Contenuto realizzato con l'assistenza dell'intelligenza artificiale, rivisto e approvato da Dario Santocanale prima della pubblicazione.

Case Study: Come Ho Automatizzato il Lavoro Editoriale con l'AI

Di Dario Santocanale — AI Developer & Digital Strategist · 15 luglio 2026 · ~10 min di lettura Ho usato agenti AI (Claude Code) per automatizzare parte del lavoro editoriale di questo stesso blog: analisi dei dati SEO da Search Console e Analytics, scrittura degli articoli, creazione delle cover. Ogni passaggio resta supervisionato: nessun articolo va online senza la mia lettura e conferma. Il tempo si è ridotto, non azzerato — e alcuni errori li ho comunque dovuti correggere a mano.

Questo non è un case study di terze parti con numeri che non posso verificare. È il processo che ho costruito per produrre — letteralmente — gli articoli che stai leggendo su questo blog, incluso questo. L'ho scelto apposta: è l'unico caso di cui posso raccontarti onestamente cosa ha funzionato, cosa no, e quanto tempo ho davvero risparmiato, perché l'ho vissuto io.

Se gestisci una PMI, un blog aziendale o semplicemente un flusso di lavoro ripetitivo, l'obiettivo di questo articolo è darti un modello replicabile: non "installa questo tool magico", ma un modo di ragionare su cosa automatizzare, cosa no, e come strutturare la supervisione.

---

Qual era il problema?

Gestire il blog di saintchannel.com significa, ogni settimana, fare più o meno lo stesso ciclo di attività: guardare i dati di Search Console e Google Analytics per capire cosa sta funzionando e cosa no, decidere quali articoli scrivere o revisionare in base a quei dati, scrivere il testo con struttura SEO coerente (title, meta description, FAQ, link interni), e infine creare una cover per ogni articolo.

Preso singolarmente ogni passaggio non è complicato. Ma ripetuto ogni settimana, su più articoli, con la coerenza necessaria (stesso frontmatter, stesso tono, stessa struttura, nessun articolo che cannibalizza un altro già pubblicato) diventa un lavoro che assorbe ore che, come consulente e sviluppatore, avrei preferito spendere su progetti clienti. Il problema non era "non so scrivere un articolo" — è "farlo con costanza, ogni settimana, senza perdere qualità né rigore SEO, mentre faccio anche altro".

È lo stesso problema che raccontiamo, da una prospettiva diversa, nella guida AI per PMI italiane: tante piccole attività non hanno un problema di "mancanza di idee", ma di tempo per eseguirle con costanza.

---

Cosa ho provato

La prima tentazione, quella sbagliata, è stata chiedere a un singolo assistente AI generico di "scrivere un articolo SEO su [argomento]" in un solo prompt. Il risultato: testo plausibile ma generico, senza dati reali sul mio traffico, senza coerenza con gli articoli già pubblicati, con FAQ inventate invece che basate su query reali degli utenti. Pubblicabile solo dopo una riscrittura quasi completa — più lento che scriverlo da solo.

Il secondo tentativo, quello che ha funzionato, è stato smettere di chiedere "un output" e iniziare a costruire un processo con più passaggi, ognuno affidato a un agente specializzato con un compito preciso, dentro Claude Code:

  1. Analisi dati — un agente legge i dati reali di Google Search Console e Google Analytics (query, posizione, click, impression, pagine più viste) e produce un report con priorità: quali articoli revisionare, quali argomenti nuovi coprono una domanda reale non ancora presente sul blog.
  2. Scrittura — un agente dedicato alla scrittura del blog riceve il brief (keyword, intent, articoli correlati da linkare, convenzioni di frontmatter) e scrive il testo in bozza, rispettando tono, struttura e SEO/GEO.
  3. Cover — un agente dedicato genera l'immagine di copertina, combinando un'immagine AI e un livello di testo separato, nel formato e stile coerenti col resto del blog.

Ognuno di questi passaggi produce un output che io leggo prima di passare al successivo. Nessun agente pubblica nulla da solo.

---

Cosa ho automatizzato?

Concretamente, quello che oggi è diventato più veloce e ripetibile:

  • La raccolta e lettura dei dati SEO. Invece di aprire manualmente Search Console e Analytics, incrociare query e pagine a mano su un foglio, un agente dedicato legge i dati via API e restituisce un report già organizzato per priorità (cosa revisionare, cosa scrivere, dove ci sono query senza una pagina che risponda).
  • La prima bozza degli articoli. Title, meta description, struttura H2/H3, FAQ, frontmatter, link interni verso articoli correlati — tutto secondo convenzioni scritte una volta e riusate a ogni articolo, così l'output arriva già nel formato giusto invece di dover essere riformattato.
  • La generazione delle cover. La parte visiva, che per me — non essendo un designer — era spesso il collo di bottiglia finale prima di pubblicare, ora segue un processo standard (immagine + testo sovrapposto) invece di essere ogni volta un lavoro artigianale da zero.
  • La coerenza tra articoli. Avere un processo scritto (convenzioni frontmatter, elenco di articoli già pubblicati da non duplicare, checklist pre-pubblicazione) riduce gli errori di cannibalizzazione tra articoli simili, cosa che a mano — con decine di articoli — è facile perdere di vista.

Il collegamento con la produzione di software è più diretto di quanto sembri: lo stesso principio che uso qui — descrivere il compito, lasciare che l'AI generi una prima versione, iterare — è quello che racconto nella guida al vibe coding in italiano: non scrivo ogni riga a mano, guido il risultato.

---

Cosa NON ho automatizzato (e perché)

Questa è la parte più importante, ed è quella che di solito manca nei case study troppo entusiasti.

La pubblicazione. Ogni articolo nasce con status: draft e visible: false. Nessun testo diventa pubblico senza che io lo legga per intero, corregga quello che non mi convince, e cambi manualmente lo stato in published. Non è un dettaglio tecnico: è la decisione più importante del processo. Un agente può scrivere un paragrafo plausibile ma con un dato sbagliato, un claim non verificato o un tono che non è il mio — e non ha modo di accorgersene da solo. Io sì, se lo leggo. Le decisioni editoriali. Quali argomenti trattare, in che ordine, con quale priorità reale per il mio posizionamento: questo lo decido io, guardando i dati che l'agente di analisi mi porta, non delegando la decisione. L'agente propone una lista prioritizzata basata sui numeri; io scelgo cosa effettivamente scrivere questa settimana. I claim su me stesso e sul mio lavoro. Qualsiasi affermazione sui miei risultati, il mio approccio, la mia esperienza diretta — come in questo stesso articolo — non la lascio scrivere all'AI senza controllo, perché è l'unica parte del contenuto dove un'invenzione plausibile ma falsa danneggerebbe la mia credibilità in modo diretto. Per lo stesso motivo, se un domani volessi rendere questo blog più facilmente citabile dalle AI (ChatGPT, Perplexity, Gemini), la base resta comunque l'affidabilità reale del contenuto — ne parlo nella guida su come farsi trovare dalle AI (GEO): le AI citano più volentieri fonti che dimostrano di dire cose verificabili, non quelle che sparano numeri a caso. La differenza tra "chatbot" e "agente" qui è concreta. Il processo che uso non è un singolo chatbot che risponde a una domanda: sono più agenti che eseguono step diversi (leggere dati, scrivere, generare immagini) in sequenza, ognuno con un compito e degli strumenti propri. È esattamente la distinzione che spieghiamo nell'articolo agenti AI vs chatbot: un chatbot risponde in una conversazione, un agente esegue un compito multi-step, spesso toccando più sistemi (in questo caso: API di Google, file del sito, generazione immagini).

---

Cosa ho imparato

Il tempo risparmiato è reale, ma dell'ordine di "meno della metà del tempo", non "quasi zero". Le fasi di ricerca dati e prima stesura si accelerano molto: quello che prima richiedeva aprire più strumenti e incrociare numeri a mano ora arriva già organizzato. Ma leggere, correggere, decidere cosa pubblicare resta un lavoro mio, e non è un lavoro che si comprime granché: se un articolo merita attenzione, la revisione richiede comunque tempo per essere fatta bene. Gli agenti sbagliano, in modo silenzioso. Non è raro che una bozza contenga una struttura formalmente corretta ma un dettaglio impreciso — un link a un articolo sbagliato, un numero non verificato, una FAQ che risponde a una domanda che nessuno cerca davvero. Il rischio non è che l'AI si rifiuti di fare qualcosa: è che produca qualcosa di plausibile che sembra giusto a un primo sguardo. La revisione umana non è un passaggio burocratico: è il controllo che intercetta questi errori prima che diventino pubblici. I costi non sono a zero, e vanno monitorati. Usare più agenti in sequenza, su più articoli a settimana, ha un costo (abbonamento e/o consumo API) che cresce con l'uso reale, non solo con i test. Va messo in conto come parte del processo, non ignorato finché non arriva la fattura. Costruire il processo richiede tempo iniziale che si ripaga solo con la ripetizione. Le convenzioni scritte una volta — frontmatter standard, checklist pre-pubblicazione, elenco di articoli da non duplicare — non fanno risparmiare tempo al primo utilizzo: fanno risparmiare tempo dal terzo, quinto, decimo articolo in poi, perché evitano di reinventare il processo ogni volta. Se il tuo task si ripete raramente, probabilmente non vale la pena costruire un flusso così strutturato: conviene per lavori realmente ricorrenti. La supervisione non sparisce: si sposta. Prima il mio tempo andava soprattutto nella produzione (scrivere, cercare dati, impaginare). Ora va soprattutto nel controllo (leggere, verificare, decidere cosa pubblicare). È un lavoro diverso, non necessariamente più corto — ma è un lavoro che mi lascia più margine per fare anche altro nel frattempo, perché la prima bozza non parte più da un foglio bianco.

---

Come applicare lo stesso approccio alla tua attività

Se gestisci una piccola impresa o uno studio e vuoi provare un approccio simile su un tuo task ripetitivo, il percorso realistico è:

  1. Scegli un task che fai spesso e che è a basso rischio se il primo tentativo non è perfetto — non partire dal task più delicato della tua attività.
  2. Scomponi il task in passaggi, come ho fatto io (raccolta dati → prima stesura → rifinitura), invece di aspettarti che un solo prompt faccia tutto bene al primo colpo.
  3. Scrivi le convenzioni una volta (template, tono, checklist) così ogni ripetizione parte da uno standard, non da zero.
  4. Decidi fin da subito cosa NON automatizzare: in genere tutto ciò che va verso un cliente, un pubblico o una decisione economica resta supervisionato.
  5. Misura, non intuisci: tempo reale prima/dopo, numero di correzioni necessarie, qualità del risultato finale. Se il tempo di revisione supera quello risparmiato, rivedi il processo.

---

Domande frequenti

Da dove parto se voglio automatizzare un task della mia attività con l'AI?

Scegli un task ripetitivo, a basso rischio se sbagliato, e che fai spesso (settimanale o più): è il rapporto tempo-risparmiato/rischio migliore per iniziare. Mappa i passaggi che fai oggi a mano, prova a farne fare uno a un assistente AI generico prima di pensare ad agenti complessi, e misura quanto tempo ci mette rispetto a te. Solo dopo aver visto un primo risultato concreto ha senso investire in un flusso più strutturato con più step collegati.

Serve saper programmare per costruire un flusso di automazione con agenti AI?

Per un flusso semplice (un prompt, un template, un'istruzione ripetuta) no: bastano strumenti da chat o assistenti come Claude o ChatGPT usati manualmente. Per orchestrare più step in sequenza — come nel caso raccontato in questo articolo, dove un agente analizza dati, un altro scrive e un altro crea le immagini — aiuta avere dimestichezza con strumenti come Claude Code, che è comunque accessibile a chi fa vibe coding senza essere uno sviluppatore esperto.

Quanto tempo si risparmia davvero automatizzando un task con l'AI?

Dipende dal task, ma per lavori editoriali/di analisi ripetitivi l'ordine di grandezza realistico è dimezzare o ridurre a un terzo il tempo speso, non azzerarlo: la parte di ricerca, prima stesura e raccolta dati si accelera molto, ma revisione, decisioni e correzioni restano umane. Diffida di chi promette di eliminare completamente il tempo di un lavoro che richiede giudizio: nella pratica la supervisione resta, cambia solo dove la metti.

Cosa NON conviene mai lasciare fare in automatico a un agente AI?

Tutto ciò che va online, viene pubblicato o comunicato a un cliente senza controllo umano: un articolo, una risposta a un cliente, un'email, un post social. Un agente può generare contenuti plausibili ma sbagliati (dati non verificati, affermazioni non supportate, tono fuori luogo) e non ha modo di accorgersene da solo. La regola pratica: l'agente prepara, una persona approva prima che qualcosa esca.

Un'automazione con l'AI ha costi nascosti che non si vedono subito?

Sì, principalmente due: il costo API/abbonamento che cresce con l'uso reale (non solo con i test iniziali), e il tempo di supervisione che non scompare ma si sposta — da "fare il lavoro" a "controllare il lavoro fatto dall'AI". Su task complessi va messo in conto anche il tempo iniziale per costruire il processo (istruzioni, template, checklist) prima che l'automazione diventi davvero più veloce del fare a mano.

Come si misura se un'automazione AI sta funzionando davvero e non solo sembra funzionare?

Confrontando il prima e il dopo su indicatori concreti, non sulla sensazione di "sembra più veloce": tempo reale speso sul task (misurato, non stimato), numero di errori o correzioni necessarie dopo l'output dell'AI, e se il risultato finale (articolo pubblicato, task completato) è di qualità pari o superiore a quando lo facevi solo tu. Se il tempo di revisione supera quello risparmiato in produzione, l'automazione non sta funzionando, va rivista.

---

In sintesi

Automatizzare un task reale con l'AI non significa eliminare il lavoro umano: significa spostarlo dalla produzione al controllo, e farlo con un processo a più passaggi invece che con un singolo prompt magico. Nel caso di questo blog, gli agenti AI mi fanno risparmiare tempo su raccolta dati, prima stesura e cover — ma la decisione finale su cosa pubblicare resta sempre mia, articolo per articolo. È un compromesso onesto, non un miracolo: se stai valutando lo stesso approccio per la tua attività, parti da un task piccolo, misura i risultati reali, e decidi cosa non automatizzare mai prima di iniziare.

Vuoi capire se un flusso simile ha senso per la tua attività? Parliamone: valutiamo insieme quale task ripetitivo del tuo lavoro può beneficiare di un processo con agenti AI supervisionati, partendo da un caso concreto invece che da una promessa generica. Per il quadro d'insieme su costi, errori ed esempi settoriali, resta valida la nostra guida AI per PMI italiane.