Nel corso degli anni, progettando cataloghi Adobe Commerce per merchant di mezza Europa, ho sempre dato per scontata una cosa: dall’altra parte dello schermo c’è una persona. Una persona che guarda una foto, legge una scheda prodotto, si fa convincere da una recensione, aggiunge al carrello. Tutto il funnel che conosciamo, dall’atterraggio sulla PDP fino al checkout, è disegnato per quella persona, per i suoi occhi e la sua pazienza.
Quella premessa sta scricchiolando. Sempre più spesso, sui siti retail, il traffico non arriva da un browser umano ma da un assistente AI che agisce per conto di qualcuno. Non è più solo l’utente che chiede a un chatbot “consigliami una valigia” e poi va a comprarla altrove. È l’agente che entra nel catalogo, confronta, pre-seleziona e, in un numero crescente di casi, arriva fino al carrello. Questo è l’agentic commerce: il momento in cui a fare la spesa, o almeno la parte difficile della spesa, è una macchina.
La mia posizione, detta senza giri: cambia tutto il funnel, e nessuno è pronto. Nemmeno io.
Cosa cambia nel funnel quando compra un agente
Il punto che secondo me molti stanno sottovalutando è questo: l’agente non è un utente più veloce, è un utente con priorità completamente diverse. Un essere umano si fa sedurre. Un agente no. All’agente non interessa il hero banner, non interessa la palette di colori del tema, non interessa il micro-copy sotto il bottone “Aggiungi al carrello”. All’agente interessano i dati: prezzo, disponibilità, taglie, materiali, tempi di consegna, policy di reso. In forma strutturata e senza ambiguità.
Il funnel classico è un imbuto di persuasione. Il funnel agentico è un imbuto di interrogazione. Cambia il verbo, e cambia tutto quello che sta a valle. Le fasi di awareness e consideration, che per anni abbiamo riempito di storytelling e prova sociale, per un agente collassano in una singola domanda: questo prodotto soddisfa i vincoli che mi ha dato l’utente, sì o no? Se il tuo catalogo non risponde in modo pulito a quella domanda, l’agente passa oltre. E non c’è retargeting che tenga: l’agente non torna perché ha visto un annuncio.
Il catalogo diventa un’interfaccia macchina-macchina
Per anni abbiamo trattato la qualità del dato di prodotto come un problema di igiene interna: cataloghi sporchi, attributi incompleti, descrizioni copiate dal fornitore. Fastidioso, ma sopportabile, perché tanto l’utente umano perdonava: guardava la foto e capiva lo stesso. L’agente non perdona.
Faccio un esempio concreto, anonimizzato, ed è un esperimento mio finito male. Ho collegato un agente, tramite un MCP che avevo scritto io, al catalogo di un merchant fashion mid-market intorno ai 15M di GMV. Le taglie erano gestite in modo incoerente: alcune schede con “M”, altre con “Medium”, altre ancora solo nel testo libero della descrizione. Per un cliente in negozio, irrilevante. Nel momento in cui l’agente prova a filtrare “giacca taglia M disponibile sotto i 200 euro”, metà del catalogo diventa invisibile. Non perché il prodotto non esista, ma perché il dato non è leggibile. Il mio connettore funzionava. Era il terreno a non reggere.
Questo è il ribaltamento che trovo più interessante da consulente: la data quality del prodotto smette di essere un tema di back-office e diventa un tema di visibilità commerciale. Gli attributi strutturati, l’uso serio di dati come schema.org/Product, la coerenza tra prezzo esposto e prezzo reale al checkout, la disponibilità aggiornata: sono le cose che decidono se un agente ti vede oppure no. In Adobe Commerce significa prendere finalmente sul serio l’attribute set, il layer di catalog data e le API di prodotto, che per molti merchant sono ancora un cimitero di campi lasciati vuoti.
Il checkout è l’ostacolo vero
Se il catalogo è il problema di oggi, il checkout è quello che verrà. Un agente può anche pre-selezionare benissimo, ma nel momento in cui deve concludere l’acquisto si scontra con flussi disegnati per dita umane: form multi-step, CAPTCHA, creazione account obbligatoria, pop-up di consenso. Tutte cose che per una persona sono un attrito accettabile e per un agente sono un muro.
Qui la mia opinione è che serva iniziare a distinguere il bot malevolo dall’agente legittimo che agisce per conto di un cliente reale, e trattare il secondo come un canale di vendita, non come una minaccia da bloccare a prescindere. Non sto dicendo di aprire le porte a qualsiasi cosa: parliamo di pagamenti e di frodi, e sarebbe irresponsabile. Sto dicendo che la reazione utile non è la paranoia, è la misurazione. Log, metriche, una baseline di cosa fa un agente sul tuo store. Oggi quasi nessuno le ha, e senza quelle si discute di rischi teorici invece che di fatti.
Farsi leggere dagli agenti: la mia opinione da consulente
Cosa consiglio, concretamente, a chi mi chiede da dove partire senza rincorrere l’ennesima moda? Tre cose, in ordine di priorità.
Primo, mettere in ordine il dato di prodotto. È noioso, non fa notizia, e non lo racconterai mai in una slide di board. Ma è il fondamento. Attributi strutturati, coerenti, completi, con prezzo e disponibilità affidabili. Se devi scegliere una sola cosa da fare quest’anno, è questa. Ogni progetto AI costruito sopra dati sporchi amplifica il disordine che già hai.
Secondo, esporre i dati in formato aperto e standard. Structured data, feed puliti, API di catalogo documentate. L’obiettivo è smettere di pensare al sito solo come pagine per umani e iniziare a pensarlo anche come una sorgente dati interrogabile. Non serve un progetto faraonico: serve rendere leggibile ciò che già hai.
Terzo, iniziare a misurare il traffico agentico. Quanti degli hit sul catalogo arrivano da assistenti AI? Con che tasso di conversione? Oggi quasi nessuno lo guarda. Non puoi ottimizzare un canale che non stai nemmeno contando.
Diffido invece di chi oggi promette la “strategia agentic completa” chiavi in mano. Lo standard tecnico su come gli agenti dialogano con i commerce backend è ancora in movimento, e chi ti vende oggi la soluzione definitiva ti sta vendendo una scommessa travestita da certezza. Io stesso sto ancora capendo cosa regge e cosa no, e ogni tanto mi ricredo. La mossa sensata non è scommettere su un protocollo specifico: è mettere la casa in ordine, dati puliti, esposti in modo standard, misurati, così da essere pronti qualunque sia lo standard che si affermerà.
La cosa un po’ scomoda è che l’agentic commerce non premia chi ha il marketing più brillante. Premia chi ha i dati più puliti. Che è una notizia ottima per i merchant seri.
Mini-FAQ
Cos’è l’agentic commerce?
È il modello in cui un assistente AI compra o pre-seleziona prodotti per conto di un utente, interrogando direttamente il catalogo di un merchant invece di navigarne il sito come farebbe una persona.
Perché i merchant dovrebbero occuparsene ora?
Perché cambia il funnel alla radice: si passa da un imbuto di persuasione a uno di interrogazione. Chi ha un catalogo macchina-leggibile può intercettare questa domanda; chi non ce l’ha semplicemente non viene visto da quel canale.
Qual è la prima cosa da fare?
Mettere in ordine il dato di prodotto: attributi strutturati, coerenti e completi, con prezzo e disponibilità affidabili. È il fondamento su cui si regge tutto il resto.
Serve adottare subito uno standard tecnico specifico?
No. Lo standard è ancora in movimento. La mossa sensata è preparare dati puliti ed esposti in modo aperto, e misurare cosa già succede sul proprio store.
Chi sono. Sono Fabio Canovi, consulente Adobe italiano specializzato nell’AI agentica, presso il gruppo Lutech, certificato Adobe Commerce, Adobe Experience Manager, Adobe Analytics e Adobe Target. Lavoro sul punto in cui l’ecosistema Adobe incontra l’AI agentica, costruendo MCP e agenti per portare gli agenti dentro cataloghi e processi reali.