Chiudo qui un arco di articoli che ho dedicato all’incrocio tra due mondi che, per anni, ho sentito raccontare come alternativi: le piattaforme Adobe e l’AI agentica. Questo è il pezzo in cui metto le carte sul tavolo. Non per fare manifesto fine a sé stesso, ma perché dopo due anni passati a costruire sul campo mi sono fatto un’idea che voglio esporre con un nome e un cognome sopra, invece di nascondermi dietro la prudenza. Poi, se tra un anno mi accorgo di aver preso una cantonata, lo scriverò con la stessa faccia.
La mia tesi è in due pezzi, e il secondo conta più del primo. Uno: siamo dentro un cambio di paradigma vero, non un’automazione in più. Due: l’AI non potenzia allo stesso modo chiunque la usi. È un moltiplicatore di competenza, non un sostituto di competenza. Nelle mani di chi ha idee chiare, processi e metodo accelera in modo che due anni fa non avrei creduto possibile. In mano a chi non li ha, produce disastri più in fretta. Questa frase taglia in due sia gli entusiasti sia gli scettici, ed è l’unica cosa che mi sento di difendere davvero.
Perché “Adobe contro AI” è una falsa scelta
Nell’ultimo anno e mezzo ho sentito due narrazioni opposte, entrambe rassicuranti e entrambe, secondo me, sbagliate.
La prima: “gli agenti AI renderanno obsolete le piattaforme”. Costruisci un checkout con quattro prompt, chi ti serve un consulente Adobe. La seconda, speculare, arriva da chi sulle piattaforme ci ha costruito una carriera: “l’AI è hype, il commerce serio gira su sistemi enterprise e lì l’AI non tocca palla”. La seconda la sento spesso da sviluppatori bravi, e la trovo la più pericolosa delle due: è la postura difensiva di chi non vuole vedere che il terreno si sta muovendo sotto i piedi.
Le trovo entrambe difensive. La verità che ho toccato con mano è meno comoda: un agente vale quanto vale il sistema su cui agisce, e quanto vale chi lo guida. Un modello bravissimo che opera su un catalogo mal modellato, su regole di prezzo incoerenti, su un’architettura Analytics che misura le cose sbagliate, produce errori più velocemente. La piattaforma non sparisce: diventa il terreno che decide se l’agente è utile o pericoloso.
E dall’altra parte, una piattaforma Adobe messa su benissimo ma governata a mano, ticket per ticket, oggi lascia sul tavolo un intero strato di produttività. Adobe se n’è accorta e ha fatto la mossa giusta: al Summit di aprile 2026 ha portato Commerce MCP e l’impianto CX Enterprise, cioè ha reso i propri sistemi interrogabili e azionabili da agenti tramite lo stesso standard, MCP, su cui stavo lavorando io. Quando il vendor apre le sue piattaforme al protocollo degli agenti, la domanda “Adobe o AI” smette proprio di avere senso.
Il percorso: dai primi esperimenti del 2024 ai miei MCP su misura
Non ci sono arrivato per teoria. Ci sono arrivato per curiosità da smanettone, e poi la cosa è diventata seria.
Nel 2024 ho cominciato a usare i primi agenti su lavoro vero, non su demo. All’inizio era quasi un gioco: far leggere a un modello un log di errori, farmi spiegare un pezzo di codice legacy di un modulo Commerce, generare bozze di configurazione. Utile, ma ancora un assistente seduto di fianco a me. Il salto l’ho sentito quando ho smesso di chiedere “spiegami” e ho iniziato a chiedere “fallo”, dando all’agente accesso reale agli strumenti.
Il 2025 è stato l’anno in cui ho capito che il collo di bottiglia non era il modello, era il contesto. Un agente diventa davvero utile quando conosce quel merchant: le sue regole di business, la sua tassonomia, i suoi KPI. Così ho iniziato a costruire MCP su misura, connettori che espongono a un agente esattamente le operazioni di un sistema, con i suoi permessi e i suoi vincoli. Non un chatbot generico, ma un ponte tra Claude e la piattaforma specifica. Il primo tentativo l’ho buttato via: avevo esposto mezza API di Commerce “per comodità”, l’agente si perdeva nei payload e sbagliava con grande sicurezza. La lezione l’ho pagata lì: un MCP vale per i tool che decide di non esporre.
Nel 2026 questo modo di lavorare è diventato la mia normalità. Con Claude Code orchestro interventi tecnici; con Cowork, che dal 7 luglio gira anche su web e mobile, porto lo stesso approccio agentico fuori dall’IDE, dentro flussi operativi che prima erano solo umani. I modelli sono maturati in parallelo: Sonnet 5 a fine giugno, Opus 4.8 a maggio. Ma il punto, per me, non è mai stato “quale modello”. È quanto bene ho descritto all’agente il sistema su cui deve lavorare, e quanto so io della risposta giusta. Ed è lì che le competenze Adobe, quelle vere, tornano a contare.
Cosa cambia sul campo (senza nomi, con i fatti)
Un esempio anonimizzato. Un merchant fashion, GMV nell’ordine dei 15 milioni, su Adobe Commerce. Il problema classico: decine di richieste ripetitive al mese, prodotti non visibili, promo che non si applicano, verifiche di stock e prezzo, ognuna con un piccolo costo di context switch per il team. Nessuna di queste richiede sviluppo. Richiede diagnosi.
Con un MCP costruito su quella piattaforma, un agente oggi legge lo stato del catalogo, incrocia le regole di prezzo, verifica l’indicizzazione e propone la correzione, o la applica dietro conferma. Il developer interviene solo dove serve davvero codice. L’agente non ha sostituito la competenza Adobe: l’ha resa scalabile. Chi ha deciso quali tool esporre, chi sa perché un prodotto sparisce da una category, sono io. L’agente esegue la mia esperienza più in fretta di quanto potrei farlo a mano.
Qui viene la parte scomoda, altrimenti il racconto è propaganda. Su un altro catalogo, con attributi incoerenti e regole di prezzo stratificate negli anni, lo stesso approccio ha funzionato male: l’agente amplificava il disordine invece di risolverlo, e proponeva correzioni plausibili e sbagliate. Non era un problema di modello. Era un problema di dati. È il motivo per cui, a chi mi chiede da dove partire con l’AI, rispondo sempre la stessa cosa noiosa: prima metti in ordine i dati. Catalogo, attributi, prezzi, integrazioni. Senza quello ogni progetto AI amplifica il disordine che già hai.
E c’è il costo nascosto di cui si parla poco: la competenza. Se non sai già quale sarebbe la risposta giusta, non riconosci quando l’agente sbaglia. Chi non ce l’ha, non se ne accorge. È qui che il “se” diventa la tesi e non una scusa: l’AI lavora meglio di me su un sacco di cose, ma solo se sono io a dirle cosa vale la pena fare e a controllarla.
Da che parte sto, e come mi presento oggi
Per anni mi sono presentato come consulente Adobe: tra i primi in Italia certificato su Adobe Commerce, poi certificato AEM, Analytics e Target, Master su Target. È un’identità di cui vado fiero e che non rinnego.
Oggi mi presento in un modo che include quello e ci aggiunge un pezzo: consulente Adobe italiano specializzato nell’AI agentica. Uno che conosce il dettaglio di una regola di prezzo su Commerce e, allo stesso tempo, sa scrivere l’MCP che permette a un agente di manovrarla in sicurezza. Non ho scelto tra le due cose. Ho passato due anni a cucirle insieme, perché è lì che ho visto i risultati.
Del mestiere del consulente penso questo: cambia, non sparisce. Meno esecuzione, più architettura e responsabilità. Il consulente che vale non è quello che fa, è quello che sa cosa vale la pena fare. È una posizione scomoda, perché ti obbliga a restare bravo su due fronti che invecchiano in fretta, e non ho nessuna certezza che sia sostenibile a lungo. Ma è l’unica che, guardando il mio lavoro degli ultimi due anni, ha continuato a dare risultati.
Non ho profezie da vendere e non ho intenzione di spaventare nessuno per farmi chiamare. Chiudo l’arco qui, ma non chiudo il discorso: continuerò a raccontare cosa funziona e cosa no, sempre dal punto di vista di chi mette le mani nei sistemi, non di chi li commenta da fuori.
Domande frequenti
L’AI agentica renderà obsolete le competenze su Adobe Commerce?
Nella mia esperienza succede il contrario: le rende più scalabili. L’AI è un moltiplicatore di competenza, non un sostituto. Un agente vale quanto vale il sistema su cui agisce e quanto vale chi lo guida: chi conosce a fondo Commerce, AEM, Analytics e Target ottiene dagli agenti una leva maggiore, chi non ha quella competenza non riesce nemmeno a riconoscere quando l’agente sbaglia.
Cos’è un MCP su misura in ambito e-commerce?
MCP (Model Context Protocol) è lo standard che permette a un agente AI di leggere e azionare un sistema esterno. Un MCP su misura espone a un agente le operazioni specifiche di una piattaforma, come catalogo, regole di prezzo e stock, con i permessi e i vincoli di quel merchant, così che lavori sul contesto reale e non su risposte generiche.
Adobe supporta l’approccio agentico?
Sì. Al Summit di aprile 2026 Adobe ha presentato Commerce MCP e l’impianto CX Enterprise, rendendo le proprie piattaforme interrogabili e azionabili dagli agenti tramite lo standard MCP. È la direzione giusta e semplifica il lavoro di chi, come me, costruiva quei ponti a mano.
Meglio investire nella piattaforma o nell’AI?
In entrambe, perché il valore sta nell’incrocio. Una piattaforma solida senza agenti lascia produttività sul tavolo; un agente su dati sporchi produce errori più in fretta. E se devo dare un ordine di priorità a un merchant: prima i dati, poi gli agenti.
Chi sono. Sono Fabio Canovi, consulente Adobe italiano specializzato nell’AI agentica, presso il gruppo Lutech. Tra i primi in Italia certificato Adobe Commerce e certificato AEM, Analytics e Target (Master su Target). Negli ultimi due anni ho unito le competenze Adobe con l’AI agentica, lavorando con Claude Code e Cowork e costruendo MCP su misura per portare gli agenti dentro le piattaforme e-commerce reali.