Il prossimo cliente che acquisterà sul tuo ecommerce potrebbe non essere un essere umano. Sarà un agente AI che confronta prezzi, legge recensioni, verifica la disponibilità e completa la transazione in pochi secondi, senza che nessuna persona abbia mai aperto il tuo sito. L’agentic commerce non è uno scenario futuro: è già in corso, e le implicazioni per chi gestisce un business online sono profonde quanto quelle del passaggio al mobile.
Il Rapporto Ecommerce Italia 2026 di Casaleggio Associati, elaborato su oltre 16.000 siti attivi e 145 operatori intervistati, lo fotografa con numeri precisi. Il mercato dell’intelligenza artificiale applicata all’ecommerce raggiungerà i 9,9 miliardi di dollari nel 2026. Il traffico referral generato dall’AI generativa verso i siti di shopping è cresciuto di sette volte in un solo anno, passando da 6 milioni di visite mensili nell’ottobre 2024 a 41 milioni nel dicembre 2025.
Che cosa si intende per agentic commerce
Fino a pochi anni fa l’intelligenza artificiale nell’ecommerce significava raccomandazioni di prodotto, chatbot di assistenza e motori di ricerca interni più intelligenti. Strumenti utili, ma passivi: intervenivano solo quando un utente umano iniziava una sessione.
Dagli assistenti agli agenti autonomi
Il paradigma è cambiato. L’agentic commerce descrive un modello in cui agenti AI ricevono istruzioni complesse da parte dell’utente, ragionano, pianificano e agiscono autonomamente per completare acquisti. L’utente dice al proprio assistente “trovami le migliori scarpe da running sotto i 150 euro con consegna entro domani” e l’agente confronta cataloghi, valuta recensioni, ottimizza per i criteri definiti e acquista, senza intervento umano.
Non si tratta di chatbot con risposte preconfezionate. Sono sistemi capaci di interrogare cataloghi strutturati, leggere dati di disponibilità in tempo reale, valutare condizioni commerciali e completare transazioni. OpenAI ha integrato il checkout diretto in ChatGPT tramite l’Agentic Commerce Protocol, con partner come Shopify, Etsy e Stripe, disponibile per tutti gli utenti USA dal febbraio 2026. Google ha lanciato lo Universal Commerce Protocol al NRF di gennaio 2026 con Walmart, Target e Shopify come primi partner. Amazon ha risposto con “Buy for Me”, un agente che acquista da siti terzi senza uscire dall’app.
I numeri che descrivono la transizione
Le stime convergono su cifre che ridisegneranno il mercato. Secondo Morgan Stanley, gli shopper personali agentici potrebbero rappresentare tra 190 e 385 miliardi di dollari di spesa ecommerce USA entro il 2030, catturando il 10-20% del mercato. Bain & Company proietta che il fenomeno raggiungerà il 15-25% delle vendite retail online statunitensi. A livello globale, secondo McKinsey, il commercio agenziale potrà intermediare tra 3.000 e 5.000 miliardi di dollari di spesa.
I segnali nel presente sono già concreti. Amazon Rufus AI ha raggiunto 300 milioni di utenti e generato circa 12 miliardi di dollari in vendite incrementali nel 2025, con tassi di conversione superiori del 60% tra gli utenti attivi. I clienti che usano l’assistente AI Sparky di Walmart hanno un valore ordine superiore del 35%.
Perché il tuo sito potrebbe diventare invisibile
Qui emerge la sfida operativa più concreta per chi gestisce un ecommerce. Un agente AI analizza dati strutturati: non naviga un sito come farebbe un utente umano, non è influenzato dal design, non reagisce alle immagini emozionali, non legge banner pubblicitari. Confronta specifiche, prezzi, tempi di consegna, disponibilità di stock, recensioni aggregate. Se i tuoi dati prodotto non sono strutturati e leggibili per i Large Language Model, il prodotto semplicemente non esiste per l’agente.
La machine-readability diventa priorità strategica
Il concetto che sta emergendo è la Generative Engine Optimization, spesso citata con l’acronimo GEO. A differenza della SEO tradizionale, che ottimizza per i motori di ricerca, la GEO punta a rendere contenuti e dati comprensibili e citabili dai sistemi AI quando generano raccomandazioni. In pratica significa rivedere il catalogo prodotti verificando che ogni articolo disponga di attributi completi e coerenti: dimensioni, materiali, varianti, compatibilità, certificazioni, informazioni logistiche. Significa usare formati standardizzati come markup strutturati basati su schema.org o JSON-LD. Significa curare FAQ strutturate, comparazioni tra prodotti e identificatori univoci come SKU, GTIN o MPN.
Il rapporto BigCommerce x Future Commerce del 2024, condotto su oltre 200 ecommerce executive americani, conferma questa direzione dal lato della domanda: il 58% degli intervistati dichiara di voler vedere la ricerca AI integrata nelle funzionalità predefinite dei siti. Gli utenti più giovani, definiti “Scroll Set”, si dimostrano tre volte più propensi a usare ChatGPT rispetto a Google quando esplorano una nuova categoria di prodotto.
Il catalogo come database interrogabile
Un catalogo ecommerce deve diventare sempre più simile a un database interrogabile piuttosto che a una pagina di marketing. Gli assistenti AI non esplorano un sito come farebbe un cliente: analizzano feed, API e dataset strutturati. Di conseguenza, il catalogo di un negozio online dovrebbe essere accessibile non solo tramite l’interfaccia web ma anche attraverso endpoint che possano essere interrogati dagli agenti. La presenza negli ambienti conversazionali diventa una nuova forma di distribuzione, analoga a quella che i marketplace hanno rappresentato negli ultimi dieci anni.
Le tre difese per non diventare commodity
Casaleggio Associati identifica con precisione il rischio principale: quando una parte crescente della scoperta, del confronto e della scelta viene delegata a un assistente intelligente, i brand rischiano di diventare invisibili. L’agente AI ottimizza ciò che è leggibile, confrontabile e disponibile: premia ciò che può misurare. Il pericolo è la commoditizzazione totale, in cui il prezzo più basso vince sempre perché è l’unica variabile che l’agente riesce a pesare.
Per evitarlo, il rapporto individua tre linee di protezione complementari che vale la pena tradurre in azioni operative.
Brand: costruire preferenza prima della delega
Se un cliente dice al proprio agente “comprami scarpe Nike”, l’algoritmo non sostituisce quella preferenza: al massimo la esegue. Un brand forte è richiesto, non solo riconosciuto. Nel nuovo contesto deve essere forte su due livelli: nella mente del consumatore, attraverso brand storytelling coerente e valoriale, e nel “cervello” dell’agente AI, attraverso dati prodotto strutturati e machine-readable, recensioni arricchite con insight strutturati, inventario in tempo reale e programmi fedeltà leggibili computazionalmente. Il dato del report americano è coerente: l’83% degli utenti dichiara che raccomandazioni irrilevanti sono peggiori di nessuna raccomandazione. La qualità dei dati che alimentano le raccomandazioni è quindi già oggi una questione di brand protection.
Esperienza: creare momenti che non si delegano
L’antidoto alla disintermediazione dell’agente AI è il desiderio, non la tecnologia. Un acquirente che vive un’esperienza coinvolgente, un live show, un video shoppable, una meccanica di gioco, non delega la scelta a nessun algoritmo. Il live shopping genera tassi di conversione tra il 9% e il 30% rispetto all’ecommerce tradizionale e riduce il tasso di reso del 40% (fonte: Firework, 2025). TikTok Shop ha generato oltre 500 milioni di dollari in vendite in soli quattro giorni durante il Black Friday 2025. Il 46% degli acquirenti si dichiara influenzato dal video breve nel processo d’acquisto. La sessione live è, per definizione, irriproducibile da un bot: l’interazione reale, le domande in tempo reale e le reazioni del presenter creano un’esperienza emotiva che nessun agente può ancora simulare con la stessa efficacia.
Relazione: il vantaggio dei dati privati
L’agente del consumatore lavora su dati pubblici: prezzi, disponibilità, recensioni aggregate. Il brand invece può costruire un patrimonio molto più ricco e difendibile: cronologia d’acquisto, preferenze dichiarate, timing di ricontatto, contesto, fiducia. CRM, WhatsApp e first-party data non sono solo strumenti di retention: diventano una barriera competitiva perché rendono la relazione più utile, più personale e più difficile da sostituire. Un messaggio WhatsApp ben costruito converte tra il 45% e il 60% dei destinatari, contro il 2-3% di una email di cart recovery (fonte: Zixflow, 2025). Le campagne WhatsApp con personalizzazione avanzata raggiungono conversion rate 3,5 volte superiori rispetto ai messaggi generici.
Cosa fare adesso: roadmap operativa per gli ecommerce manager
Il Rapporto Ecommerce Italia 2026 delinea una roadmap che distingue azioni a breve e medio termine. Non tutte richiedono investimenti significativi: alcune partono dalla revisione di ciò che già esiste.
Azioni immediate sul catalogo e sulla visibilità AI
Il primo passo è la qualità dei dati prodotto. Ogni articolo del catalogo dovrebbe avere attributi completi, identificatori univoci, FAQ strutturate e comparazioni tra prodotti. Parallelamente, vale la pena iniziare a monitorare come il brand appare nelle risposte degli assistenti generativi: testare periodicamente query tipiche dei clienti su ChatGPT, Google Gemini e Perplexity per verificare se il brand viene citato e quali fonti vengono usate. Il 35% delle aziende italiane ha già implementato sistemi di intelligenza artificiale nei propri processi ecommerce, con un ulteriore 26% che stima l’adozione entro un anno (Casaleggio Associati, 2026).
Infrastruttura di pagamento e checkout API-first
Nel breve periodo diventa opportuno valutare l’infrastruttura dei pagamenti. Alcuni protocolli emergenti consentono già agli agenti AI di completare transazioni per conto dell’utente, interrogando direttamente i sistemi di pagamento e il catalogo dei merchant. Piattaforme come Stripe, PayPal e Adyen stanno sviluppando strumenti che rendono possibile questo tipo di interazione. Progettare il checkout con un approccio più API-first significa che le operazioni di verifica disponibilità, creazione del carrello e pagamento possano essere eseguite anche da sistemi automatizzati, senza che l’utente debba aprire il sito.
GEO e costruzione del patrimonio informativo
Nel medio termine, accanto alla SEO tradizionale va costruita una strategia GEO. L’obiettivo è diventare una fonte che i modelli AI considerano affidabile e citabile: guide tecniche, database di prodotto strutturati, comparazioni dettagliate, knowledge graph che descrivano l’offerta del brand. Le aziende che costruiranno un patrimonio informativo solido avranno maggiori probabilità di essere citate nelle risposte generate dagli assistenti, indipendentemente dal canale attraverso cui l’utente farà la ricerca.
Il cambiamento che sta arrivando non riguarda solo chi compra online. Riguarda chi verrà escluso dal processo di selezione prima ancora che un essere umano abbia espresso una preferenza. Prepararsi significa agire adesso, quando la finestra competitiva per i first mover è ancora aperta. Contattaci per un’analisi della maturità del tuo ecommerce rispetto all’era degli agenti AI.
