- Circles: cronologia di un'integrazione AI costruita per durare
- I numeri che definiscono il caso: ARPU, churn e velocità di sviluppo
- Architettura dell'approccio: cosa ha fatto davvero Circles
- Vincitori, perdenti e chi resta a guardare
- La lettura di SHM Studio: cosa significa per il marketing italiano
- Quello che i numeri non dicono: le condizioni abilitanti
- Next moves: tre direzioni operative per il 2026-2027
Circles, operatore telco digitale attivo in più mercati asiatici, ha integrato le API di OpenAI e il modello Codex all’interno della propria piattaforma. Il risultato è un sistema AI-native capace di personalizzare offerte, comunicazioni e percorsi utente in tempo reale. I numeri pubblicati da OpenAI sono significativi: ARPU in crescita del 22%, tasso di churn ridotto del 9%, efficienza nello sviluppo software notevolmente migliorata.
Tuttavia, il valore di questo caso studio va oltre il settore telco. Infatti, dimostra come l’AI generativa possa agire su leve di business concrete — retention, monetizzazione, velocità di sviluppo — quando è integrata in modo strutturale e non episodico. Pertanto, i responsabili marketing e digital di aziende italiane hanno molto da imparare da questo modello operativo.
In SHM Studio seguiamo con attenzione questi segnali di mercato. Di conseguenza, li traduciamo in indicazioni pratiche per i nostri clienti PMI e mid-market che vogliono applicare l’AI al proprio funnel commerciale, alla personalizzazione dei contenuti o alla gestione della customer base. Infine, questo caso conferma una direzione già chiara: l’AI non è più un’opzione sperimentale, ma un driver di performance misurabile.
Circles: cronologia di un’integrazione AI costruita per durare
Circles è un operatore telco digitale fondato a Singapore, oggi presente in diversi mercati del Sud-Est asiatico. A differenza degli operatori tradizionali, ha costruito la propria infrastruttura su un modello cloud-native e data-driven fin dall’origine. Questa scelta ha reso l’integrazione con le tecnologie OpenAI più fluida rispetto a quanto accade nelle grandi telco legacy.
Nel corso degli ultimi mesi, Circles ha adottato le API di OpenAI e il modello Codex per alimentare un sistema di personalizzazione AI-native. In particolare, l’obiettivo era duplice: migliorare l’esperienza utente lungo tutto il ciclo di vita del cliente e accelerare lo sviluppo interno di nuove funzionalità.
Pertanto, il progetto non si è limitato a un chatbot o a un motore di raccomandazione isolato. Al contrario, ha ridisegnato il modo in cui la piattaforma genera, testa e distribuisce esperienze personalizzate su scala.
I numeri che definiscono il caso: ARPU, churn e velocità di sviluppo
I risultati pubblicati da OpenAI parlano di tre metriche distinte. Prima di tutto, l’ARPU — Average Revenue Per User — è cresciuto del 22%. Questo dato indica che i clienti esistenti spendono di più, probabilmente perché ricevono offerte più pertinenti al proprio profilo di consumo.
In seguito, il tasso di churn è calato del 9%. Inoltre, l’efficienza nel processo di sviluppo software è migliorata in modo rilevante, grazie all’uso di Codex per la generazione e il testing del codice. Dunque, l’impatto dell’AI si distribuisce su più livelli aziendali contemporaneamente.
Questi numeri meritano una lettura critica. Secondo McKinsey Global Institute, le aziende che integrano l’AI in modo sistematico nei processi core ottengono risultati fino a tre volte superiori rispetto a chi la usa in modo frammentato. Il caso Circles conferma questa tesi.
Architettura dell’approccio: cosa ha fatto davvero Circles
Il modello operativo di Circles si basa su tre componenti principali. Anzitutto, un layer di dati unificato che raccoglie segnali comportamentali in tempo reale — utilizzo dati, frequenza di contatto, storico acquisti. Quindi, un motore di personalizzazione alimentato dalle API OpenAI che genera offerte, messaggi e raccomandazioni dinamiche per ogni segmento utente.
Infine, Codex viene utilizzato internamente dai team di sviluppo per accelerare la scrittura e il testing del codice. In questo modo, il time-to-market di nuove funzionalità si riduce in modo significativo. Analogamente, i team possono iterare più velocemente sulle logiche di personalizzazione stessa.
Questo approccio — dati, AI applicata al cliente, AI applicata allo sviluppo — rappresenta una struttura replicabile anche fuori dal settore telco. Pertanto, è utile ragionare su quali elementi siano trasferibili a contesti B2B o retail italiani.
Vincitori, perdenti e chi resta a guardare
Il vincitore più evidente è Circles stessa, che consolida un vantaggio competitivo misurabile in un settore — quello telco — storicamente caratterizzato da margini compressi e alta concorrenza. Inoltre, OpenAI rafforza la propria narrativa di AI applicata al business con un caso studio concreto e documentato.
Tuttavia, i veri perdenti sono gli operatori e le aziende che continuano a posticipare l’integrazione AI. Secondo Gartner, entro il 2027 oltre il 60% delle aziende che non avranno adottato AI generativa nei processi customer-facing perderanno quote di mercato rispetto ai competitor più avanzati. Il gap si allarga ogni trimestre.
Chi resta a guardare — e sono ancora molte PMI italiane — rischia di trovarsi in una posizione di recupero difficile. Nonostante ciò, la buona notizia è che gli strumenti sono accessibili e i modelli di integrazione sono ormai documentati.
La lettura di SHM Studio: cosa significa per il marketing italiano
Il caso Circles è rilevante per i marketing manager italiani per almeno tre ragioni. In primo luogo, dimostra che l’AI generativa produce risultati misurabili su KPI di business reali — non solo su metriche di engagement superficiali. In secondo luogo, mostra che l’integrazione deve essere sistemica, non episodica.
In terzo luogo — ed è forse l’aspetto meno discusso — evidenzia come l’AI possa agire contemporaneamente sul fronte cliente e sul fronte interno (sviluppo, operazioni). Questo doppio impatto è quello che genera il maggiore ritorno sull’investimento.
In SHM Studio lavoriamo con aziende B2B e retail che vogliono applicare questi principi al proprio contesto. Ad esempio, la personalizzazione AI dei contenuti è uno dei pilastri dei nostri progetti di digital marketing e copywriting SEO. Allo stesso modo, integriamo logiche di segmentazione avanzata nelle campagne Google Ads e LinkedIn.
Quello che i numeri non dicono: le condizioni abilitanti
Un caso studio come quello di Circles tende a mettere in primo piano i risultati. Tuttavia, è utile chiedersi quali condizioni lo abbiano reso possibile. Prima di tutto, Circles aveva già una cultura data-driven consolidata. Quindi, disponeva di un’infrastruttura cloud flessibile. Infine, aveva team interni capaci di integrare API esterne in modo autonomo.
Per molte PMI italiane, queste condizioni non sono ancora presenti in modo completo. Di conseguenza, il percorso verso risultati analoghi richiede una fase preliminare di data readiness e di revisione dei processi. Perciò, è fondamentale non limitarsi a copiare il modello, ma adattarlo alla propria maturità digitale.
Secondo Harvard Business Review, le aziende che ottengono i migliori risultati dall’AI sono quelle che investono prima nelle fondamenta — dati puliti, processi chiari, team formati — e poi nelle applicazioni. Circles ne è un esempio coerente.
Next moves: tre direzioni operative per il 2026-2027
Alla luce di questo caso, è possibile identificare alcune direzioni concrete per i responsabili marketing e digital italiani. Anzitutto, vale la pena avviare un audit della propria base dati cliente: qualità, completezza e accessibilità dei dati sono il prerequisito di qualsiasi progetto AI applicato alla personalizzazione.
Inoltre, è opportuno esplorare l’integrazione di API AI nei propri strumenti di marketing automation e CRM. Molte piattaforme già diffuse in Italia — da HubSpot a Salesforce — offrono connettori nativi con OpenAI e modelli equivalenti. Pertanto, il punto di partenza non è necessariamente uno sviluppo custom.
Infine, è strategicamente rilevante iniziare a misurare l’impatto dell’AI su KPI di business reali — ARPU, churn, conversion rate — e non solo su metriche operative. Questo cambio di prospettiva è quello che trasforma un progetto pilota in un investimento scalabile. I servizi AI di SHM Studio sono progettati esattamente in questa direzione: dalla strategia all’implementazione misurabile.
Per chi vuole approfondire come strutturare questo percorso nel proprio contesto aziendale, il team di SHM Studio è disponibile per una consulenza dedicata. È possibile contattarci attraverso la pagina contatti o esplorare il nostro blog per ulteriori approfondimenti su AI, SEO e digital marketing. Tra i servizi disponibili, segnaliamo anche le attività di SEO e sviluppo web orientate alla performance.
Articoli correlati
Scopri altri articoli che approfondiscono temi simili, selezionati per offrirti una visione più completa e stimolante. Ogni contenuto è scelto con cura per arricchire la tua esperienza.
