Trasformazione dei settori

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

Dall’algoritmo item-to-item di Amazon del 2003 ai checkout tramite agenti del 2026: casi verificati riguardanti Walmart, Zara, Rufus, ACP e le infrastrutture per i pagamenti tramite agenti, oltre alla sentenza del Ninth Circuit che ha annul

AI.info Team · 2026-09-07

Il motore di raccomandazione che ha tracciato la strada

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 con altri acquirenti — l’approccio dominante all’epoca — Amazon costruì una matrice item-to-item capace di proporre suggerimenti del tipo «i clienti che hanno acquistato questo hanno acquistato anche», indipendentemente dalle dimensioni del catalogo o della clientela. Nel 2017, per il ventesimo anniversario di IEEE Internet Computing, il comitato editoriale della rivista scelse quell’articolo come quello che meglio aveva resistito alla prova del tempo.

Il dato che continua a comparire in ogni presentazione sull’IA nel commercio al dettaglio di quell’epoca è questo: circa il 35% degli acquisti dei clienti Amazon deriva dai suoi sistemi di raccomandazione e personalizzazione. La cifra risale a un’analisi di McKinsey del 2013. 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 certificato — una cifra reale, ma da citare con questa precisazione, anziché come una verità attestata da Amazon stessa.

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

Personalizzazione e prezzi alla velocità delle macchine

Le raccomandazioni si sono fuse con la definizione dei prezzi. I rivenditori usano sempre più spesso modelli di machine learning che adeguano i prezzi quasi in tempo reale in base ai segnali della domanda, ai prezzi dei concorrenti e alle scorte disponibili. 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 seguire le offerte e il 27% per confrontare i prezzi. In altre parole, sempre più acquirenti ricorrono a propri strumenti di confronto dei prezzi per verificare 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 accorcia a ogni stagione di vendite. L’effetto pratico è che il prezzo visto da un acquirente 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 parla più avanti.

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

I sistemi di raccomandazione prevedono che cosa vuole un acquirente; quelli di previsione anticipano ciò di cui ha bisogno un magazzino prima ancora che l’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 SKU e giorno. Il modello integra vendite passate, condizioni meteorologiche, tendenze delle ricerche e calendari promozionali, così che il rifornimento possa adeguarsi automaticamente quando le vendite effettive in una regione superano quelle previste.

Durante l’incontro con la comunità degli investitori dell’aprile 2023, Walmart aveva dichiarato che entro la fine dell’esercizio 2026 circa il 65% dei suoi negozi sarebbe stato servito dall’automazione e circa il 55% del volume dei centri di evasione degli ordini sarebbe passato attraverso strutture automatizzate. L’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 riceveva parte delle merci da centri di distribuzione automatizzati e che «circa il 50% del volume dei centri di evasione degli ordini e-commerce» era automatizzato.

Inditex, la società madre di Zara, ha dedicato anni a costruire un’infrastruttura RFID — etichette introdotte con Tyco, partner per le tecnologie di sicurezza, che tracciano i capi dalla fabbrica al camerino — affiancata dal 2018 da una partnership con Jetlore per prevedere i comportamenti dei consumatori mediante l’IA. Questi dati alimentano ora una nuova generazione di infrastrutture fisiche: i risultati semestrali 2025 di Inditex indicano che il centro di distribuzione Zaragoza II è diventato operativo nel periodo, che la società ha investito nella startup di automazione logistica basata sull’IA Theker Robotics nel luglio 2025 e che nel 2024–2025 ha sostenuto investimenti di circa 900 milioni di euro l’anno per aumentare la capacità logistica, all’interno di un più ampio budget di investimenti per il 2025 pari a 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 l’«anticipatory shipping», che descriveva lo spostamento delle scorte verso una regione — o persino la spedizione di un pacco con l’indirizzo compilato solo in parte — 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, posizionare in anticipo le scorte in base alla domanda regionale prevista, è ormai una pratica standard in una rete di evasione degli ordini che comprende più di 1.000 strutture e sostiene le promesse di consegna Prime in due giorni e in giornata.

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

Se le raccomandazioni e le previsioni sono problemi di previsione, la più recente ondata di IA nel commercio al dettaglio riguarda la generazione di contenuti. Amazon ha creato 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 un analogo strumento di «creazione magica delle inserzioni» che ricava i dettagli del prodotto da una foto. Sidekick, l’assistente di Shopify ricostruito alla fine del 2025 sui modelli Claude di Anthropic, ora prepara descrizioni dei prodotti, testi promozionali e risposte ai clienti per i commercianti direttamente in Shopify Admin.

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 foto a figura intera e l’immagine di un completo — 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 resa delle prove virtuali in AI Mode nella Ricerca e nelle funzioni di acquisto dell’app Gemini.

Il servizio clienti è l’ambito in cui i risultati operativi sono più concreti. Secondo i dati forniti dalla stessa Amazon su Rufus, il suo assistente generativo per gli acquisti, nel 2025 lo hanno usato più di 250 milioni di clienti, con un aumento del 149% degli utenti attivi mensili e del 210% delle interazioni 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%, e 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 con accesso effettuato, 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 d’acquisto invece di limitarsi a rispondere a una domanda. Nel gennaio 2025 l’agente Operator di OpenAI ne ha dato una dimostrazione, leggendo tramite una webcam una lista della spesa scritta a mano e preparando 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; la funzione è arrivata a tutti gli utenti statunitensi di ChatGPT il 16 febbraio 2026.

Ma non ha preso piede. Nel marzo 2026 il vicepresidente esecutivo per l’accelerazione dell’IA di Walmart diceva ai giornalisti che Instant Checkout era «un momento molto temporaneo», e OpenAI ha cominciato a indirizzare gli acquisti effettuati tramite ChatGPT verso le app dei partner — Instacart, Target, Booking.com — anziché completarli all’interno delle schede prodotto nella chat. Gli analisti di Forrester hanno interpretato il passo indietro come un segno del fatto che far funzionare il pagamento nella chat per i prodotti fisici fosse più difficile di quanto suggerisse la dimostrazione del gennaio 2025, anche se OpenAI continuava a sviluppare il commercio agentico attraverso altre strade.

I concorrenti hanno scelto percorsi diversi. L’esperienza di acquisto di Perplexity, lanciata gratuitamente per tutti gli utenti statunitensi nel novembre 2025, indirizza il pagamento attraverso PayPal, non applica commissioni ai commercianti e, secondo quanto riportato, ha fatto aumentare di 5 volte le ricerche 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 e poi toccare «compra per me» per lasciare che Google aggiunga l’articolo al carrello di un commerciante e completi il pagamento tramite Google Pay, una procedura già disponibile presso commercianti tra cui Wayfair, Chewy e Quince. Shopify, anziché creare un proprio assistente, ha aperto «Agentic Storefronts» affinché i commercianti possano gestire da un’unica dashboard la propria presenza su ChatGPT, Perplexity, Microsoft Copilot e AI Mode di Google, con possibili commissioni aggiuntive sulle transazioni per alcuni canali.

L’infrastruttura: chi viene pagato e come

Alla base di ciascuna di queste esperienze c’è una questione di autorizzazione dei pagamenti, e nel 2025 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 con licenza Apache 2.0 pubblicato il 29 settembre 2025, che definisce come un agente raccolga la scelta di pagamento di un acquirente, fornisca al commerciante un token con un ambito d’uso strettamente delimitato e gli consenta di addebitare il pagamento tramite qualsiasi elaboratore conforme, restando il soggetto responsabile della vendita; PayPal ha aderito come fornitore di pagamenti supportato 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, basato su una nuova credenziale «Agentic Tokens» che associa una carta tokenizzata all’identità di uno specifico agente, con limiti per sessione e per commerciante; il giorno seguente, 30 aprile, Visa ha annunciato Intelligent Commerce.

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, successivamente, ha riunito il supporto per quel protocollo, per ACP e per l’Universal Commerce Protocol di Google (UCP, lanciato nel gennaio 2026) in un’unica integrazione «Intelligent Commerce Connect» per i commercianti.

Gli attriti: bot alla porta, pubblicità nell’ombra

Non tutti i rivenditori vogliono che un agente faccia acquisti sul proprio sito, e il caso più chiaro 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 camuffasse 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, nell’agosto 2025, un blocco tecnico che Perplexity ha aggirato entro 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 dell’accesso non autorizzato dell’agente di Perplexity ai sistemi di Amazon. La vittoria di Amazon è durata meno di cinque mesi.

Il Ninth Circuit 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 opera a partire da 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 sistemi informatici all’IA agentica, e il collegio l’ha circoscritta 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. Lo scontro torna così a concentrarsi su condizioni di servizio, rilevamento dei bot e trattative commerciali.

La tesi contrapposta di Perplexity — secondo cui la vera preoccupazione di Amazon è perdere la pubblicità che mostra agli acquirenti umani, non la sicurezza — indica una minaccia strutturale più profonda: gli agenti che acquistano senza navigare sul sito saltano le visualizzazioni degli annunci da cui dipendono le reti pubblicitarie dei rivenditori.

Questa minaccia comincia ora a essere quantificata. La spesa pubblicitaria sui media dei rivenditori è in linea per avvicinarsi ai 200 miliardi di dollari a livello globale nel 2026, ma Microsoft Advertising riferisce che con Copilot i percorsi dei clienti sono più brevi del 33% rispetto alla ricerca tradizionale. Se questa compressione si estendesse al commercio al dettaglio, ridurrebbe gli spazi pubblicitari sui siti che i rivenditori oggi monetizzano, e analisti del settore hanno definito questo cambiamento un rischio «esistenziale» per il modello di business dei media dei rivenditori 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 più difficile anche attribuire una vendita a un determinato annuncio o posizionamento.

Cosa indicano i numeri per il futuro

La prova più chiara che gli acquisti tramite agenti non sono soltanto una narrazione è arrivata dai dati di Adobe Analytics per le festività del 2025: a novembre e dicembre il traffico verso i siti retail statunitensi proveniente da fonti di IA generativa è aumentato del 693% su base annua; i visitatori arrivati tramite l’IA hanno effettuato acquisti con una frequenza superiore del 31% rispetto agli altri, con un divario quasi doppio rispetto all’anno precedente; e i ricavi per visita generati dal traffico proveniente dall’IA sono cresciuti del 254% nel periodo festivo. Il divario nei tassi di conversione è aumentato nei due giorni di acquisti più importanti: nel Giorno del Ringraziamento il tasso di conversione del traffico proveniente dall’IA è stato superiore del 54% rispetto a quello del traffico non proveniente dall’IA; nel Black Friday, del 38%.

La capacità di accogliere questo traffico varia enormemente. Le nuove AI Commerce Rankings di Digital Commerce 360 e ReFiBuy, pubblicate il 15 luglio 2026 usando come benchmark il 2026 Top 1000 dei rivenditori, 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 un punteggio superiore a 60 su 100, e i commercianti più piccoli con cataloghi strutturati si sono spesso classificati davanti ai leader per vendite.

Questo divario segna il nuovo terreno della concorrenza. Poiché i tribunali non considerano un agente guidato dall’utente un intruso, il valore si concentra meno sul controllo del pulsante per completare l’acquisto — che, come suggerisce il passo indietro di OpenAI, è un terreno conteso e dai margini ridotti — e più sul controllo della scoperta dei prodotti: essere, innanzitutto, riconoscibili da un agente. Conta anche il controllo delle credenziali dei programmi fedeltà e di pagamento, come il collegamento all’account Amazon o Google Pay, di cui gli agenti hanno bisogno per essere autorizzati a effettuare acquisti. Il checkout agentico di Google continua a estendersi, rivenditore dopo rivenditore, nel corso del 2026, con «molti altri in arrivo presto», come recita il suo annuncio.