Il tuo e-commerce parla con gli agenti AI?

Già oggi molti utilizzano i vari modelli LLM (ChatGpt, Ai Overview/Gemini, Claude, ecc. … ) per effettuare ricerche. Ora supponiamo che tu chieda al tuo agente “Trovami un paio di sneakers AllStars, blu scuro, misura 44, che costino meno di 60 € e che possano essere consegnati entro venerdì”. L’agente analizza le opzioni disponibili basandosi sui parametri della richiesta del cliente, le politiche di reso, le condizioni di spedizione, la disponibilità, utilizzando protocolli come MCP per interrogare i dati del prodotto in tempo reale, ti notifica la ricerca, tu confermi l’acquisto e lui paga (attraverso un codice OTP della tua carta di credito. NdR). 

MCP e ACP cambieranno le regole dell’e-commerce

Nel 2019 ho scritto un articolo sul dynamic pricing che cominciava con una domanda semplice: perché lasciare i prezzi fermi per settimane quando gli algoritmi possono aggiornarli ogni ora in base alla domanda, alla concorrenza e alle scorte di magazzino? All’epoca sembrava un argomento di nicchia. Oggi il pricing dinamico è prassi consolidata per qualsiasi e-commerce strutturato.

Questo articolo parte dallo stesso punto di partenza: una tecnologia che oggi sembra futuristica, ma che tra 2-3 anni sarà prassi consolidata. Ora leggendo un articolo su McKinsey a proposito dell’agentic commerce rimango allibito dallo scenario che avrà sull’e-commerce.

Cos’è l’Agentic Commerce, in termini concreti

Partiamo dalla definizione, senza entusiasmi eccessivi.

L’agentic commerce è il commercio gestito, in tutto o in parte, da agenti AI autonomi che agiscono per conto di un consumatore o di un’azienda. Non si tratta di chatbot che rispondono a domande, né di sistemi di raccomandazione che suggeriscono prodotti correlati. Si tratta di software che ragiona, pianifica e agisce in modo indipendente, completando sequenze di operazioni complesse senza intervento umano continuo.

Gli agenti:

• anticipano i bisogni,
• confrontano opzioni,
• negoziano prezzi,
• completano acquisti.

Un chatbot risponde alla domanda “qual è il prezzo migliore per questa fotocamera?”. Un agente AI autonomo confronta i prezzi su 30 piattaforme, verifica la disponibilità, controlla le recensioni recenti, valuta i tempi di consegna in base alla tua posizione e completa l’acquisto, tutto in pochi secondi.

McKinsey stima che entro il 2030, solo negli USA, l’agentic commerce potrebbe orchestrare fino a 1 trilione di dollari di transazioni retail B2C. Gartner prevede che il 20% delle vendite digitali verrà condotto tramite agenti AI o piattaforme GenAI. Sono stime, non certezze. Ma la direzione è chiara.

Cosa sta rendendo possibile tutto questo: il ruolo di MCP

La tecnologia chiave che sta accelerando l’agentic commerce non è tanto l’intelligenza degli agenti, è la loro capacità di comunicare con i sistemi esterni in modo standardizzato.

Il Model Context Protocol, MCP, è un protocollo open source sviluppato da Anthropic nel 2024 che consente agli agenti AI di connettersi con fonti di dati esterne, API, database e applicazioni attraverso un’interfaccia standardizzata. In termini pratici: MCP è il linguaggio che permette a un agente AI di “parlare” con il tuo e-commerce, con il tuo gestionale, con il tuo magazzino, con i marketplace, con i sistemi di pagamento.

Stripe e OpenAI hanno sviluppato l’Agentic Commerce Protocol (ACP), che definisce come gli agenti possono completare transazioni di pagamento in sicurezza, con guardrail, virtual card dedicate e rilevamento delle frodi.

Google, Amazon, Salesforce, Mastercard stanno costruendo le proprie implementazioni compatibili.

Il quadro che emerge è quello di un ecosistema in cui i siti e-commerce diventano “machine-readable”, leggibili e azionabili dagli agenti AI tanto quanto dagli esseri umani. Chi costruisce la propria piattaforma pensando solo agli utenti umani rischia di essere escluso da questo ecosistema.

Gli scenari che possiamo immaginare: dal B2C al B2B

Nessuno ha certezze su come evolverà l’agentic commerce nei prossimi anni. Ma è utile immaginare scenari concreti, perché aiutano a capire quali decisioni prendere oggi.

Scenario 1: il consumatore con il suo agente personale

Immagina una PMI italiana che vende attrezzatura professionale per la ristorazione. Oggi il suo cliente tipico, un ristoratore, passa ore a confrontare prezzi su più siti, a verificare disponibilità, a chiamare per sapere i tempi di consegna.

Tra qualche anno, questo ristoratore potrebbe avere un agente AI che conosce il suo inventario attuale, le sue preferenze di fornitori, il suo budget mensile e i suoi vincoli logistici. Quando una friggitrice si avvicina alla fine del ciclo di vita, l’agente lo segnala, confronta le opzioni disponibili sui siti dei fornitori abilitati, verifica se ci sono promozioni attive e propone l’acquisto con un clic di conferma.

Il sito e-commerce che non espone API leggibili dagli agenti, che non ha dati strutturati corretti, che non ha un processo di checkout ottimizzato per transazioni automatizzate, non viene nemmeno considerato dall’agente. Non perché il prodotto sia peggiore. Perché il sistema non sa come leggerlo.

Scenario 2: il dynamic pricing potenziato dagli agenti

Nel 2019 scrivevo che il dynamic pricing consente di aggiornare i prezzi in base a decine di variabili: concorrenza, magazzino, orario, stagionalità, comportamento del cliente. Oggi questa logica si spinge molto più in avanti.

Un agente AI lato venditore può monitorare in tempo reale i prezzi dei concorrenti, le fluttuazioni della domanda, le giacenze di magazzino e aggiustare i prezzi automaticamente, rispettando i margini minimi definiti dall’azienda. Fin qui, evoluzione del dynamic pricing che già conosciamo.

La novità dell’agentic commerce è che dall’altro lato c’è un agente AI che acquista. I due agenti, quello del venditore e quello dell’acquirente, potrebbero negoziare direttamente: il compratore conosce il budget disponibile, il venditore conosce il margine minimo, e la transazione avviene al prezzo ottimale per entrambi, senza intervento umano. Una versione automatizzata di ciò che nei mercati finanziari esiste già e che nei B2B tradizionali richiede talvolta settimane di trattativa.

Scenario 3: la gestione automatizzata del riassortimento B2B

Per le aziende che vendono in B2B, l’agentic commerce apre scenari particolarmente interessanti. Un cliente B2B ricorrente, un distributore, una catena retail, un’azienda manifatturiera, potrebbe configurare un agente AI per gestire autonomamente il riassortimento dei prodotti abituali, rispettando soglie di scorta minima, condizioni contrattuali predefinite e limiti di budget mensile.

Il fornitore che ha costruito una piattaforma B2B con API aperte, dati strutturati e un processo d’ordine ottimizzato per le transazioni automatizzate cattura questi ordini senza attrito. Il fornitore che gestisce ancora gli ordini via email o con un portale che richiede login manuale e PDF da scaricare, viene progressivamente sostituito da chi è più facile da “raggiungere” per l’agente del cliente.

Scenario 4: la scoperta dei prodotti cambia completamente

Oggi il percorso di acquisto tipico è: ricerca su Google, confronto su comparatori, visita ai siti, decisione. SEO e Google Ads intercettano questo percorso.

Con l’agentic commerce, sempre più utenti inizieranno il percorso chiedendo a un agente AI, ChatGPT, Gemini, Perplexity o sistemi equivalenti, di trovare il prodotto migliore per le loro esigenze. L’agente non sfoglia le prime pagine di Google: accede direttamente alle fonti che conosce, filtra in base ai criteri del cliente e propone una selezione già valutata.

Ottimizzare per i sistemi AI non è più solo una questione di SEO tradizionale. È una questione di dati strutturati corretti, schema markup preciso, API esposte correttamente, descrizioni prodotto che rispondono a domande specifiche invece di essere scritte solo per convincere il lettore umano. Su questo tema ho già scritto sulla strategia SEO e LLM per i siti e-commerce.

Cosa non cambierà: il ruolo del brand e della fiducia

C’è un rischio reale nell’agentic commerce che vale la pena nominare chiaramente: la commoditizzazione.

Se gli agenti AI scelgono i prodotti principalmente su prezzo, disponibilità e tempi di consegna, il brand rischia di diventare irrilevante. L’agente del cliente non ha preferenze emotive. Non è fedele a una marca per abitudine o per affezione. Valuta dati.

Questo non significa che il brand smetterà di avere valore. Significa che il valore del brand dovrà essere misurabile in modo oggettivo anche per un agente AI: recensioni certificate, reputazione aggregata, politiche di reso trasparenti, affidabilità delle consegne, storico di soddisfazione del cliente.

Un brand con forte identità, ottima reputazione documentata e politiche chiare sarà avvantaggiato nell’agentic commerce, perché questi sono criteri che un agente può valutare. Un brand che vive solo di estetica e storytelling senza dati di performance verificabili avrà vita più difficile.

Replatforming senza API

Le piattaforme e-commerce nate prima del 2020, e molte nate prima del 2024, non sono progettate per essere agent-friendly. Mancano di API aperte e documentate, di dati strutturati corretti, di checkout ottimizzato per transazioni automatizzate, di integrazione con protocolli come MCP.

Non si tratta di aggiungere un plugin. Si tratta di architettura. Una piattaforma vecchia può essere rattoppata all’infinito, ma il debito tecnologico si accumula e a un certo punto il costo di mantenere in vita il vecchio sistema supera quello di cambiarlo.

Ho scritto altrove dei 10 segnali che indicano che è il momento di fare replatforming. L’agentic commerce aggiunge un undicesimo segnale: la tua piattaforma è invisibile agli agenti AI? Se la risposta è sì, stai già perdendo una quota di mercato che crescerà ogni anno.

Non si tratta di fare replatforming oggi per un mercato che esisterà tra 3 anni. Si tratta di considerare l’agent-readiness come uno dei criteri nella scelta della prossima piattaforma, insieme a scalabilità, integrazioni, costi e velocità di avvio. Chi cambia piattaforma oggi con questo criterio in testa si trova avvantaggiato domani senza dover fare un altro cambiamento.

Cosa fare concretamente, subito

Non occorre aspettare che l’agentic commerce diventi mainstream per iniziare a prepararsi. Alcune azioni hanno senso già oggi.

Dati strutturati e schema markup. Schema.org, JSON-LD corretto su prodotti, prezzi, disponibilità, recensioni. Non è solo SEO tradizionale: è il linguaggio che i sistemi AI usano per leggere il tuo catalogo. Ne ho scritto approfonditamente nella sezione dedicata alla strategia SEO e LLM del sito.

API esposte e documentate. Se la tua piattaforma non ha API pubbliche o le ha ma non sono documentate, è un debito tecnologico da affrontare. Non immediatamente, ma nella roadmap.

Qualità e quantità delle recensioni. Le recensioni certificate, in particolare quelle conformi alla Direttiva Omnibus, sono un asset che gli agenti AI valutano. Un catalogo con recensioni recenti, numerose e verificate ha un vantaggio strutturale.

Checkout semplificato. Ogni step inutile nel processo di checkout è un ostacolo sia per i clienti umani che per i potenziali agenti. Meno frizione, meglio è.

Contenuti che rispondono a domande specifiche. Le descrizioni prodotto scritte per convincere il cliente umano non sono ottimali per un agente AI che cerca specifiche tecniche, compatibilità, condizioni di reso e tempi di consegna garantiti. Entrambi i formati possono coesistere nella stessa pagina.

Conclusioni

Nel 2019, quando ho scritto del dynamic pricing, molti imprenditori mi hanno risposto che era una cosa “per i grandi”. Poi Amazon ha reso il pricing dinamico lo standard del mercato e chi non si è adeguato ha perso margini o clienti.

L’agentic commerce non è ancora lo standard. Ma la direzione è chiara, la tecnologia c’è, i protocolli si stanno standardizzando e i grandi player stanno investendo miliardi per costruire questa infrastruttura rapidamente.

La domanda non è se cambierà il modo in cui funziona l’e-commerce. È quando, e se il tuo sistema sarà pronto quando arriverà.

Ma soprattutto chi è responsabile se la decisione fosse sbagliata?