Siamo a metà 2025 ed è il momento in cui di solito faccio un bilancio. Quest’anno la domanda che mi porto dietro è una sola: quanto dell’AI agentica di cui abbiamo parlato per mesi è davvero uscito dalla demo ed è entrato in un progetto vero? Provo a rispondere senza retorica, partendo da quello che ho toccato con mano nei primi sei mesi, tra il mio lavoro sui progetti Adobe e le prove che faccio da mesi con gli agenti.
La sintesi, se volete l’anticipazione: qualcosa è passato in produzione sul serio, qualcosa resta una promessa ben confezionata, e la cosa più importante che ho imparato in sei mesi è che questi strumenti non alzano tutti allo stesso modo. Moltiplicano chi ha idee chiare, processi e metodo. A chi non li ha, restituiscono disordine più veloce. È una tesi scomoda per gli entusiasti e per gli scettici insieme, e la difendo perché è quello che vedo.
Cosa è passato davvero dalla demo alla produzione
Claude Code è entrato nel mio flusso di lavoro quotidiano
Questo è il cambiamento più concreto del semestre, e mi riguarda in prima persona. Da quando a maggio Anthropic ha reso generalmente disponibili Claude Opus 4 e Claude Code, ho smesso di usare l’AI come un chatbot a cui chiedere frammenti e ho iniziato a usarla come un agente che lavora nel mio ambiente: legge una codebase, capisce la struttura di un modulo Adobe Commerce, propone una patch, la applica e mi spiega cosa ha toccato.
La differenza rispetto al 2024 è qualitativa, non incrementale. Prima copiavo e incollavo. Adesso l’agente ha contesto e capacità di agire. In un intervento su un progetto (un merchant fashion mid-market, per restare anonimo) ho usato Claude Code per districare una customizzazione al checkout che nessuno documentava da anni: mi ha ricostruito il flusso, isolato l’override incriminato e proposto la correzione. Il lavoro di analisi mi ha preso un paio d’ore invece di una mezza giornata. Non è magia: è che finalmente lo strumento agisce dove sono i dati, invece di aspettare che glieli porti io.
Ma qui devo dire la parte che di solito viene tagliata dai post entusiasti. Quel risultato non è venuto dal modello. È venuto dal fatto che sapevo già dove guardare, come è fatto un flusso di checkout in Magento, cosa è lecito toccare e cosa no. Quando ho provato la stessa cosa su un dominio che conosco male, il risultato è stato inutilizzabile: l’agente ha prodotto una patch elegante, plausibile, e concettualmente sbagliata. Non me ne sarei accorto se non avessi chiesto a qualcuno che ne sapeva più di me. La mia opinione netta è quindi doppia: il coding agentico è la prima applicazione dell’AI agentica arrivata davvero in produzione, e uno sviluppatore che oggi lo liquida come inaffidabile sta guardando dal lato sbagliato. Ma funziona se chi lo guida ha l’idea, il processo e il metodo. Senza, è un disastro veloce.
MCP è diventato lo standard di fatto per collegare gli agenti
Il secondo fatto solido del semestre è che il Model Context Protocol, lo standard aperto che Anthropic ha presentato a novembre 2024 per far parlare gli agenti con strumenti e sorgenti dati, nel 2025 è stato adottato anche da OpenAI e Google. Quando i tre attori principali convergono sullo stesso protocollo, la questione “quale standard vince” smette di essere aperta.
Perché conta per chi vende online e non scrive righe di codice? Perché MCP è la ragione per cui un agente può, in modo prevedibile, interrogare un ERP, un CMS, un catalogo prodotti o un sistema di analytics senza un’integrazione custom per ogni singolo tool. È l’equivalente, per gli agenti, di quello che è stato lo standard delle API REST per il web: noioso da spiegare, ma è l’infrastruttura che rende possibile tutto il resto.
Non lo dico per sentito dire. In queste settimane ci sto mettendo le mani: ho iniziato a scrivere un piccolo server MCP mio, un prototipo, per far leggere a un agente le entità di un ambiente Adobe Commerce di test. Siamo lontanissimi da qualcosa di riusabile e non lo metterei in mano a nessuno, ma la cosa che ho capito costruendolo vale più di dieci articoli letti: la parte difficile non è il protocollo, è decidere quali operazioni esporre e quali no. Cioè è una domanda di progettazione, non di AI. MCP nel 2025 è passato da progetto interessante a strato su cui vale la pena costruire, e se oggi ragiono su un’architettura agentica parto da lì.
I primi agenti Adobe sono stati annunciati, e l’infrastruttura si sta muovendo
Sul fronte Adobe, quello dove passo la maggior parte del mio tempo, il segnale è arrivato a marzo con l’annuncio di Adobe Agent Orchestrator, il livello pensato per coordinare agenti dentro l’Experience Platform. A giugno è poi diventato generalmente disponibile Adobe Commerce as a Cloud Service (ACCS), la versione SaaS della piattaforma commerce.
Qui però voglio essere preciso, perché è il punto in cui è facile confondere l’annuncio con la disponibilità. A oggi, inizio agosto, gli agenti Adobe sono annunciati e in avvicinamento, non ancora qualcosa che ho messo in mano a un cliente in produzione. Quello che è concreto è l’infrastruttura, e la direzione mi convince: una piattaforma commerce cloud-native e un orchestratore pensato per gli agenti sono le fondamenta giuste su cui quegli agenti gireranno. Aprire le piattaforme agli agenti, invece di difendere il monolite, è la mossa corretta. Nel frattempo sto usando questi mesi per capire, non per vendere qualcosa che non c’è ancora.
Cosa è ancora hype
Adesso la parte scomoda, perché credo che dire cosa non funziona sia più utile che ripetere gli slogan.
L’agente autonomo che gestisce l’e-commerce end-to-end non esiste. Nelle demo vedete un agente che ottimizza campagne, riscrive schede prodotto, gestisce il pricing e risponde ai clienti da solo. Nella realtà di un merchant mid-market, ogni azione che tocca prezzi, stock o comunicazione al cliente ha bisogno di controlli, permessi e un umano che approva. Il valore vero, oggi, è l’agente che prepara il lavoro e propone, non quello che decide da solo. Chi vende il secondo scenario sta vendendo una slide.
La demo gira su dati puliti, la produzione no. La ragione numero uno per cui un progetto agentico si inceppa non è il modello: è che il catalogo è sporco, gli attributi sono incoerenti, i sistemi non si parlano. MCP risolve il “come collegare”, non il “cosa collegare se il dato sottostante è un disastro”. Il semestre me lo ha confermato: il collo di bottiglia dell’AI agentica nell’e-commerce è la qualità dei dati, non l’intelligenza del modello. Se un merchant mi chiede da dove cominciare, la risposta continua a essere la stessa e continua a deludere: prima metti in ordine catalogo, attributi, prezzi e integrazioni. Un agente su dati sporchi amplifica il disordine che hai già.
Il ROI misurato è ancora raro. Ho visto molti proof of concept e pochissimi numeri veri sul ritorno. Non è un problema: è la fase. Ma diffido di chi a metà 2025 vi mostra già ROI a due cifre da progetti agentici in produzione. O hanno un caso molto specifico, o stanno arrotondando. Io stesso, quando dico che quell’analisi mi ha preso due ore invece di mezza giornata, sto raccontando un episodio, non una statistica. La differenza è importante e la voglio tenere.
Su cosa sto puntando come consulente
Chiudo con la parte più personale, perché è la ragione per cui scrivo questo pezzo. Sto deliberatamente unendo due mondi che finora ho tenuto un po’ separati: la piattaforma Adobe, che è il mio mestiere da anni, e l’AI agentica, che sto approfondendo giorno per giorno con Claude. Ci sono arrivato per curiosità da smanettone, non per visione strategica: ho iniziato a giocarci, ho visto che reggeva, e a un certo punto è diventata il modo in cui lavoro.
L’ipotesi su cui sto scommettendo, e che potrei benissimo trovarmi a correggere tra sei mesi, è questa: il valore per un merchant non starà nell’avere “un agente”, ma nell’avere gli agenti giusti innestati dove i dati e i processi già vivono, dentro Adobe Commerce, dentro Experience Manager, dentro l’analytics. Il consulente che serve non è quello che sa solo configurare Adobe né quello che sa solo scrivere prompt: è quello che sa dove ha senso mettere un agente, dove no, e come governarlo. Meno esecuzione, più giudizio. Il mestiere cambia, non sparisce.
Concretamente sto investendo su tre cose: usare il coding agentico ogni giorno, soprattutto per trovarne i limiti; costruire i miei prototipi MCP per capire da dentro cosa vuol dire esporre un sistema a un agente; studiare l’orchestratore e ACCS mentre gli agenti Adobe maturano, così da avere un’opinione mia quando arriveranno.
Il primo semestre 2025, per come lo leggo io, non è stato il semestre in cui l’AI agentica ha rivoluzionato l’e-commerce. È stato quello in cui ha smesso di essere solo una demo e ha messo il primo piede in produzione, dal lato di chi costruisce prima ancora che dal lato di chi vende. È un inizio, non un traguardo. E non è una corsa: chi si muove per paura di restare indietro compra male. Chi si muove perché ha capito dove mettere le mani, invece, in questi sei mesi ha già visto la differenza.
Mini-FAQ
L’AI agentica è già pronta per la produzione nell’e-commerce a metà 2025?
In parte. Il coding agentico (Claude Code) è realmente in produzione per chi sviluppa, a condizione che chi lo guida sappia già cosa sta facendo. Gli agenti che gestiscono processi e-commerce lato merchant sono ancora prevalentemente annunci e proof of concept, con l’umano che approva ogni azione sensibile.
Cos’è MCP e perché conta?
Il Model Context Protocol è lo standard aperto che permette agli agenti di collegarsi a strumenti e sorgenti dati. Presentato a novembre 2024, nel 2025 è stato adottato anche da OpenAI e Google, diventando lo standard di fatto per l’integrazione agentica.
Gli agenti Adobe sono già disponibili?
A inizio agosto 2025 sono annunciati e in avvicinamento. Adobe Agent Orchestrator è stato annunciato a marzo e Adobe Commerce as a Cloud Service è disponibile da giugno: sono le fondamenta, ma gli agenti veri e propri non sono ancora in produzione presso i clienti.
Qual è il vero ostacolo ai progetti agentici nell’e-commerce?
La qualità dei dati. Cataloghi sporchi, attributi incoerenti e sistemi che non si parlano fermano i progetti più dell’intelligenza del modello.
Chi sono. Sono Fabio Canovi, consulente Adobe presso il gruppo Lutech, certificato su Adobe Commerce, Adobe Experience Manager, Adobe Analytics e Adobe Target. Da mesi approfondisco l’AI agentica e lavoro quotidianamente con Claude, cercando il punto in cui l’ecosistema Adobe e gli agenti si incontrano davvero.