L’intelligenza artificiale generativa ha modificato il modo in cui cerchiamo informazioni. L’Agentic Commerce potrà modificare qualcosa di ancora più profondo: il modo in cui scegliamo e acquistiamo prodotti e servizi, e quindi il rapporto tra cliente, venditore e piattaforma digitale.
Il tema è stato affrontato in una recente puntata di manager magazin INSIDE, Wie KI-Einkaufsagenten Zalando und Amazon unter Druck setzen, con Henning Hinze e Jonas Rest (https://www.spiegel.de/wirtschaft/unternehmen/agentic-commerce-wer-gewinnt-und-wer-verliert-a-30585f56-30e1-4c45-95b6-b3ed4511780c). La questione centrale è apparentemente B2C: come stanno reagendo marketplace e retailer all’arrivo degli AI Shopping Agent, e in particolare all’ecosistema di Agentic Commerce costruito da Google?
Ma le implicazioni vanno molto oltre il retail.
Per un’azienda B2B, e in particolare per produttori, distributori, grossisti e aziende dotate di cataloghi tecnici complessi, la domanda diventa: che cosa succede quando a cercare, confrontare, selezionare e in prospettiva acquistare un prodotto non è più direttamente una persona, ma un agente AI che opera per suo conto?
È una domanda importante perché sposta il problema dalla semplice adozione dell’AI alla ridistribuzione del controllo sul processo di acquisto.
Dalla ricerca del prodotto alla delega dell’acquisto
Finora l’e-commerce ha seguito sostanzialmente un modello costruito intorno alla navigazione umana.
Una persona avverte un bisogno, effettua una ricerca su Google o entra direttamente in un marketplace, visita alcune pagine, confronta prodotti, legge descrizioni e recensioni, valuta prezzo e disponibilità, aggiunge gli articoli al carrello e completa il checkout.
L’Agentic Commerce introduce un paradigma differente.
L’utente può esprimere direttamente un obiettivo:
“Trova il prodotto più adatto alle mie esigenze, confronta le alternative, verifica compatibilità, prezzo e tempi di consegna e proponimi la soluzione migliore.”
In un sistema più evoluto può aggiungere:
“Se trovi una soluzione che rispetta questi criteri e costa meno di 500 euro, acquistala.”
L’AI non si limita quindi a generare una risposta. Interpreta l’intento, raccoglie informazioni, valuta alternative, risolve vincoli, prende decisioni ed eventualmente esegue la transazione.
McKinsey descrive questa evoluzione come una curva progressiva di delega: dall’AI che assiste nella ricerca fino agli agenti autorizzati a compiere azioni e transazioni entro limiti stabiliti dall’utente o dall’organizzazione (https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-automation-curve-in-agentic-commerce).
La differenza rispetto all’e-commerce tradizionale è sostanziale.
Nel modello precedente il sito web o il marketplace erano normalmente il luogo in cui avvenivano scoperta, confronto, persuasione e transazione.
Nel modello agentico, una parte crescente di queste attività può svolgersi prima e fuori dal sito del venditore.
Ed è proprio qui che nasce il problema strategico per retailer e piattaforme.
L’ecosistema di Agentic Commerce di Google
Google ha costruito nel corso del 2026 diversi tasselli che, considerati insieme, permettono di capire concretamente come potrebbe funzionare questo nuovo modello.
Universal Commerce Protocol – UCP
Il primo è lo Universal Commerce Protocol – UCP, annunciato l’11 gennaio 2026.
UCP è uno standard aperto, sviluppato insieme a operatori come Shopify, Etsy, Wayfair, Target e Walmart e sostenuto da numerose aziende del commercio e dei pagamenti, tra cui Zalando, Mastercard, Visa, Stripe, Adyen e American Express.
La sua funzione fondamentale è creare un linguaggio comune attraverso il quale agenti AI, merchant e sistemi di pagamento possono comunicare.
Un agente non dovrebbe quindi sviluppare un’integrazione specifica per ogni singolo negozio. Attraverso un protocollo condiviso può interrogare sistemi differenti e utilizzare le capacità che essi espongono: discovery dei prodotti, gestione del carrello, checkout, pagamento e servizi post-vendita.
È un passaggio importante perché l’Agentic Commerce può diventare realmente scalabile soltanto quando gli agenti possono interagire con molti sistemi diversi attraverso interfacce standardizzate.
Business Agent: il venditore entra nella conversazione AI
Un altro elemento dell’ecosistema Google è Business Agent, un agente conversazionale associato a uno specifico merchant o brand e accessibile direttamente dalla Ricerca Google.
L’idea è significativa perché sposta una parte della relazione commerciale fuori dal sito dell’azienda. Quando l’utente incontra un merchant su Google può avviare una conversazione con il suo Business Agent e porre domande sui prodotti, chiedere chiarimenti, confrontare alternative o ricevere suggerimenti. L’esperienza è quindi simile a quella offerta da un assistente commerciale sul sito aziendale, ma si svolge direttamente nel punto in cui l’utente sta effettuando la ricerca.
Business Agent utilizza i modelli Gemini e si basa principalmente sulle informazioni che l’azienda rende disponibili attraverso Google Merchant Center e il proprio sito web. Il merchant può inoltre configurare alcuni aspetti dell’esperienza, come il tono della conversazione, il messaggio iniziale, le domande suggerite e le modalità con cui indirizzare l’utente verso l’assistenza umana.
Questo modello introduce un cambiamento importante. Finora un’azienda doveva soprattutto convincere l’utente a raggiungere il proprio sito per potergli offrire informazioni, assistenza e supporto alla scelta. Con Business Agent, invece, la conoscenza commerciale e di prodotto dell’azienda può raggiungere il cliente all’interno dell’ambiente Google, prima ancora che questi visiti l’e-shop.
Per questo la qualità dei dati forniti a Google diventa ancora più importante. Non basta più rendere disponibili titolo, immagine, prezzo e disponibilità del prodotto. Google sta introducendo anche attributi pensati specificamente per le esperienze conversazionali, come domande e risposte, documenti collegati, prodotti correlati, varianti e altre informazioni utili a comprendere meglio l’offerta.
Il principio è particolarmente interessante anche in prospettiva B2B. Un Business Agent applicato a un catalogo tecnico potrebbe non limitarsi a rispondere a domande commerciali generiche, ma aiutare l’utente a orientarsi tra prodotti complessi: individuare il modello più adatto a un’applicazione, chiarire caratteristiche, mettere in relazione accessori e prodotti principali o indirizzare verso documentazione tecnica pertinente.
L’attuale Business Agent di Google è però ancora rivolto principalmente al commercio B2C e, ad agosto 2026, la versione personalizzabile per i merchant è disponibile negli Stati Uniti, non ancora per le aziende italiane. Il modello è tuttavia indicativo della direzione che sta prendendo il commercio digitale: l’assistente del venditore non deve necessariamente trovarsi soltanto sul sito del venditore, ma può essere presente direttamente negli ambienti AI in cui il cliente ricerca e valuta le possibili soluzioni.
Universal Cart: il carrello non appartiene più necessariamente al retailer
A maggio 2026 Google ha introdotto un ulteriore tassello: Universal Cart.
Il carrello può funzionare trasversalmente ai servizi Google e a più merchant. L’utente può aggiungere prodotti mentre utilizza Search o Gemini e, in prospettiva, anche da YouTube e Gmail. Il sistema può monitorare prezzi, disponibilità, offerte e persino verificare incompatibilità fra prodotti.
L’esempio fornito da Google è significativo: se una persona sta costruendo un PC e inserisce nel carrello componenti acquistati presso venditori diversi, l’AI può rilevare eventuali incompatibilità e proporre alternative.
È facile immaginare l’equivalente B2B.
Non soltanto:
“Trova una punta da 12 mm.”
ma:
“Trova una soluzione adatta alla lavorazione di questo materiale con questa macchina, verifica che utensile, attacco e parametri siano compatibili, confronta i fornitori qualificati e considera disponibilità e tempi di consegna.”
La differenza tra ricerca di un codice e risoluzione di un problema di acquisto è enorme.
Il venditore rimane merchant of record
Un elemento importante del modello Google è che il merchant può rimanere il seller/merchant of record.
L’agente può accompagnare il cliente fino al checkout, ma il venditore continua a essere la controparte commerciale della transazione. Google prevede inoltre sia il checkout integrato sia la possibilità di trasferire il cliente sul sito del merchant per completare l’acquisto.
Questo però non elimina il problema principale.
Essere il venditore della transazione non significa necessariamente controllare il percorso che ha determinato quella transazione.
Ed è proprio questo il punto che mette sotto pressione marketplace come Zalando e Amazon.
Il vero rischio: perdere l’interfaccia con il cliente
Se il cliente trascorre sempre meno tempo sul sito del retailer e delega la ricerca a Gemini, ChatGPT, Alexa o a un altro agente, il merchant rischia di diventare progressivamente il backend operativo di una relazione commerciale controllata da qualcun altro.
Può continuare a gestire catalogo, magazzino, pagamento, spedizione, resi e assistenza, ma non necessariamente controlla il momento della scoperta e della scelta.
Nel podcast emergono quattro rischi principali: trasformarsi progressivamente in una piattaforma prevalentemente logistica; perdere una parte del rapporto diretto con il cliente; ridurre le opportunità di monetizzazione attraverso il Retail Media; subire una maggiore trasparenza e pressione sui prezzi.
Il terzo punto è particolarmente importante per i marketplace.
Con Retail Media si indicano gli spazi e i servizi pubblicitari venduti dai retailer ai brand che desiderano ottenere maggiore visibilità all’interno delle loro piattaforme.
Ma un AI Shopping Agent non ha necessariamente bisogno di mostrare al consumatore dieci risultati sponsorizzati.
Può confrontare centinaia di alternative e presentargli soltanto le due o tre che considera più adatte.
La domanda economica diventa quindi: chi controlla l’attenzione del cliente?
Se l’attenzione si trasferisce dal marketplace all’agente AI, una parte del valore pubblicitario può trasferirsi insieme ad essa.
Gli agenti possono rendere il confronto più razionale
C’è poi una seconda conseguenza.
Un consumatore umano non confronta sistematicamente migliaia di offerte.
Un agente AI può farlo.
Morgan Stanley osserva che un agente può cercare prodotti difficili da trovare, confrontare prezzi in tempo reale e automatizzare acquisti ricorrenti. La società stima che entro il 2030 gli agenti potrebbero intermediare fra 190 e 385 miliardi di dollari di e-commerce negli Stati Uniti, equivalenti circa al 10-20% della spesa e-commerce americana (https://www.morganstanley.com/insights/articles/agentic-commerce-market-impact-outlook).
Morgan Stanley Investment Management evidenzia inoltre una conseguenza competitiva interessante: quando i prodotti sono poco differenziati e facilmente intercambiabili, gli agenti possono ottimizzare in modo particolarmente aggressivo rispetto a prezzo e convenienza. Al contrario, prodotti con funzionalità realmente distintive e casi d’uso specifici potrebbero beneficiare della capacità dell’AI di individuare la soluzione più adatta fra centinaia di SKU (https://www.morganstanley.com/im/en-us/institutional-investor/insights/global-equity-observer/agentic-commerce-new-frontiers.html).
È un principio estremamente rilevante per il B2B.
L’Agentic Commerce potrebbe penalizzare il prodotto indistinguibile e valorizzare il prodotto tecnicamente differenziato – ma soltanto se tale differenza è descritta attraverso dati e contenuti che l’agente riesce a comprendere.
La risposta di Zalando: non scegliere tra piattaforma propria e agenti esterni
La strategia di Zalando è particolarmente interessante perché non consiste nel tentare semplicemente di fermare gli agenti esterni.
Zalando sta cercando di presidiare contemporaneamente più livelli dell’ecosistema.
Costruire un agente proprietario sfruttando dati che gli altri non possiedono
Il primo vantaggio di Zalando è costituito dai dati.
Nel fashion, trovare la taglia corretta è un problema molto più complesso di quanto possa apparire. Due capi etichettati con la stessa taglia possono avere vestibilità differenti, così come persone con misure corporee simili possono desiderare fit completamente diversi.
Zalando ha costruito negli anni sistemi che combinano dati sui prodotti, acquisti, resi, feedback sul fit, misure corporee e preferenze individuali.
Nel 2026 più di 1,5 milioni di clienti avevano già utilizzato il sistema di rilevazione delle misure corporee. Zalando dichiara di aver costruito il più grande dataset anonimizzato di misure corporee dei clienti fashion europei; nelle sperimentazioni della Virtual Fitting Room la riduzione dei resi ha raggiunto, in alcuni casi, il 40%, mentre nel 2025 l’insieme delle tecnologie Size & Fit ha evitato l’8% dei resi legati alla taglia (https://corporate.zalando.com/en/technology/how-zalando-uses-technology-help-customers-find-right-size).
Questo è un vero vantaggio competitivo basato su conoscenza proprietaria difficile da replicare.
Un agente generico può conoscere prezzo, colore e descrizione di una giacca.
L’agente di Zalando può potenzialmente sapere come quella giacca veste rispetto al corpo e alle preferenze di quello specifico cliente.
È una differenza fondamentale.
L’AI diventa realmente differenziante quando viene combinata con dati, conoscenze e processi che i concorrenti non possiedono.
Aprirsi contemporaneamente agli agenti di Google
Il secondo elemento della strategia sembra apparentemente contraddire il primo.
Zalando sostiene UCP.
In realtà la logica è molto chiara.
Se il cliente vuole rimanere all’interno di Zalando, l’azienda cerca di offrirgli un’esperienza AI proprietaria sempre più evoluta.
Ma se il cliente decide di utilizzare Gemini o un altro agente esterno, Zalando vuole comunque essere presente nel set di alternative che quell’agente può prendere in considerazione.
La presentazione agli investitori di marzo 2026 lo dice esplicitamente: Zalando considera l’Agentic Commerce un’opportunità per aumentare la propria quota di mercato oltre le proprie consumer app e dichiara il proprio sostegno allo Universal Commerce Protocol.
La strategia non è quindi: piattaforma proprietaria oppure ecosistema aperto. È: piattaforma proprietaria e contemporaneamente presenza negli ecosistemi esterni.
Diventare infrastruttura anche quando la vendita avviene altrove
C’è poi una terza direttrice, forse ancora più interessante per le aziende B2B.
Zalando aveva annunciato l’operazione ABOUT YOU nel dicembre 2024 e l’ha completata nel luglio 2025. Attraverso ABOUT YOU ha acquisito anche SCAYLE, piattaforma enterprise per la gestione dell’e-commerce (https://corporate.zalando.com/en/investor-relations/zalando-and-about-you-successfully-complete-transaction).
Oggi Zalando presenta ZEOS, Tradebyte e SCAYLE come componenti del proprio “operating system for e-commerce” rivolto ai brand e ai retailer.
Questo modifica profondamente il suo posizionamento.
Zalando può creare valore non soltanto quando il consumatore acquista su Zalando, ma anche quando altre aziende utilizzano la sua infrastruttura software, logistica o commerciale per vendere altrove.
Nei risultati del secondo trimestre 2026 il business B2B di Zalando ha raggiunto 334,7 milioni di euro di ricavi, in crescita del 27,6% su base reported, e l’azienda ribadisce l’obiettivo di supportare le transazioni dei propri clienti indipendentemente dal fatto che avvengano sulla piattaforma Zalando o al di fuori di essa https://corporate.zalando.com/en/financials/zalando-q2-2026-results).
È una risposta strategica elegante al rischio di disintermediazione: se non posso essere certo di possedere sempre il front-end della relazione commerciale, posso cercare di possedere una parte dell’infrastruttura su cui la relazione si appoggia.
Amazon: proteggere la piattaforma e contemporaneamente espandersi fuori da Amazon
La strategia di Amazon appare differente e, almeno in questa fase, più difensiva verso gli agenti esterni.
La tensione è diventata molto concreta nella controversia con Perplexity. Amazon aveva cercato di impedire agli agenti di Perplexity di accedere alla propria piattaforma e compiere acquisti per conto degli utenti; il 4 agosto 2026 una corte d’appello statunitense ha però annullato l’ingiunzione preliminare che aveva temporaneamente bloccato tali strumenti. La controversia legale continua ed è uno dei primi casi in cui viene affrontato esplicitamente il diritto di un agente AI di interagire con una piattaforma digitale per conto dell’utente (https://www.reuters.com/business/retail-consumer/amazon-loses-us-court-ban-perplexitys-ai-shopping-tools-2026-08-04).
La posta in gioco è evidente. Se un agente esterno entra su Amazon, confronta i prodotti e conclude l’acquisto senza che l’utente interagisca realmente con l’esperienza Amazon, la piattaforma rischia di perdere almeno parte del controllo su advertising, raccomandazioni, cross-selling e relazione con il cliente.
Amazon sta quindi sviluppando una strategia agentica propria.
Rufus continua a essere utilizzato come assistente AI per lo shopping e Amazon ha successivamente presentato Alexa for Shopping, descritta come l’evoluzione che combina le esperienze costruite con Rufus e Alexa+ (https://www.aboutamazon.com/news/company-news/amazon-stores-growth-q1-2026-earnings-call).
Contemporaneamente Amazon ha iniziato a fare qualcosa di ancora più interessante: portare dentro Amazon prodotti venduti altrove.
Con Shop Direct può mostrare prodotti disponibili sui siti di merchant esterni. In alcuni casi l’utente viene indirizzato al sito del venditore; con Buy for Me, invece, l’agente di Amazon può effettuare l’acquisto sul sito esterno per conto del cliente utilizzando in modo sicuro indirizzo e dati di pagamento disponibili nell’account Amazon (https://www.aboutamazon.com/news/retail/amazon-shop-direct-external-stores).
In sostanza, Amazon cerca di capovolgere il problema.
La minaccia è: “Un agente esterno usa Amazon come semplice fornitore.” La risposta potenziale è: “L’agente Amazon usa l’intero web come assortimento.”
Amazon entra anche nel consiglio tecnico di UCP
Il quadro diventa ancora più interessante nell’aprile 2026. Il 24 aprile Amazon, Meta, Microsoft, Stripe e Salesforce sono entrate nel Technical Council di UCP (https://ucp.dev/documentation/announcements).
Non significa necessariamente che Amazon intenda aprire indiscriminatamente il proprio marketplace agli agenti concorrenti.
Significa però che anche Amazon considera l’interoperabilità dell’Agentic Commerce abbastanza importante da partecipare alla definizione dello standard.
Si delinea quindi una strategia a più livelli: proteggere il proprio ecosistema, costruire agenti proprietari, estendere l’esperienza Amazon anche ai prodotti disponibili fuori da Amazon e, contemporaneamente, partecipare agli standard che potrebbero governare il commercio agentico futuro.
E se il vincitore non fosse Google?
Un altro spunto interessante del podcast riguarda Apple.
La corsa all’Agentic Commerce non si deciderà infatti soltanto sulla qualità del modello AI.
Servono almeno quattro elementi: accesso all’utente, conoscenza delle sue preferenze, connessione con i merchant e un sistema di pagamento di cui l’utente si fida.
Per questa ragione anche soggetti che possiedono un wallet, una relazione frequente con il consumatore o un ecosistema di dispositivi possono trovarsi in una posizione favorevole.
È troppo presto per stabilire chi controllerà questo nuovo livello del commercio digitale.
Ed è significativo che persino OpenAI abbia già modificato la propria strategia.
Il cambio di rotta di OpenAI: discovery prima del checkout
Il 24 marzo 2026 OpenAI ha annunciato un’evoluzione della propria strategia shopping.
La società continua a investire fortemente nella scoperta dei prodotti: ricerca conversazionale, confronto tra alternative, informazioni aggiornate, immagini e cataloghi forniti direttamente dai merchant.
Ma ha ridimensionato il modello iniziale di Instant Checkout.
OpenAI afferma che la prima versione non offriva ai merchant la flessibilità desiderata e ha scelto quindi di consentire loro di utilizzare i propri sistemi di checkout, concentrando ChatGPT soprattutto sulla product discovery (https://openai.com/index/powering-product-discovery-in-chatgpt/).
È un segnale importante. Anche uno dei protagonisti principali dell’AI generativa sta sperimentando dove sia più conveniente collocarsi nella catena del valore: nella scoperta? Nel confronto? Nell’intermediazione? Nel pagamento? Nel checkout? La risposta non è ancora definitiva.
Va inoltre sottolineato che OpenAI sta sviluppando il proprio Agentic Commerce Protocol – ACP, mentre Google e i suoi partner lavorano su Universal Commerce Protocol – UCP. Si tratta quindi, almeno oggi, di ecosistemi e protocolli distinti.
Che cosa significa tutto questo per il B2B
A prima vista può sembrare una trasformazione lontana dal mondo della distribuzione industriale. Non lo è. Alcuni aspetti dell’Agentic Commerce potrebbero risultare particolarmente adatti al B2B.
McKinsey osserva che nel B2B la delega non è individuale ma istituzionale: l’agente deve rispettare politiche di procurement, budget, contratti, fornitori approvati, criteri di rischio e procedure autorizzative (https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-automation-curve-in-agentic-commerce).
In una prima fase può aiutare il buyer a confrontare fornitori in base a specifiche tecniche, performance storiche, condizioni contrattuali o requisiti di sostenibilità.
A un livello successivo può preparare un pacchetto già pronto per l’approvazione comprendente prodotti, quantità, fasce di prezzo, livelli di servizio e obblighi contrattuali.
Infine, quando gli vengono attribuiti limiti precisi di autonomia, può gestire attività come riordini, rinnovi, sostituzioni ed eccezioni, coinvolgendo una persona soltanto quando si esce dalle regole previste (https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-automation-curve-in-agentic-commerce).
Va sottolineato che SAP sta già portando agenti AI nelle attività di sourcing, supplier management, requisition, buying, contract management e spend management (https://news.sap.com/2026/05/enabling-autonomous-spend-management-ai-connected-processes), mentre Oracle sta introducendo applicazioni agentiche integrate nei processi di procurement, supply chain e gestione degli ordini.
Questo permette di intravedere alcune conseguenze concrete.
Il catalogo prodotti diventa un’infrastruttura destinata anche alle macchine
Per anni le aziende hanno progettato cataloghi e siti prevalentemente per le persone.
Titoli, fotografie, testi commerciali, menu e filtri dovevano aiutare un essere umano.
Domani dovranno aiutare contemporaneamente persone e agenti digitali.
Google sta già aggiungendo a Merchant Center attributi destinati alla ricerca conversazionale, comprendenti per esempio risposte alle domande frequenti, accessori compatibili e prodotti sostitutivi (https://blog.google/products/ads-commerce/agentic-commerce-ai-tools-protocol-retailers-platforms/).
SAP sintetizza bene il problema: un agente non può raccomandare ciò che non riesce a interpretare; attributi, specifiche, disponibilità e altre informazioni verificabili diventano parte dell’infrastruttura attraverso cui il prodotto viene scoperto e selezionato (https://news.sap.com/2026/01/agentic-ai-reshaping-commerce-discovery-payments-trust).
Nel B2B questo significa rendere comprensibili alle macchine non soltanto: codice, descrizione e prezzo; ma anche: applicazioni, materiali lavorabili, prestazioni, dimensioni, compatibilità, accessori, alternative, norme, certificazioni, vincoli, disponibilità, tempi di consegna, unità di vendita e relazioni fra prodotti.
La qualità del PIM e della knowledge base diventa quindi direttamente collegata alla capacità commerciale dell’azienda.
Il vero equivalente del “Fit” di Zalando è la conoscenza applicativa
L’esempio di Zalando offre una lezione particolarmente importante. Il suo vantaggio non deriva semplicemente dal possedere molti SKU. Deriva dal possedere conoscenza che permette di scegliere meglio fra quegli SKU.
Nel B2B l’equivalente della conoscenza della vestibilità può essere: quale utensile è adatto a una determinata lavorazione; quale componente è compatibile con una macchina; quale ricambio sostituisce correttamente un codice precedente; quali condizioni operative rendono preferibile una soluzione rispetto a un’altra; quali accessori devono essere utilizzati insieme; quali vincoli normativi o tecnici devono essere rispettati.
Un distributore che possiede soltanto il codice e il prezzo può essere facilmente confrontato.
Un distributore che possiede conoscenza applicativa strutturata e verificabile offre a un agente qualcosa di molto più difficile da sostituire.
La disponibilità non basta: servirà rendere interrogabili anche le regole commerciali
Un buyer agent non deve soltanto sapere che un prodotto esiste.
Per poter arrivare a una decisione ha bisogno di conoscere anche condizioni operative della transazione.
Nel B2B questo potrebbe comprendere prezzi specifici per cliente, quantità minime, confezioni, scaglioni, sconti contrattuali, disponibilità reale, lead time, condizioni di consegna, fornitori qualificati, sostituzioni consentite e limiti di spesa.
L’infrastruttura commerciale deve quindi evolvere dal semplice catalogo consultabile verso sistemi che gli agenti possano interrogare attraverso API e protocolli controllati.
McKinsey parla esplicitamente di un commercio sempre più API-first, perché gli agenti devono poter accedere a dati e capacità operative, non soltanto leggere pagine web (https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-automation-curve-in-agentic-commerce).
La GEO non riguarda più soltanto essere citati nelle risposte
Oggi quando si parla di Generative Engine Optimization l’attenzione è spesso rivolta a una domanda: come fare in modo che ChatGPT, Gemini e gli altri motori AI citino la mia azienda?
L’Agentic Commerce aggiunge una domanda molto più importante: come fare in modo che il mio prodotto entri nel perimetro decisionale dell’agente digitale e venga scelto?
Si tratta di due livelli differenti.
Nel primo caso occorre rendere la conoscenza aziendale comprensibile e autorevole affinché venga recuperata durante la generazione di una risposta.
Nel secondo è necessario rendere comprensibili anche catalogo, attributi, condizioni commerciali e capacità transazionali, perché l’AI possa includere realmente l’offerta in un processo decisionale.
Si passa quindi progressivamente da una GEO dei contenuti a una sorta di GEO dell’offerta commerciale.
Il sito web potrebbe perdere parte del suo ruolo di punto di ingresso
Questo non significa che i siti B2B scompariranno. Significa che potrebbero non essere più necessariamente il primo punto di contatto.
Un buyer potrebbe iniziare la ricerca all’interno dell’assistente AI aziendale, del proprio ERP, della piattaforma di procurement oppure di un agente generalista.
L’agente costruisce la shortlist. Solo successivamente il buyer raggiunge eventualmente il sito del fornitore. O forse non lo raggiunge affatto.
Il rischio non è quindi soltanto perdere traffico. È non entrare nella shortlist costruita dall’agente.
Da qui nasce anche la necessità di ripensare le metriche. Oltre a visite, ranking SEO e conversion rate, diventeranno interessanti indicatori come presenza nelle raccomandazioni AI, referral provenienti dagli agenti, frequenza di inclusione nelle shortlist, richieste di preventivo generate dall’AI e conversione dei percorsi agent-mediated.
Il rapporto con il cliente rimane un asset da difendere
L’esperienza di Zalando mostra anche l’altra metà della strategia.
Aprirsi agli agenti esterni non significa rinunciare a costruire un proprio livello conversazionale.
Per un distributore B2B potrebbe diventare strategico disporre di un proprio agente capace di utilizzare catalogo, PIM, documentazione tecnica, storico commerciale e altre fonti autorizzate per aiutare il cliente a trovare la soluzione corretta.
In questo modo l’azienda può presidiare entrambi gli scenari: quando il cliente arriva direttamente sui propri canali, offre un’esperienza AI specialistica; quando il cliente utilizza un agente esterno, rende comunque disponibili dati e servizi sufficientemente strutturati da essere scoperta e valutata.
È, in sostanza, la stessa logica seguita da Zalando: costruire un’esperienza proprietaria senza isolarsi dall’ecosistema.
Il punto non è chi possiederà il chatbot. È chi controllerà il processo decisionale
La trasformazione in corso può essere letta come una battaglia fra Google, Amazon, OpenAI, Apple e altri grandi operatori.
Ma per le aziende il problema è un altro. L’Agentic Commerce separa progressivamente funzioni che nell’e-commerce tradizionale erano concentrate nello stesso luogo.
La scoperta del bisogno può avvenire in un assistente AI.
La ricerca può utilizzare cataloghi distribuiti.
La valutazione può essere effettuata da un modello.
La raccomandazione può provenire da un agente.
Il carrello può appartenere a una piattaforma diversa dal retailer.
Il pagamento può essere gestito da un wallet.
La transazione può essere eseguita presso il merchant.
La logistica può essere fornita da un altro operatore ancora.
Il valore economico tende quindi a distribuirsi fra più livelli.
Ed è proprio per questo che Zalando cerca contemporaneamente di controllare la relazione con il consumatore, partecipare allo standard UCP e diventare infrastruttura B2B per altri retailer.
Amazon difende il proprio ecosistema ma contemporaneamente costruisce strumenti che consentono ai clienti Amazon di acquistare fuori da Amazon.
Google cerca di diventare il livello attraverso il quale intenzione, discovery, carrello e pagamento vengono orchestrati.
OpenAI, almeno nella fase attuale, ha scelto di concentrarsi soprattutto sul momento in cui il consumatore deve capire che cosa acquistare.
Non sappiamo ancora quale configurazione prevarrà, ma un aspetto appare già abbastanza chiaro: per le aziende B2B, prepararsi all’Agentic Commerce significa soprattutto preparare dati, conoscenza e processi.
L’errore sarebbe considerare l’Agentic Commerce semplicemente come la prossima funzione da aggiungere all’e-commerce. È preferibile interpretarlo come una nuova modalità attraverso cui la domanda può raggiungere l’offerta.
Per prepararsi, un’azienda B2B dovrebbe quindi chiedersi se un agente AI è in grado di:
- capire con precisione che cosa vende
- distinguere prodotti apparentemente simili
- conoscere applicazioni e vincoli
- verificare compatibilità e relazioni tra prodotti
- individuare alternative e sostituzioni
- accedere a dati affidabili su disponibilità e condizioni commerciali
- comprendere documentazione tecnica e normativa
- collegare un bisogno espresso in linguaggio naturale ai prodotti corretti
- interagire con sistemi aziendali attraverso interfacce controllate
- eseguire eventualmente determinate operazioni entro regole e autorizzazioni precise.
Non tutte queste capacità sono necessarie oggi.
Ma quasi tutte richiedono lo stesso prerequisito: dati strutturati, contenuti affidabili, conoscenza aziendale governata e processi digitali accessibili attraverso interfacce appropriate.
Ed è probabilmente questa la lezione più importante che il caso di Zalando offre anche alle aziende industriali.
Il vantaggio competitivo nell’era degli agenti AI non sarà dato soltanto dal possedere un buon modello linguistico. Sarà dato soprattutto dal possedere informazioni e competenze che consentano a quel modello di prendere decisioni migliori di quelle che potrebbe prendere utilizzando soltanto dati generici disponibili sul mercato.
L’Agentic Commerce rende quindi ancora più stretto il rapporto fra AI e knowledge management.
Prima le aziende hanno digitalizzato i cataloghi.
Poi hanno reso ricercabili prodotti e documenti.
Ora stanno rendendo quella conoscenza interrogabile attraverso il linguaggio naturale.
Il passaggio successivo sarà renderla utilizzabile dagli agenti per decidere e agire.
Ed è in quel passaggio che potrebbe giocarsi una parte importante della futura competizione digitale B2B.