Questo articolo è una traduzione assistita dall’AI dell’originale in inglese, revisionata dall’autore.
MCP ha fatto breccia nello stack CEP. E adesso?
Salesforce Marketing Cloud Engagement ora ha un MCP Server documentato che i practitioner possono usare per lavorare con contenuti, campagne, journey, automazioni e dati cliente attraverso un client AI.
Adobe Journey Optimizer ha un MCP Server. Adobe Real-Time CDP ne ha uno. Braze ne ha uno. Bloomreach ne ha uno. Iterable ne ha uno. Insider One ne ha uno. Klaviyo ne ha uno. Ora anche Salesforce Marketing Cloud Engagement ne ha uno.
Alcuni di questi sono interfacce operative più ampie (accesso sia in lettura che in scrittura su gran parte degli oggetti). Alcuni sono orientati soprattutto alla lettura. Alcuni sono implementazioni beta o ad accesso limitato. Questa differenza conta, ma il pattern è ormai troppo visibile per essere ignorato.
In un trimestre di calendario, MCP è passato da pattern tecnico interessante a livello di accesso comune in una parte significativa dello stack enterprise di customer engagement.
Questo non significa che ogni implementazione sia matura. Non significa che ogni strumento sia pronto per accessi in scrittura senza restrizioni in produzione. Non significa che la governance sia risolta.
Ma la direzione ora è chiara.
Il layer AI non sta più semplicemente sopra lo stack marketing come assistente generico. Sta iniziando a diventare un’interfaccia operativa per lo stack stesso.
Questo è il vero segnale.
TL;DR
- MCP sta diventando un livello di accesso comune in una parte significativa dello stack di customer engagement, ma maturità, permessi e sicurezza delle operazioni in scrittura variano ancora molto da piattaforma a piattaforma.
- Braze mostra dove sta andando l’interfaccia agentica: non un chatbot generico, ma superfici di workflow controllate per il lavoro sulle campagne, gli agenti custom e la produzione creative-to-campaign.
- Gli aggiornamenti meno appariscenti di Adobe di maggio aiutano a capire perché i sistemi agentici hanno bisogno di una base operativa pulita: oggetti gestibili, asset riutilizzabili, dataflow osservabili e superfici di permessi stabili.
- La domanda sul CDP si sta spostando da “quale vendor è più in alto nel quadrante?” a “questa piattaforma sta diventando un livello dati di ecosistema, un livello di attivazione consumabile dagli agenti, o un livello di governance tra i due?”
1. MCP sta diventando il nuovo livello di accesso
Per le piattaforme che seguo più da vicino, il pattern è ormai abbastanza visibile da trattare MCP come un serio segnale architetturale.
Quello che è realmente vero è questo: le principali piattaforme di customer engagement che seguo stanno iniziando a esporre oggetti di campagna, journey, audience, contenuto, configurazione e performance attraverso interfacce compatibili con MCP.
Questo significa che un client AI può ispezionare parti dell’ambiente marketing senza che una persona debba navigare più dashboard o scrivere chiamate API dirette. A seconda della piattaforma e del modello di permessi, può recuperare oggetti, riassumere configurazioni, confrontare asset, identificare pattern operativi e, nei casi più controllati, attivare modifiche.
Sul lato Marketing Cloud Engagement, la copertura degli strumenti indica già una superficie operativa ampia: automazioni, contatti, contenuti, Data Extension, email, journey, push, SMS e funzioni di utilità. Alcuni strumenti sono read-only. Alcuni sono potenzialmente distruttivi. Alcuni richiedono gestione asincrona. Questa distinzione conta.
Perchè è qui che la discussione dovrebbe spostarsi adesso.
Non: “Quale vendor ha un MCP server?”
Ma: “Che cosa può fare davvero un agente AI con questo server, sotto quali controlli, e con quale modello di accountability?”
I team di marketing operations sono stati costruiti intorno a una serie di assunzioni: ogni piattaforma richiedeva operatori umani formati; l’accesso ai dati richiedeva navigazione UI o chiamate API dirette; l’analisi delle campagne richiedeva report, dashboard e interpretazione manuale.
MCP non invalida immediatamente queste assunzioni. Ma inizia a erodere le premesse su cui poggiano.
Quando un analyst può chiedere a un assistente AI di identificare i journey con il tasso di unsubscribe più alto negli ultimi 30 giorni, riassumere i pattern di uscita condivisi e confrontarli con modifiche recenti a contenuti o audience, il lavoro cambia.
Non scompare.
Si sposta.
Il premio si sposta dal recupero dei dati al framing del problema, dalla navigazione delle dashboard all’interpretazione, dalla sola conoscenza della piattaforma alla validazione e al controllo.
Le piattaforme che vinceranno in questo ambiente non saranno quelle che hanno rilasciato MCP per prime. Saranno quelle che espongono la superficie operativa più utile, con il modello di permessi più chiaro e la governance più sensata su ciò che gli agenti possono e non possono fare senza approvazione umana.
2. Braze mostra dove si va dopo
Mi era sfuggito in una precedente uscita del digest, quindi lo correggo qui.
Il 23 aprile 2026, durante City x City London, Braze ha annunciato BrazeAI Operator, BrazeAI Agent Console e Braze Creative Studio.
Visti insieme, sono più interessanti di tre feature AI separate. Descrivono un modello operativo.
BrazeAI Operator è l’assistente rivolto ai practitioner. Vive dentro la piattaforma e aiuta con la costruzione delle campagne, la generazione di contenuti, il troubleshooting dei Canvas e la creazione di ticket di supporto senza costringere l’utente a uscire dal contesto di lavoro.
Quest’ultima parte non è un dettaglio minore. Un assistente AI utile non è solo quello che genera testo o suggerisce una configurazione. È quello che capisce quando il problema è uscito dal suo perimetro operativo corrente e ha bisogno di escalation.
BrazeAI Agent Console è la mossa più architetturale. Offre ai team un modo per costruire, configurare, distribuire e monitorare agenti custom. Questo sposta Braze da “una piattaforma con feature AI” verso “una piattaforma in cui i team possono costruire workflow marketing assistiti dall’AI”.
Braze Creative Studio è il terzo elemento, e forse quello più facile da sottovalutare.
Collega i workflow Figma e Canva più direttamente alla produzione di campagne in Braze. Può sembrare meno strategico di “AI agentica”, ma chiunque abbia gestito programmi campagna ad alto volume conosce la verità: il collo di bottiglia non è sempre la generazione del contenuto. Spesso è la traduzione produttiva.
Nel complesso, il pattern è coerente:
- Operator per il lavoro quotidiano in piattaforma.
- Agent Console per workflow agentici custom.
- Creative Studio per la produzione creative-to-campaign.
Questa è la forma del marketing agentico quando inizia a diventare operativo: non un chatbot sopra il prodotto, ma un insieme di superfici di lavoro controllate che comprimono la distanza tra intento, configurazione, contenuto ed esecuzione.
Il fatto che Braze esegua in modo coerente su tutti e tre i livelli determinerà se questo diventerà un differenziatore duraturo. Ma la direzione è quella giusta.
3. Adobe sta sistemando la base operativa
Gli aggiornamenti Adobe di questa settimana sono molto meno entusiasmanti in superficie.
Azioni massive nelle liste campagne. Ordinamento migliore e ridimensionamento delle colonne in Fragments e Templates. Modifica inline degli attributi profilo nel Push. Accesso a repository asset cross-organization. Nuovi connettori sorgente AEP. Disattivazione automatica dei dataflow che falliscono in modo persistente. Esportazione di campi array per attributi di enrichment.
Nulla di tutto questo è materiale da keynote.
È precisamente per questo che conta.
Negli ultimi due anni, molti practitioner enterprise hanno detto una qualche versione della stessa cosa su Adobe Journey Optimizer e Adobe Experience Platform: il tetto funzionale è alto, ma la base operativa è esigente.
La piattaforma può fare molto. La domanda è quanto sia difficile operarla su scala.
Quando un team gestisce centinaia di journey, fragment, template, audience, asset, dataflow e configurazioni di canale, le piccole limitazioni di interfaccia diventano costi operativi reali. La mancanza di operazioni massive non è un fastidio. È un problema di governance e velocità. Un ordinamento scarso non è cosmetico. Incide sul controllo di produzione. L’assenza di accesso cross-organization agli asset non è solo un fastidio amministrativo. Modella il modo in cui contenuti riutilizzabili e pattern di governance possono funzionare davvero.
Ecco perché le aggiunte noiose sono importanti.
I sistemi agentici hanno comunque bisogno di infrastruttura operativa.
Anzi, ne hanno più bisogno.
Se gli agenti AI dovranno ispezionare, riassumere, raccomandare o, prima o poi, operare parti di un ambiente marketing, la piattaforma sottostante ha bisogno di modelli oggetto puliti, liste gestibili, superfici di configurazione stabili, permessi affidabili, asset riutilizzabili e dataflow osservabili.
Altrimenti l’agente accelera soltanto il disordine.
Le aggiunte AEP puntano nella stessa direzione. Delta Sharing, LAVA e le sorgenti Meta Ads non sono annunci dirompenti, ma chiudono gap di integrazione che oggi i team spesso risolvono con pipeline custom. Delta Sharing merita particolare attenzione perché supporta pattern di condivisione dati open-protocol e zero-copy per enterprise che lavorano con ambienti come Databricks o Snowflake.
Questo conta perché la futura interfaccia operativa potrà essere agentica, ma la futura architettura dati resta vincolata da movimento, duplicazione, governance e lineage.
L’AI non rimuove questi vincoli.
Li espone più velocemente.
4. Lo split del CDP è la versione data-layer della stessa storia
Tealium ha avuto due settimane intense.
Il 7 maggio ha annunciato AI at the Edge, un Configuration Agent basato su MCP, AI Decisioning con Invoke Your Own Model, AI Recommended Audiences e nuovi connettori di ecosistema. Il 14 maggio ha annunciato Audience Discovery for Snowflake come Native App, permettendo ai clienti congiunti di costruire, governare e attivare audience direttamente nel loro ambiente Snowflake senza spostare i dati.
Visto singolarmente, ciascuno di questi è un aggiornamento prodotto. Visti insieme, descrivono una posizione strategica, e quella posizione diventa leggibile solo se si capisce lo split che sta rimodellando il mercato CDP in questo momento.
Il modo in cui leggo il mercato CDP è che viene tirato contemporaneamente in due direzioni architetturali.
Una direzione è la platformization. In questo modello, il CDP diventa il fondamento dati di un ecosistema applicativo enterprise più ampio. Salesforce Data 360 e Adobe Real-Time CDP sono gli esempi più evidenti. La value proposition non è solo l’unificazione dei dati cliente. È la connessione tra identità, data governance, activation, analytics, journey orchestration, personalization e il resto della suite enterprise.
L’altra direzione è l’agentification. In questo modello, il CDP o il livello di data activation diventa più composable, warehouse-native, API-first e consumabile dagli agenti. Hightouch è uno degli esempi più chiari di questa traiettoria. Il baricentro non è una suite marketing monolitica. È il livello dati enterprise e la capacità di rendere quei dati azionabili attraverso strumenti, agenti e destinazioni, senza duplicarli o spostarli.
Non sono lo stesso prodotto. Non vengono valutati nello stesso modo. E non creano lo stesso modello operativo.
Tealium sta provando a mantenere una posizione su entrambe le direzioni.
Il suo Configuration Agent basato su MCP è un segnale diretto: Tealium vuole essere consumabile dagli agenti, nel senso che un practitioner dovrebbe poter configurare regole di tag, audience e connettori attraverso un’interfaccia in linguaggio naturale collegata a un client AI. La sua Snowflake Native App punta nella stessa direzione: mantenere i dati dove vivono, renderli attivabili senza estrazione. Entrambe le mosse sono architetturalmente coerenti con la traiettoria dell’agentification.
Allo stesso tempo, Tealium ha sempre insistito su governance, consent management e disciplina di data collection, capacità che contano soprattutto nei settori regolamentati dove identità e logica evento non possono semplicemente essere assorbite in una singola engagement suite. Questa è la posizione composable e governance-first che sta cercando di proteggere mentre si muove verso l’agent-readiness.
Quella posizione ibrida non è facile. Ma potrebbe essere quella giusta per uno specifico segmento del mercato: enterprise che hanno bisogno di infrastruttura dati composable e accesso agentico governato, non di una suite AI monolitica.
Per i practitioner che stanno valutando o rinnovando contratti CDP, la domanda importante non è più solo “quale vendor è più in alto nel quadrante?”
La domanda migliore è:
Questo CDP sta diventando un livello di ecosistema platformized, un livello di data activation agentified, o un livello ibrido di governance tra i due?
La risposta determinerà quali use case AI saranno facili da attivare nel 2027 e quali richiederanno workaround custom.
La prossima domanda
Ho iniziato da MCP perché cambia il frame di tutto il resto nel digest di questa settimana.
MCP non è una feature. È una nuova premessa operativa. E le premesse operative hanno conseguenze di pianificazione.
La prima conseguenza riguarda la strategia CEP. Se la tua piattaforma di customer engagement ora espone i propri oggetti journey, audience e campagna a un agente AI, la domanda non è più solo se la piattaforma abbia una buona UI. La domanda è se il suo modello di permessi sia abbastanza maturo da definire cosa gli agenti possono leggere, cosa possono proporre, e cosa richiede approvazione umana prima dell’esecuzione. Questa è una conversazione di governance che la maggior parte delle implementazioni CEP non ha ancora avuto. Deve avvenire prima che il tooling MCP venga consegnato a un team, non dopo.
La seconda conseguenza riguarda la valutazione del CDP. Lo split platformization versus agentification descritto nella Sezione 4 non è una tassonomia astratta. Determina direttamente quali use case AI un CDP rende facili e quali rende difficili.
Una CDP platformized rende più immediate le capacità agent-native quando i tuoi use case AI vivono dentro l’ecosistema di quel vendor. Un CDP agentified può rendere capacità simili disponibili attraverso un insieme più ampio di strumenti, a condizione che API, permessi e modello di governance siano abbastanza solidi.
La terza conseguenza riguarda la revisione dello stack. La domanda per ogni point solution nel tuo stack attuale non è più solo “fa ancora il suo lavoro?” È anche “questo prodotto espone abbastanza struttura, contesto e controllo da restare utile in un ambiente operato dall’AI?” Se la risposta è no, lo strumento può ancora funzionare, ma la sua argomentazione architetturale si sta indebolendo.
L’architettura vince ancora.
Quello che sta cambiando è che ora l’architettura ha una nuova interfaccia operativa. E la maggior parte delle assunzioni di pianificazione è stata scritta prima che quell’interfaccia esistesse.
Fonti
Riferimenti piattaforme MCP
- Documentazione MCP di Adobe Journey Optimizer
- Documentazione MCP di Adobe Real-Time CDP
- Documentazione Braze MCP Server
- Documentazione Bloomreach Loomi Connect MCP
- Insider One MCP Server for Conversational Analytics
- Documentazione setup Iterable MCP Server
- Documentazione Klaviyo MCP Server
- Salesforce MCE MCP Server - Developer Documentation
- Salesforce MCE MCP Tools Reference
Aggiornamenti prodotto Adobe
- Release notes Adobe Journey Optimizer maggio 2026
- Release notes Adobe Experience Platform maggio 2026
- Pre-release notes Adobe Experience Platform maggio 2026
Braze
SiliconAngle
Tealium
- AI at the Edge, AI Decisioning, Configuration Agent, AI Recommended Audiences, 7 maggio 2026
- Audience Discovery for Snowflake Native App, 14 maggio 2026
Gartner / mercato CDP
- Gartner Magic Quadrant for CDPs 2026 - analisi CX Today (analisi secondaria; report Gartner primario dietro paywall)
- CDP Institute - 18th Industry Update, dati H2 2025
Il digest alla base di ogni articolo settimanale viene prodotto attraverso una scansione strutturata assistita dall’AI di release notes ufficiali e fonti di aggiornamento prodotto. Revisiono l’output, verifico i segnali rilevanti e scrivo l’interpretazione architetturale.
Questo articolo prende spunto dalle scansioni Martech Weekly Digest eseguite il 28 maggio 2026, che coprono release notes e aggiornamenti prodotto di diverse piattaforme e vendor CEP.
Se trovi errori o lacune nella copertura, voglio saperlo. Il processo migliora quando l’output viene messo alla prova.