Trasformazione dei settori

L’IA nel commercio al dettaglio: dai sistemi di raccomandazione agli acquisti tramite agenti

Dall’algoritmo item-to-item di Amazon del 2003 ai checkout gestiti dagli agenti nel 2026: casi verificati su Walmart, Zara, Rufus, ACP e le infrastrutture per i pagamenti tramite agenti, e la sentenza del Ninth Circuit che ha annullato l’in

Gabriele Masetti · 2026-09-07

Il sistema di raccomandazione che ha dettato il modello

Le origini dell’IA nel commercio al dettaglio moderno risalgono a un articolo del 2003: «Amazon.com Recommendations: Item-to-Item Collaborative Filtering», scritto dagli ingegneri di Amazon Greg Linden, Brent Smith e Jeremy York e pubblicato su IEEE Internet Computing. Anziché confrontare gli acquirenti tra loro — l’approccio dominante all’epoca — Amazon costruì una matrice item-to-item capace di proporre suggerimenti del tipo «i clienti che hanno comprato questo hanno comprato anche», indipendentemente dalle dimensioni del catalogo o della clientela. Nel 2017, in occasione del ventesimo anniversario di IEEE Internet Computing, il comitato editoriale scelse quell’articolo come quello che aveva meglio resistito alla prova del tempo.

Il dato che continua a comparire in ogni presentazione sull’IA nel commercio al dettaglio è che circa il 35% di ciò che i clienti comprano su Amazon deriverebbe dai suoi sistemi di raccomandazione e personalizzazione, una cifra riconducibile a un’analisi di McKinsey del 2013. L’affermazione è stata ripubblicata così tante volte che ormai il rapporto originale viene raramente citato con un link diretto: va quindi considerata un benchmark di settore, non un dato sottoposto a verifica contabile — reale, ma da citare con questa riserva, anziché come una verità attestata da Amazon stessa.

Quella base di filtraggio collaborativo è oggi il substrato di tutto ciò che è venuto dopo: gli stessi segnali comportamentali che un tempo alimentavano i riquadri «i clienti hanno comprato anche» ora alimentano i sistemi di prezzi dinamici, gli strumenti di merchandising generativo e gli agenti per gli acquisti sviluppati da OpenAI, Google, Perplexity e dalla stessa Amazon.

Personalizzazione e prezzi alla velocità delle macchine

I sistemi di raccomandazione si sono intrecciati con la determinazione dei prezzi. I rivenditori ricorrono sempre più spesso a modelli di machine learning che adeguano i prezzi quasi in tempo reale in base ai segnali della domanda, ai prezzi dei concorrenti e alle giacenze. Il 2025 Holiday Shopping Report della società di consulenza Simon-Kucher descrive questo cambiamento dal punto di vista dei consumatori: il 54% degli acquirenti ha dichiarato di aver usato l’IA come supporto per gli acquisti delle festività, il 23% specificamente per monitorare le offerte e il 27% per confrontare i prezzi. In altre parole, gli acquirenti usano sempre più spesso i propri strumenti di confronto dei prezzi per valutare quelli dei rivenditori.

Questa pressione dal lato dei consumatori spinge i rivenditori verso decisioni sui prezzi assistite dall’IA, anziché interamente automatizzate: l’algoritmo propone una fascia di prezzo, un responsabile del merchandising la conferma e il ciclo si fa più serrato a ogni stagione di vendita. In pratica, il prezzo che un acquirente vede è sempre meno un numero fisso di catalogo e sempre più una funzione di chi lo chiede, quando e attraverso quale canale: la stessa questione infrastrutturale alla base del checkout tramite agenti, di cui si parlerà più avanti.

Prevedere le esigenze della catena di approvvigionamento prima che arrivi la domanda

I sistemi di raccomandazione prevedono ciò che vuole un acquirente; i sistemi di previsione anticipano ciò di cui avrà bisogno un magazzino prima ancora che quell’acquirente apra un’app. Walmart ha sviluppato internamente una rete neurale ricorrente su più orizzonti temporali che prevede la domanda fino al livello del singolo negozio, articolo e giorno, integrando vendite passate, meteo, tendenze delle ricerche e calendari promozionali, così da adeguare automaticamente il rifornimento quando le vendite effettive in una regione superano quelle previste.

Durante l’incontro con la comunità degli investitori dell’aprile 2023, Walmart dichiarò che entro la fine dell’esercizio 2026 circa il 65% dei suoi negozi sarebbe stato servito da sistemi automatizzati e circa il 55% del volume dei centri di evasione degli ordini sarebbe passato attraverso strutture automatizzate. Quell’esercizio si è chiuso il 31 gennaio 2026 e l’azienda è rimasta sotto entrambe le soglie. Nella presentazione dei risultati del 19 febbraio 2026, il direttore finanziario John David Rainey ha indicato che negli Stati Uniti «circa il 60% dei negozi» Walmart riceve parte delle merci da centri di distribuzione automatizzati e che «circa il 50% del volume dei centri di evasione degli ordini dell’e-commerce» è automatizzato.

Inditex, la società madre di Zara, lavora da anni a un’infrastruttura RFID — etichette introdotte insieme a Tyco, partner per le tecnologie di sicurezza, che tracciano i capi dalla fabbrica al camerino — affiancata dal 2018 da una collaborazione con Jetlore per prevedere il comportamento dei consumatori tramite l’IA. Quello strato di dati alimenta ora una nuova generazione di infrastrutture fisiche: nei risultati del primo semestre 2025, Inditex comunica che il suo centro di distribuzione Zaragoza II è entrato in funzione nel periodo, che nel luglio 2025 l’azienda ha investito in Theker Robotics, startup di automazione logistica basata sull’IA, e che nel 2024–2025 sta sostenendo investimenti in conto capitale per la capacità logistica pari a circa 900 milioni di euro l’anno, all’interno di un più ampio budget di investimenti in conto capitale per il 2025 di 1,8 miliardi di euro.

La versione di Amazon di questa idea è più vecchia e più insolita: un brevetto concesso nel dicembre 2013 per la «spedizione anticipatoria», che descriveva lo spostamento delle scorte verso una regione — o persino l’invio di un pacco con un indirizzo parziale — prima che esistesse un ordine specifico, una volta superata una soglia di probabilità relativa alla domanda regionale. Amazon non ha mai confermato di aver applicato il brevetto esattamente come descritto, ma il principio di fondo, collocare in anticipo le scorte in base alla domanda regionale prevista, è ormai prassi comune in una rete di evasione degli ordini che comprende più di 1.000 strutture e sostiene le promesse di Prime di consegne in due giorni e in giornata.

L’IA generativa entra nelle operazioni quotidiane del commercio al dettaglio

Se raccomandazioni e previsioni sono problemi di predizione, la più recente ondata di IA nel commercio al dettaglio riguarda la generazione. Amazon ha sviluppato uno strumento basato su un modello linguistico di grandi dimensioni che trasforma poche parole di appunti di un venditore su un prodotto in titoli, elenchi puntati e descrizioni completi. eBay ha lanciato uno strumento analogo per creare inserzioni «magiche», che ricava i dettagli di un prodotto da una foto. Sidekick, l’assistente di Shopify ricostruito alla fine del 2025 sulla base dei modelli Claude di Anthropic, ora redige descrizioni dei prodotti, testi promozionali e risposte ai clienti direttamente in Shopify Admin per i commercianti.

Anche il commercio visivo ha acquisito un livello generativo: nel giugno 2025 Google Labs ha lanciato Doppl, un’app sperimentale per iOS e Android che permette a chi fa acquisti di caricare una propria foto a figura intera e l’immagine di un outfit — proveniente da un negozio, da un amico o dai social media — e genera una prova virtuale animata e personalizzata, anziché una sovrapposizione statica. Da allora Google ha integrato la visualizzazione delle prove virtuali in AI Mode di Search e nelle funzionalità di shopping dell’app Gemini.

È nell’assistenza clienti che i vantaggi operativi sono più concreti. Secondo quanto riferisce Amazon a proposito di Rufus, il suo assistente generativo per gli acquisti, più di 250 milioni di clienti lo hanno usato nel 2025; gli utenti attivi mensili sono aumentati del 149% e le interazioni del 210% rispetto all’anno precedente. I clienti che usano Rufus mentre fanno acquisti hanno una probabilità di completare un acquisto in quella sessione superiore di oltre il 60%, mentre chi usa la sua funzione di acquisto automatico risparmia in media il 20% per acquisto. Nel maggio 2026 Amazon ha integrato Rufus in un assistente più ampio chiamato Alexa for Shopping, disponibile per qualsiasi account statunitense che abbia effettuato l’accesso, senza bisogno di un abbonamento Prime o di un dispositivo Echo.

La corsa al commercio agentico — e il primo passo indietro

Il passo successivo alla generazione è la delega: lasciare che un agente di IA esegua un’istruzione relativa agli acquisti, anziché limitarsi a rispondere a una domanda. Nel gennaio 2025 l’agente Operator di OpenAI ne ha dato una dimostrazione leggendo una lista della spesa scritta a mano attraverso una webcam e riempiendo senza assistenza un carrello su Instacart. OpenAI ne ha fatto un prodotto il 29 settembre 2025, lanciando Instant Checkout in ChatGPT: Etsy era disponibile fin dal primo giorno e circa una dozzina di marchi Shopify — tra cui Glossier, Vuori e Spanx — sono stati aggiunti nelle settimane successive. Il 16 febbraio 2026 la funzionalità è stata resa disponibile a tutti gli utenti statunitensi di ChatGPT.

La soluzione non ha preso piede. Nel marzo 2026 il vicepresidente esecutivo di Walmart responsabile dell’accelerazione dell’IA dichiarava ai giornalisti che Instant Checkout era «una fase molto temporanea», e OpenAI ha iniziato a indirizzare gli acquisti effettuati tramite ChatGPT verso le app dei partner — Instacart, Target, Booking.com — invece di completarli all’interno delle schede prodotto nella chat. Gli analisti di Forrester hanno interpretato il passo indietro come la prova che far funzionare il pagamento nella chat per i beni fisici fosse più difficile di quanto lasciasse intendere la dimostrazione del gennaio 2025, anche se OpenAI ha continuato a sviluppare il commercio agentico attraverso altre soluzioni.

I concorrenti hanno seguito strade diverse. «Buy with Pro» di Perplexity, disponibile dal 2024 ed esteso a tutti gli utenti nel novembre 2025, gestisce il pagamento tramite l’autenticazione con passkey di PayPal, non applica commissioni ai commercianti e, secondo quanto riportato, ha fatto aumentare di 5 volte le richieste legate all’intenzione di acquisto sulla piattaforma.

Google ha integrato il pagamento agentico in AI Mode e nell’app Gemini: chi fa acquisti può monitorare un prezzo, poi toccare «compra per me» per lasciare che Google aggiunga l’articolo al carrello di un commerciante e completi il pagamento tramite Google Pay. Il processo è ora disponibile presso commercianti tra cui Wayfair, Chewy e Quince. Shopify, invece di sviluppare un proprio assistente, ha aperto «Agentic Storefronts», così che i commercianti possano gestire da un’unica dashboard la propria presenza su ChatGPT, Perplexity, Microsoft Copilot e AI Mode di Google, senza commissioni aggiuntive sulle transazioni.

L’infrastruttura: chi viene pagato e come

Alla base di ciascuna di queste esperienze c’è la questione dell’autorizzazione dei pagamenti, e il 2025 è stato l’anno in cui i circuiti delle carte e i laboratori di IA hanno fatto a gara per risolverla. OpenAI e Stripe hanno sviluppato insieme l’Agentic Commerce Protocol (ACP), uno standard aperto Apache 2.0 pubblicato il 29 settembre 2025, che definisce come un agente raccoglie la scelta del metodo di pagamento dell’acquirente, trasmette al commerciante un token con ambito strettamente limitato e gli consente di addebitare l’importo tramite qualsiasi operatore di pagamento conforme, mantenendo il ruolo di venditore ufficiale; PayPal è entrato tra i fornitori di servizi di pagamento supportati il 28 ottobre 2025.

Nella primavera del 2025 i circuiti delle carte si sono mossi quasi all’unisono, a un giorno di distanza: il 29 aprile Mastercard ha presentato Agent Pay, con Microsoft, IBM, Salesforce e Checkout.com come partner di lancio. Il sistema si basa su una nuova credenziale «Agentic Tokens» che associa una carta tokenizzata all’identità di uno specifico agente, con limiti per sessione e per commerciante; Visa ha annunciato Intelligent Commerce il giorno seguente, il 30 aprile.

Mastercard afferma di aver completato la prima transazione di pagamento agentico reale — un agente di IA che acquista un prodotto usando una credenziale tokenizzata — il 29 settembre 2025. Visa ha poi presentato il proprio Trusted Agent Protocol il 14 ottobre 2025 e, in seguito, ha riunito il supporto per quel protocollo, ACP e Universal Commerce Protocol di Google (UCP, lanciato nel gennaio 2026) in un’unica integrazione «Intelligent Commerce Connect» per i commercianti.

Attriti: bot alla porta, pubblicità al buio

Non tutti i rivenditori vogliono che un agente faccia acquisti sui loro siti, e il caso più emblematico è finito in tribunale. Nel novembre 2025 Amazon ha citato in giudizio Perplexity ai sensi del Computer Fraud and Abuse Act federale, sostenendo che il suo browser Comet mascherasse le sessioni di acquisto automatizzate da normale traffico Chrome. Amazon afferma di aver avvertito Perplexity almeno cinque volte a partire dal novembre 2024 e di aver poi introdotto un blocco tecnico nell’agosto 2025, che Perplexity avrebbe aggirato nel giro di 24 ore.

Il 9 marzo 2026, la giudice distrettuale statunitense Maxine M. Chesney ha concesso ad Amazon un’ingiunzione preliminare che vietava a Comet di completare acquisti su Amazon, ritenendo che vi fossero prove solide del fatto che l’agente di Perplexity avesse avuto accesso ai sistemi di Amazon senza autorizzazione. La vittoria di Amazon è durata meno di cinque mesi.

La Corte d’appello del Nono Circuito ha sospeso l’ingiunzione in attesa dell’appello e l’ha poi annullata il 4 agosto 2026. Scrivendo a nome del collegio, il giudice d’appello Milan D. Smith Jr. ha stabilito che, sulla base degli atti sottoposti alla corte, ai fini del Computer Fraud and Abuse Act è l’utente, non Perplexity, ad accedere ai computer di Amazon: è il browser dell’utente a comunicare con i server di Amazon, mentre Comet lavora su schermate di ciò che il browser mostra e restituisce istruzioni di navigazione.

È la prima pronuncia di una corte d’appello sull’applicazione delle norme sull’accesso ai computer all’IA agentica, e il collegio ne ha limitato la portata agli atti esaminati. Per i rivenditori, l’effetto pratico è che il Computer Fraud and Abuse Act offre uno strumento meno efficace contro un agente guidato dall’utente di quanto lasciasse intendere la vittoria ottenuta da Amazon a marzo. La contesa torna così a concentrarsi sulle condizioni d’uso, sul rilevamento dei bot e sulla negoziazione commerciale.

L’argomento opposto di Perplexity — secondo cui la vera preoccupazione di Amazon non è la sicurezza, ma la perdita della pubblicità che mostra agli acquirenti umani — indica una minaccia strutturale più profonda: gli agenti che acquistano senza navigare sui siti saltano le visualizzazioni degli annunci su cui si basano le reti pubblicitarie dei rivenditori.

Questa minaccia viene ora quantificata. La spesa nel retail media è sulla buona strada per avvicinarsi ai 200 miliardi di dollari a livello globale nel 2026, ma ricerche citate dalla stampa di settore avvertono che i percorsi d’acquisto mediati dall’IA sono all’incirca un terzo più brevi di quelli di chi naviga personalmente, riducendo gli spazi pubblicitari sui siti che i rivenditori oggi monetizzano. Analisti del settore hanno definito questo cambiamento un rischio «esistenziale» per il modello di business del retail media costruito nell’ultimo decennio. Quando la scoperta e il confronto dei prodotti avvengono all’interno di ChatGPT, Gemini o Perplexity anziché sulle pagine dei rivenditori, diventa anche più difficile attribuire una vendita all’annuncio o al posizionamento che l’ha generata.

Dove puntano ora i numeri

La prova più chiara che gli acquisti tramite agenti non sono solo una narrazione è arrivata dai dati di Adobe Analytics sulle festività del 2025: a novembre e dicembre, il traffico verso i siti dei rivenditori statunitensi proveniente da fonti di IA generativa è cresciuto del 693% su base annua; i visitatori arrivati tramite l’IA hanno effettuato acquisti con una frequenza superiore del 31% rispetto agli altri, un divario quasi doppio rispetto all’anno precedente; e i ricavi per visita generati dall’IA sono aumentati del 254% nel periodo delle festività. Il divario nei tassi di conversione si è accentuato nei due giorni di maggiore attività commerciale: nel giorno del Ringraziamento, le conversioni del traffico proveniente dall’IA sono state superiori del 54% rispetto a quelle del traffico non proveniente dall’IA; nel Black Friday, del 38%.

Il grado di preparazione a questo traffico varia enormemente. Le nuove AI Commerce Rankings di Digital Commerce 360 e ReFiBuy, pubblicate il 15 luglio 2026 prendendo come riferimento il benchmark Top 1000 dei rivenditori del 2026, hanno valutato i cataloghi in base all’accessibilità per i bot, al traffico proveniente dall’IA e alla diversità delle fonti. Solo 20 rivenditori hanno ottenuto più di 60 punti su 100, e spesso i commercianti più piccoli, con cataloghi strutturati, si sono piazzati davanti ai leader per vendite.

È su questa distanza che si sta tracciando la prossima linea della competizione. Poiché i tribunali non considerano un agente guidato dall’utente alla stregua di un intruso, il valore si concentra meno sul controllo del pulsante di acquisto — un terreno conteso e dai margini ridotti, come suggerisce il passo indietro di OpenAI — e più sul controllo della scoperta dei prodotti, cioè sulla possibilità stessa di essere individuati da un agente, nonché sulle credenziali dei programmi fedeltà e di pagamento, come il collegamento all’account Amazon o Google Pay, per il cui utilizzo gli agenti hanno bisogno del permesso dell’utente. Il checkout agentico di Google continua ad ampliarsi, rivenditore dopo rivenditore, nel corso del 2026, con «molti altri in arrivo a breve», secondo l’annuncio della stessa Google.