La nuova frontiera del commercio digitale non è più soltanto un assistente capace di consigliare un prodotto, ma un software autorizzato ad agire. La corsa tra Google, Shopify e Amazon punta a costruire interfacce in cui un AI agent possa cercare, raccomandare e portare a termine una transazione senza che l’utente prema un pulsante di acquisto. Shopify, in particolare, ha già spinto in questa direzione con integrazioni che superano la semplice scoperta del prodotto e arrivano al checkout diretto guidato dall’agente.
Il dato chiave, però, riguarda meno la vetrina e più il retrobottega. Secondo Gartner, il 60% dei brand userà forme di AI agentica entro il 2028; al tempo stesso, secondo Deloitte, solo l’11% delle organizzazioni ha già implementato agenti con successo. La distanza tra intenzione e capacità operativa è il punto critico: molte aziende stanno preparando cataloghi leggibili dalle macchine, ma non hanno ancora costruito un’impresa realmente governabile dalle macchine.
Il passaggio è sostanziale. Un agente non è un chatbot più brillante, né soltanto uno strato conversazionale per migliorare la ricerca dei prodotti. È un software dotato di permessi per compiere azioni. Delegare attività a basso rischio e ad alto volume, come l’arricchimento dei dati di prodotto o la preparazione di dati interni, è già più realistico. Delegare decisioni commerciali ad alto impatto, come strategie finali di prezzo, approvazioni contrattuali o scelte che implicano la spesa del denaro del cliente, cambia invece completamente il profilo di rischio.
Qui emerge il problema strutturale del retail. Un catalogo machine-readable non equivale a un’azienda machine-operatable. Le lacune più pesanti si trovano nei livelli intermedi e meno visibili: accuratezza dell’inventario in tempo reale su mercati diversi, coerenza dei prezzi tra canali, logistica di magazzino, sistemi ERP, fogli di calcolo e conoscenza informale dei dipendenti. Quando un agente chiede se un articolo è davvero disponibile, non può basarsi su risposte contraddittorie. Ha bisogno di una verità operativa unica.
Per questo il prerequisito diventa un digital twin dinamico delle operazioni quotidiane: un livello dati vivo, aggiornato e condiviso, capace di riflettere lo stato reale del business. Senza questa base, l’agente non riduce la complessità, ma la replica e la accelera. In altre parole, non si può costruire un sistema complesso funzionante se prima non funziona il sistema semplice: dati affidabili, processi chiari e responsabilità definite.
Il collo di bottiglia è la decision architecture. Prima di automatizzare, un’azienda deve sapere chi possiede una decisione, quali dati sono considerati affidabili e quali soglie richiedono l’escalation a un essere umano. Molte organizzazioni retail continuano invece a dipendere da approvazioni distribuite tra Slack, email e conoscenze personali, spesso senza una traccia digitale leggibile da una macchina. Se un team passa quattro giorni a pulire dati e uno solo a decidere, l’automazione rischia di moltiplicare la confusione.
Il mito da superare è che l’AI renda automaticamente più snella un’organizzazione. In presenza di dati deboli o frammentati, un agente può scalare gli errori più rapidamente di un team umano. Gartner prevede infatti che il 40% dei progetti di AI agentica sarà cancellato entro il 2027 per mancanza di valore di business chiaro o di controlli di rischio essenziali. Se due sistemi di inventario non concordano, una persona potrebbe intercettare l’anomalia; un agente con giudizio limitato potrebbe invece promettere una consegna impossibile o piazzare l’ordine sbagliato.
Restano poi aree che non dovrebbero essere automatizzate integralmente: temi sensibili di brand, strategie di prezzo ad alto margine e compensazioni complesse verso i clienti richiedono pensiero critico e responsabilità umana. La fiducia, nel commercio agentico, non riguarda più solo la percezione del marchio, ma il rapporto tecnico e operativo tra cliente, agente e merchant. La disputa legale del 2026 tra Amazon e Perplexity sugli shopping agent che navigano per conto degli utenti mostra quanto il tema sia già concreto: il retail non deve solo adottare agenti AI, deve ridisegnare il modo in cui decide.