Snap launches Dotmo: the video AI spinoff that changes the game

La cronologia: da team interno a società autonoma

On June 18, 2026, TechCrunch reported la notizia ufficiale. Snap ha deciso di separare il proprio gruppo di ricerca e sviluppo sull’AI video. La nuova società si chiama Dotmo. È composta da attuali dipendenti Snap che escono dalla struttura della social company per fondare un’entità indipendente.

La motivazione dichiarata è chiara: i costi. Lo sviluppo di modelli AI video richiede infrastrutture enormi. Inoltre, richiede team specializzati che difficilmente trovano il loro habitat naturale all’interno di un’azienda focalizzata su Snapchat e sulla pubblicità social. Pertanto, lo spinoff è una scelta razionale, non una fuga.

Non è la prima volta che Snap percorre questa strada. In passato, la società ha già separato unità interne per ridurre il peso operativo. Tuttavia, questa operazione ha una valenza diversa: riguarda l’AI generativa applicata al video, uno dei segmenti più competitivi e costosi dell’intero panorama tech.

Who wins and who loses in this scenario

Dal punto di vista degli equilibri di mercato, la nascita di Dotmo produce effetti su più livelli. Analizziamoli con ordine.

Snap alleggerisce il bilancio. Di conseguenza, può concentrare le risorse sul core business pubblicitario. Tuttavia, rinuncia a un asset tecnologico che, se maturo, avrebbe potuto differenziarla dai competitor. È una scelta difensiva, non offensiva.

Dotmo guadagna libertà operativa. Infatti, come entità indipendente può raccogliere capitali da VC specializzati in AI, stringere partnership con piattaforme video e sviluppare prodotti senza i vincoli di una roadmap social. Al contrario, perde la rete di distribuzione e i dati di Snap. Il percorso sarà tutt’altro che semplice.

The martech market riceve un segnale importante. Sempre più player stanno costruendo stack verticali sull’AI video. Tra l’altro, la competizione con Runway, Pika Labs e i modelli video di Google e OpenAI è già feroce. Dotmo dovrà trovare un posizionamento preciso per sopravvivere.

Perché l’AI video è così costosa da sviluppare

It's worth understanding the technical context. Generative models for video require significantly higher computational resources than models for text or images. McKinsey estimates that the training and inference costs for video models are still an order of magnitude higher than for language models.

Inoltre, la qualità attesa dagli utenti e dai brand è altissima. Non basta generare video coerenti: servono output pronti per la distribuzione su piattaforme pubblicitarie, con standard di risoluzione, timing e brand safety precisi. Quindi, il gap tra prototipo di ricerca e prodotto commerciale è ancora molto ampio.

Per questo motivo, molte aziende tech stanno scegliendo di esternalizzare o separare queste unità. Analogamente a quanto accaduto con alcune divisioni di ricerca in ambito NLP negli anni scorsi, l’AI video sta diventando un campo specialistico a sé stante.

La lettura di SHM Studio: opportunità reale o hype prematuro?

We of SHM Studio lavoriamo quotidianamente con marketing manager che ci chiedono quando e come integrare l’AI video nelle loro pipeline creative. La risposta onesta è: dipende dal caso d’uso.

Today, available AI video tools are useful for specific scenarios, such as the production of creative variants for Google Ads campaigns o A/B testing on short video formats. However, for productions requiring brand consistency, recognizable actors, or complex narratives, the limitations remain evident.

Dotmo, se riuscirà a costruire un prodotto commerciale solido, potrebbe colmare alcuni di questi gap. In particolare, potrebbe farlo per il segmento delle PMI che non hanno budget per produzioni video tradizionali. Pertanto, l’interesse strategico c’è. Ma i tempi di maturazione del prodotto sono ancora incerti.

For marketing managers considering investments in AI solutions, il consiglio è di monitorare l’evoluzione di Dotmo senza aspettarsi output pronti all’uso nel breve termine. Allo stesso modo, vale la pena esplorare già oggi i tool esistenti per identificare i casi d’uso più adatti al proprio settore.

Operational implications for content and campaign managers

Al di là delle dinamiche corporate, la notizia ha implicazioni pratiche per chi si occupa di digital marketing e content strategy. Vediamo i punti più rilevanti.

• Content automation video la separazione di team specializzati in AI video accelera la specializzazione del settore. Di conseguenza, nei prossimi 12-18 mesi è probabile vedere nuovi strumenti verticali, più precisi e meno generalisti.
• Synthetic UGC: uno dei casi d’uso più interessanti per i brand è la generazione di contenuti video che simulano l’autenticità dell’user-generated content. Tuttavia, le piattaforme stanno affinando i sistemi di rilevamento. Quindi, la qualità dell’output sarà discriminante.
• Integration with existing stacks: who manages campaigns on LinkedIn Meta knows how expensive creative production is. Well-integrated AI video tools could significantly reduce the cost per creative variant.
• SEO and video content: Google continua a indicizzare e valorizzare i contenuti video. Pertanto, una produzione video più scalabile ha impatto diretto anche sulle strategie SEO.

In sintesi, l’AI video non è ancora plug-and-play per la maggior parte delle aziende italiane. Tuttavia, il mercato si sta strutturando rapidamente. Dunque, ignorarlo oggi significa ritrovarsi in ritardo domani.

The construction site still open: what to observe in the coming months

Dotmo è appena nata. Pertanto, è prematuro valutarne il prodotto o il posizionamento definitivo. Esistono però alcuni segnali da monitorare con attenzione.

Prima di tutto, il round di finanziamento. Se Dotmo riuscirà ad attrarre capitali significativi da VC specializzati in AI, sarà un indicatore di credibilità tecnica. In seguito, la scelta delle partnership: integrarsi con piattaforme di distribuzione video esistenti o costruire una distribuzione propria sono due strade con implicazioni molto diverse.

Infine, il tipo di clienti che Dotmo andrà a servire. Se punterà su enterprise e grandi brand, il confronto sarà con Runway e i tool di Adobe. Al contrario, se punterà su PMI e creator, potrebbe ritagliarsi uno spazio più accessibile e meno presidiato. Harvard Business Review ha già analizzato come l’AI generativa stia ridefinendo i modelli creativi aziendali — e il video è il prossimo fronte.

Per approfondire come integrare strumenti di AI e content automation nella propria strategia, è possibile esplorare i SHM Studio services to read the in-depth articles about our blog. Inoltre, il team è disponibile per una consulenza dedicata attraverso la pagina contacts.

Besides this, who is working on strategies for copywriting and content troverà utile capire come l’AI video si integra con la produzione testuale — due asset sempre più complementari nelle campagne multicanale. Analogamente, chi gestisce la presenza web aziendale attraverso web solutions dovrà considerare come i contenuti video generativi impatteranno sull’esperienza utente e sul tempo di permanenza sul sito.