Snap lancia Dotmo: lo spinoff AI video che cambia le carte

La cronologia: da team interno a società autonoma

Il 18 giugno 2026, TechCrunch ha riportato 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.

Chi vince e chi perde in questo 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.

Il mercato martech 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

Vale la pena capire il contesto tecnico. I modelli generativi per il video richiedono risorse computazionali molto superiori rispetto ai modelli per testo o immagini. McKinsey stima che i costi di training e inferenza per i modelli video siano ancora un ordine di grandezza superiori rispetto ai modelli linguistici.

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?

Noi di 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.

Oggi, gli strumenti di AI video disponibili sono utili per scenari specifici. Ad esempio, la produzione di varianti creative per campagne Google Ads o per test A/B su formati video brevi. Tuttavia, per produzioni che richiedono coerenza di brand, attori riconoscibili o narrativa complessa, i limiti restano evidenti.

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.

Per i responsabili marketing che stanno valutando investimenti in soluzioni AI, 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.

Implicazioni operative per chi gestisce content e campagne

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.
• UGC sintetico: 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.
• Integrazione con stack esistenti: chi gestisce campagne su LinkedIn o su Meta sa quanto sia costosa la produzione creativa. Strumenti AI video ben integrati potrebbero ridurre significativamente il costo per variante creativa.
• SEO e 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.

Il cantiere ancora aperto: cosa osservare nei prossimi mesi

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 servizi di SHM Studio o leggere gli approfondimenti sul nostro blog. Inoltre, il team è disponibile per una consulenza dedicata attraverso la pagina contatti.

Oltre a questo, chi sta lavorando su strategie di copywriting e 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 soluzioni web dovrà considerare come i contenuti video generativi impatteranno sull’esperienza utente e sul tempo di permanenza sul sito.