Un dato che circola da qualche settimana mi ha fatto discutere con un paio di colleghi: in Europa, Italia, Spagna, Polonia e Ungheria hanno un tasso di penetrazione dello shopping assistito da AI sopra il 60% tra i consumatori, mentre Regno Unito, Francia e Germania restano tra il 48 e il 52%. Il 63% degli shopper europei usa l’AI per confrontare marchi, modelli, prezzi e recensioni; il 55% per informarsi su una categoria o un prodotto prima di comprare.
La reazione istintiva, leggendo questi numeri, è “allora l’Italia non è indietro come si dice sempre”. Vero solo a metà, e la metà che manca è quella che mi riguarda da vicino: la domanda è pronta, l’offerta no.
Due velocità diverse, e nessuna delle due è quella che ti aspetti
Il lato domanda, quello dei consumatori, non ha bisogno che il merchant faccia niente di speciale: un utente che chiede a un assistente AI di confrontare tre paia di scarpe da corsa lo fa usando i dati che trova, ben strutturati o no. L’adozione da parte dei consumatori italiani, spagnoli, polacchi e ungheresi cresce indipendentemente da quanto i merchant locali si siano preparati.
Il lato offerta è un’altra storia, ed è quella su cui lavoro. Nella mia esperienza di questi mesi su cataloghi Adobe Commerce di merchant italiani di fascia mid-market, la struttura dati che un agente si aspetta (attributi coerenti tra varianti, disponibilità aggiornata in tempo reale, politiche di reso e spedizione leggibili in modo strutturato, non solo scritte in una pagina statica) è quasi sempre più indietro della piattaforma tecnica che la ospita. Non è un giudizio sulla piattaforma, è un giudizio su anni di cataloghi costruiti pensando a un umano che scorre una pagina, non a un agente che interroga un feed. Non ho un caso specifico da citare con numeri: questa è un’osservazione trasversale che faccio da tempo, non la misura di un progetto preciso.
Perché la narrativa “l’Italia è indietro” nasconde il problema vero
Il rischio, quando si legge un dato di adozione alto, è concludere che il mercato italiano sia “pronto” per il commercio agentico. Ma l’adozione misura i consumatori, non i merchant. Un consumatore italiano che usa un assistente AI per confrontare prodotti oggi lo sta facendo comunque, anche su cataloghi non ottimizzati: semplicemente, l’agente lavora con dati peggiori, e il merchant che non ci ha pensato perde la partita senza nemmeno sapere che si stava giocando. Ne ho scritto parlando di standard come UCP: lo standard aiuta, ma se i dati sotto sono sporchi, l’agente amplifica il disordine invece di risolverlo.
La narrativa “l’Italia è indietro sul digitale” è comoda perché sposta la responsabilità su un ritardo generico e culturale. La realtà, per quello che vedo io, è più specifica e più scomoda: il ritardo non è nell’adozione, è nella preparazione dei dati di prodotto, ed è un problema che si risolve con lavoro concreto su catalogo e attributi, non aspettando che il mercato “maturi”.
Il contro-argomento: “i dati di adozione dimostrano il contrario”
Qualcuno potrebbe leggere lo stesso dato di adozione al 60% e concludere l’opposto di quello che sto dicendo: se i consumatori italiani già usano l’AI per comprare più della media europea, vuol dire che il mercato ha già reagito, e i merchant che non si sono adeguati lo scopriranno dai numeri di vendita, non da un articolo. È un punto legittimo, e in parte è già vero: è esattamente il meccanismo di mercato che punirà chi non si prepara. Il motivo per cui ne scrivo comunque è che quella punizione arriva silenziosa, come traffico che semplicemente non converte o non arriva, senza un segnale chiaro che dica “il problema è il tuo catalogo”. Il merchant vede un calo, non la causa.
Cosa farei da domani, se fossi un merchant mid-market italiano
Non aspetterei un progetto agentico per iniziare: comincerei con un audit degli attributi di prodotto sulle categorie a maggior traffico, verificando cosa manca perché un agente possa rispondere a una domanda di confronto senza dover indovinare. È lo stesso consiglio che do da mesi a chi mi chiede da dove iniziare con l’AI: prima i dati, poi tutto il resto.
Mini-FAQ
L’Italia è davvero più avanti di UK, Francia e Germania sull’AI shopping?
Sul lato consumatori sì, secondo i dati di adozione recenti: Italia, Spagna, Polonia e Ungheria superano il 60% di penetrazione shopper AI, contro il 48-52% di Regno Unito, Francia e Germania.
Questo significa che i merchant italiani sono pronti per il commercio agentico?
No. L’adozione misura i consumatori, non la qualità dei dati di prodotto dei merchant. Nella mia esperienza sui cataloghi Adobe Commerce italiani mid-market, la struttura dati resta spesso indietro rispetto alla piattaforma che la ospita.
Da dove si comincia per colmare il gap?
Da un audit degli attributi di prodotto sulle categorie a maggior traffico, non da un progetto agentico completo. È il dato di base che ogni agente, di qualunque piattaforma, userà per rispondere a chi confronta.
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. Costruisco integrazioni AI agentiche basate su MCP per il mondo Adobe, e scrivo di quello che imparo mentre le realizzo.