punto interessante va oltre la singola funzione. SEO e AEO non sono due mondi separati. Entrambi dipendono dalla capacità di produrre contenuti utili, riconoscibili, ben strutturati e supportati da una conoscenza reale dell’argomento.
E qui torniamo esattamente al problema da cui eravamo partiti.
Se tutti usiamo la stessa AI, il tono di voce diventa contesto
Nel marketing nell’era dell’intelligenza artificiale, il rischio è evidente.
Se tutti utilizziamo gli stessi modelli partendo dalle stesse istruzioni generiche, iniziamo inevitabilmente a produrre contenuti simili.
Da qui nasce l’idea di trasformare anche il gusto e il tono in contesto utilizzabile.
Chi è il tuo cliente? Come parla? Quali problemi riconosce? Perché dovrebbe fermarsi a leggere?
E poi: come racconti le cose? Quali esempi utilizzi? Quali parole appartengono al tuo modo di comunicare e quali non useresti mai?
Non basta avere una guida al tono di voce dimenticata in una cartella. Quelle informazioni devono entrare nel processo prima che venga generata la prima parola.
Vale anche per questo articolo.
Non abbiamo chiesto a uno strumento di “scrivere un articolo su Unbound”, abbiamo raccolto sessioni, demo, appunti, conversazioni, domande fatte direttamente ai team e una nostra interpretazione di ciò che abbiamo visto.
L’AI può aiutarci a organizzare tutto questo, ma non può inventare l’esperienza e il contesto da cui il contenuto nasce.
Il vantaggio non è fare il piano perfetto, ma imparare prima
C’è un’altra idea raccolta a Boston che vale anche al di fuori dell’AI.
Una pianificazione trimestrale offre quattro grandi momenti di verifica in un anno. Un ciclo di due settimane ne offre ventisei.
Il principio è aumentare la velocità con cui puoi imparare.
Per raccontarlo è stata recuperata una storia del 1903.
Samuel Langley disponeva di finanziamenti molto superiori, ma il suo aeroplano finì due volte nel Potomac. I fratelli Wright lavoravano con risorse molto più limitate, costruivano alianti economici, li provavano e correggevano continuamente ciò che non funzionava.
Nove giorni dopo il secondo fallimento di Langley volavano a Kitty Hawk.
Oggi l’AI può rendere molto più economici alcuni di questi cicli di sperimentazione.
Puoi partire da un contenuto lungo e adattarlo rapidamente a formati e canali diversi. Oppure testare molte idee brevi, osservare quali generano una risposta reale e investire soltanto su quelle per costruire qualcosa di più approfondito.
Non significa rinunciare alla strategia, ma avere una direzione abbastanza chiara da poter correggere rapidamente il percorso.
Unified non significa mettere tutto nello stesso software
C’è infine un concetto su cui ritorniamo spesso da prospettive molto diverse: unified.
Non è solo una direzione di HubSpot, è qualcosa che osserviamo da tempo nel mercato tecnologico.
Piattaforme nate per risolvere problemi differenti stanno diventando sempre più connesse. Condividono dati e permettono ad automazioni e agenti di lavorare attraversando più sistemi.
Lo abbiamo visto anche in Agent Builder, attraverso le integrazioni mostrate con strumenti che le aziende utilizzano quotidianamente.
Ma avere tecnologie capaci di comunicare non significa automaticamente avere un ecosistema unificato.
Anzi, più aumentano strumenti, connessioni e automazioni, più diventa importante decidere prima come devono lavorare insieme.
Quali dati servono davvero? Dove devono vivere? Qual è la fonte affidabile per ciascuna informazione? Quali piattaforme devono condividerla? Quali processi vogliamo costruire intorno a quei dati? E quale risultato deve produrre l’intero sistema?
È qui che la tecnologia lascia spazio alla strategia e alla consulenza.
È anche il modo in cui in power2Cloud interpretiamo il nostro ruolo: non aggiungere tecnologia alla tecnologia, ma progettare l’ecosistema che permette a dati, piattaforme e persone di lavorare insieme verso lo stesso risultato.
Per noi unified non significa mettere tutto dentro un unico software, ma partire da una strategia e costruire intorno a essa un ecosistema in cui ogni piattaforma abbia un ruolo preciso, i dati possano essere utilizzati dove servono e la complessità resti governabile.
Più autonomia diamo alla tecnologia, più conta chi decide la direzione
Il modo in cui un team affronta l’innovazione dipende prima di tutto dalla chiarezza di chi lo guida. Più la tecnologia diventa autonoma, più la visione strategica e la gestione del contesto da parte dei leader definiscono la direzione della squadra, un tema emerso in modo trasversale durante diverse testimonianze dell’evento.
Pensiamo all’astronauta Sunita Williams, che dopo un soggiorno sulla Stazione Spaziale ben più lungo del previsto ha descritto la resilienza come la scelta consapevole di non restare bloccati su ciò che è andato storto, invitando chi guida un team a lasciare spazio alla creatività e alla sperimentazione.
Sulla stessa scia, Cynthia Erivo ha raccontato come la professionalità permetta di attraversare i cicli di entusiasmo senza dipenderne, ricordandoci che nessun semaforo rosso dura per sempre.
Infine, Amy Webb ha portato questo ragionamento nelle organizzazioni, distinguendo chi subisce il futuro da chi decide la propria rotta con la giusta flessibilità. Un esempio significativo è Nintendo, fondata nel 1889 e capace di scegliere esattamente dove integrare l’intelligenza artificiale e dove farne a meno.
Il punto non è infatti adottare ogni novità, ma selezionare ciò che serve davvero alla direzione scelta.
Il valore reale nasce dove la tecnologia incontra la visione umana
L’intelligenza artificiale accelera l’esecuzione, ma la capacità di guidare i processi, interpretare i dati e costruire un contesto aziendale solido appartiene interamente alla visione umana.
Il valore reale si costruisce nel lavoro strutturale: nella definizione di un modello dati pulito, nella governance dei sistemi e nell’allineamento rigoroso tra strumenti e obiettivi di business. È la qualità di questa architettura a determinare se la tecnologia diventerà una leva d'impatto o soltanto un elemento di complessità in più.
Come power2Cloud, il nostro ruolo è progettare questo equilibrio, affiancando le organizzazioni nella trasformazione dei processi e nell'adozione consapevole anche delle nuove soluzioni agentiche.
Per approfondire l’impatto operativo delle novità presentate a Boston e analizzare come integrarle in HubSpot, terremo a breve un webinar strategico dedicato a HubSpot Unbound 2026.
Scrivici per riservare il tuo posto o ricevere la notifica all'apertura delle iscrizioni.