---

​ Prenota un B2B Commerce Assessment.                Scarica il case study 

---

Scopri come costruire un ecosistema e-commerce B2B capace di connettere aziende, ERP, cataloghi e processi commerciali differenti senza rinunciare a scalabilità e governance.

Elex Italia lo ha fatto insieme a SMC Consulting e BigCommerce.

11 aziende | 11 ERP | 800.000+ referenze | €3 mld di fatturato aggregato

Confrontati con un Account Executive BigCommerce o un consulente SMC Consulting sul tuo scenario e-commerce B2B.

---

​ Prenota un B2B Commerce Assessment.                Scarica il case study 

---

B2B e-commerce trends 2026: l’AI incontra l’operatività

Il 2026 sarà l’anno in cui l’intelligenza artificiale dovrà dimostrare il proprio valore nel commercio B2B. Dalle nuove modalità di ricerca prodotto guidate dall’AI, agli agenti che iniziano ad acquistare in autonomia, fino al ruolo strategico dell’e-commerce management: scopri le 6 tendenze chiave che ridefiniranno il settore nei prossimi 12 mesi.

Scarica il report gratuito e scopri come prepararti al futuro dell’e-commerce B2B.

Compila il form per scaricare il report .

Nel giro di poche settimane sono arrivati tre segnali che vanno nella stessa direzione. La sicurezza e-commerce si gioca sempre più sul traffico degli agenti AI. Servono nuovi standard per dimostrare che una transazione avviata da un’intelligenza artificiale sia valida. E i bug più diffusi nel software di e-commerce riguardano proprio i pagamenti.

Chi gestisce un e-commerce B2B o B2C deve quindi intervenire su tre livelli: sicurezza, tracciabilità delle transazioni e qualità del codice.

Sicurezza e-commerce: il traffico non umano è già maggioranza

Un report internazionale sulla sicurezza del commercio digitale, pubblicato il 15 luglio, fotografa un settore commerce diventato il bersaglio più colpito dai criminali informatici.

A dicembre 2025, il 47,9% del traffico commerce a livello globale era generato da bot di intelligenza artificiale.

Il settore continua inoltre a subire un flusso costante di attacchi DDoS applicativi e di exploit mirati alle API. Il confine tra attacco tradizionale e abuso dei nuovi canali agentivi diventa quindi sempre più sottile.

Per chi progetta l’infrastruttura di sicurezza, il traffico bot non è più un’anomalia da filtrare in blocco. Occorre distinguere tra agenti legittimi che acquistano per conto di un cliente e traffico malevolo.

Ed è una distinzione che i sistemi progettati esclusivamente per il traffico umano non sanno ancora gestire bene.

Come dimostrare che una transazione è stata avviata da un agente AI

Il 20 luglio è stato reso pubblico per commenti, fino al 14 agosto, un nuovo protocollo pensato per costruire un registro di prova in grado di stabilire la validità di una transazione avviata da un agente di intelligenza artificiale.

È un tassello che si aggiunge agli standard aperti già in circolazione dall’inizio del 2026, che regolano il modo in cui un agente può leggere un catalogo e completare un acquisto.

Se questi standard riguardano il momento dell’acquisto, il nuovo protocollo guarda a ciò che succede dopo.

La domanda diventa: come dimostrare, in caso di contestazione, che a completare l’ordine è stato davvero un agente autorizzato e non un errore o un abuso?

È un tema destinato a diventare sempre più rilevante con la crescita dell’agentic commerce.

Dove si nascondono davvero i bug

Un report sulla qualità del software, pubblicato nella stessa giornata, offre un altro dato che merita attenzione: il 22% dei problemi software di severità medio-alta segnalati nel 2026 riguarda i pagamenti.

Il dato pesa ancora di più in uno scenario in cui cresce la quota di transazioni avviate autonomamente da un agente AI.

Un bug nel pagamento non rappresenta più soltanto un momento di frustrazione per un cliente umano che può riprovare. Può diventare un punto di rottura silenzioso all’interno di un flusso automatizzato, senza che nessuno intervenga in tempo reale.

Per questo la qualità del codice e la sicurezza dei pagamenti diventano elementi centrali dell’affidabilità di un e-commerce.

Da dove iniziare

Prima di aprire il proprio catalogo agli acquisti automatizzati, conviene partire da una verifica in tre passaggi:

1. Audit del traffico bot e della protezione delle API, in particolare quelle che espongono prezzi e disponibilità.
2. Revisione della copertura dei test sui principali flussi di pagamento.
3. Valutazione della piattaforma e-commerce, per capire quanto sia già pronta a documentare e tracciare le transazioni avviate da un agente AI.

Nessuno di questi passaggi richiede di aspettare che i nuovi standard diventino obbligatori.

Chi affronta oggi questi temi può arrivare preparato quando l’acquisto tramite agenti AI diventerà una componente strutturale del commercio digitale.

Vuoi verificare la sicurezza del tuo e-commerce?

Una revisione dell’architettura può aiutarti a individuare vulnerabilità, criticità nei flussi di pagamento e aree di miglioramento nella gestione del traffico AI.

confrontati con il nostro team

---

​ Prenota un B2B Commerce Assessment.                          Scarica il case study 

---

Ti riconosci in una di queste situazioni?

• Gestisci più business unit, società, brand o mercati con esigenze differenti

Ogni realtà ha processi, cataloghi o priorità propri — e nessuna piattaforma finora è riuscita a rispettarli tutti insieme.

• Il tuo ecosistema comprende ERP, PIM, CRM o sistemi legacy che devono continuare a dialogare con l’e-commerce

Sistemi critici che non puoi sostituire, ma che l’infrastruttura digitale deve saper integrare senza frizioni.

• Gestisci centinaia di migliaia di SKU, cataloghi o condizioni commerciali differenti per cliente

Un volume e una varietà che rendono impraticabile qualsiasi approccio standard o “taglia unica”.

• Una parte significativa degli ordini B2B passa ancora attraverso email, telefono, Excel o attività manuali del sales team

Processi che funzionano, ma che rallentano la crescita e assorbono tempo prezioso del tuo team commerciale.

• Vuoi offrire più autonomia digitale ai clienti senza perdere il controllo su pricing, account, ruoli e processi

L’obiettivo non è solo digitalizzare, ma farlo mantenendo la governance che la tua organizzazione richiede.

Se ti riconosci anche solo in una di queste situazioni, probabilmente è il momento di ripensare la tua architettura B2B — non da zero, ma a partire da ciò che già funziona.

---

​ Prenota un B2B Commerce Assessment.                          Scarica il case study 

---

Per anni il dibattito sull’intelligenza artificiale si è concentrato soprattutto sulla produttività, tra scrittura più veloce e attività ripetitive automatizzate. Le decisioni aziendali, oggi, passano sempre più spesso attraverso un confronto diretto con un sistema di intelligenza artificiale. L’ultima edizione dello studio How People Are Really Using AI di Harvard Business Review racconta un’evoluzione precisa in questa direzione. Lo studio ha analizzato quasi 13.000 casi d’uso reali raccolti online. Il risultato più sorprendente riguarda la classifica degli utilizzi più diffusi: al primo posto restano il supporto emotivo e la compagnia, seguiti dalla risoluzione di problemi pratici, mentre molti impieghi professionali tradizionali scendono nella graduatoria.

Come sta cambiando l’uso dell’intelligenza artificiale nelle aziende

Tre anni fa la prima edizione della stessa ricerca raccontava un quadro diverso. L’attenzione era concentrata soprattutto sulla produttività individuale, tra generazione di contenuti e risparmio di tempo. Nel 2026 sempre più persone utilizzano l’intelligenza artificiale per ragionare e affrontare decisioni complesse, mettendo ordine tra le informazioni disponibili.

L’intelligenza artificiale entra quindi in uno spazio che fino a poco tempo fa apparteneva soprattutto a colleghi e mentori. Quando migliaia di persone iniziano a delegare all’intelligenza artificiale parti crescenti dei processi di analisi e sintesi, cambia anche il modo in cui si formano le competenze e si costruisce il giudizio professionale.

Il rischio segnalato da Harvard Business Review

Lo studio segnala come uno dei rischi emergenti del 2026 la possibilità di lasciare che l’intelligenza artificiale pensi al posto delle persone. Il rischio riguarda meno l’automazione dei compiti pratici e più la qualità del giudizio che un’azienda riesce a mantenere nel tempo.

L’accesso alle informazioni perde valore come vantaggio competitivo

Per molto tempo il vantaggio competitivo di un’azienda è nato dall’accesso a informazioni che i concorrenti non avevano. Oggi gran parte delle informazioni è disponibile a tutti, spesso in tempo reale. Di conseguenza, la differenza la fa sempre più la capacità di interpretare contesti ambigui e mantenere senso critico, anche quando un sistema produce risposte convincenti in pochi secondi. Conta anche la capacità di formulare le domande giuste prima di affidarsi a una risposta automatica.

Cosa cambia per chi gestisce un e-commerce

Per un team che gestisce un e-commerce B2B, l’intelligenza artificiale può velocizzare report, analisi della concorrenza e prime bozze di contenuto. Il valore aggiunto del team resta però nelle scelte che richiedono contesto, come il posizionamento di un nuovo prodotto o la gestione di un cliente importante in difficoltà. Lo stesso vale per la risposta a un imprevisto normativo, dove la conoscenza specifica dell’azienda fa la differenza.

Le aziende che funzionano meglio in questo scenario tendono a mantenere un passaggio umano nei processi chiave, prima di pubblicare un’analisi o di inviare una proposta a un cliente. Questo passaggio richiede poco tempo e garantisce che le decisioni restino coerenti con il contesto specifico dell’azienda.

Investire nella qualità delle domande che il team pone all’intelligenza artificiale diventa quindi una competenza operativa concreta, utile tanto nella formazione quanto nel lavoro quotidiano. Se vuoi strutturare questo passaggio all’interno del tuo team puoi confrontarti con noi per costruire processi che uniscono velocità dell’intelligenza artificiale e giudizio umano.

L’intelligenza artificiale sta cambiando il modo in cui le aziende italiane valutano nuovi mercati B2B. Dazi più alti e tensioni geopolitiche spingono molte imprese a ripensare le filiere e a guardare oltre i confini abituali. Il cambiamento più interessante riguarda però la velocità con cui oggi si può testare un mercato prima di investirci risorse vere. Secondo il report Digital Trends 2026 di Intershop, l’intelligenza artificiale permette di costruire in pochi giorni un negozio online localizzato. Lo stesso supporto aiuta a tradurre i contenuti in più lingue. Permette anche di gestire le prime richieste dei clienti, anche senza un team già presente sul territorio. Per le piccole e medie imprese italiane che esportano, questo significa poter validare un’idea con un investimento iniziale più contenuto.

Tre strategie per ridisegnare la produzione e i mercati

Le aziende che riorganizzano la propria presenza internazionale seguono di solito approcci distinti tra loro. Il reshoring riporta la produzione nel paese di origine, con l’obiettivo di riguadagnare controllo sulla filiera e accorciare i tempi di consegna. Il nearshoring sposta invece la produzione verso paesi vicini al mercato di sbocco, per ridurre i costi di trasporto e restare nello stesso fuso orario. Il friendshoring punta su partner commerciali stabili dal punto di vista geopolitico, per diversificare i rischi e mantenere relazioni di lungo periodo.

Secondo una rilevazione di Capgemini citata nel report Intershop, il 56% delle aziende ha investito in nearshoring o reshoring nel 2025, contro il 42% del 2024. L’aumento conferma che la revisione delle filiere produttive è già una priorità operativa per molte imprese, al di là delle discussioni nei consigli di amministrazione.

Come l’intelligenza artificiale abbassa le barriere d’ingresso

Entrare in un mercato nuovo richiedeva fino a poco tempo fa un investimento consistente in personale locale, traduzioni professionali e ricerche di mercato. Oggi gli strumenti di intelligenza artificiale generativa permettono di creare pagine prodotto localizzate e tradurre cataloghi in più lingue in tempi molto più brevi. Di conseguenza, un’azienda può aprire una vetrina digitale in un nuovo paese e iniziare a raccogliere segnali di domanda reale prima ancora di assumere personale sul posto.

Un copilota multilingue può inoltre gestire le prime richieste di assistenza dei clienti, rispondendo a domande frequenti su prodotti, spedizioni e condizioni commerciali. Questo tipo di supporto riduce il tempo che intercorre tra il lancio della vetrina e la prima vendita reale. Per esempio, un produttore di componenti industriali può testare la domanda in un paese europeo limitrofo nel giro di poche settimane, raccogliendo dati prima di decidere se aprire una sede locale.

Cosa significa per le PMI italiane che esportano

Per molte piccole e medie imprese italiane, il limite principale all’espansione internazionale è sempre stato la mancanza di risorse da dedicare a un nuovo mercato durante la fase di test. Gli strumenti descritti nel report Intershop riducono questo limite, perché permettono di concentrare gli investimenti sulle attività che generano risultati misurabili, come la qualità del prodotto e l’affidabilità della consegna. Le risorse umane possono quindi essere allocate in un secondo momento, una volta che il mercato ha dimostrato un potenziale concreto.

Da dove iniziare per testare un nuovo mercato

Prima di avviare un test in un nuovo mercato, conviene definire con chiarezza quali indicatori misurare: traffico sulla vetrina localizzata, richieste di preventivo e tempo medio di risposta del copilota. Questi indicatori permettono di capire, con un investimento contenuto, se un mercato merita un impegno maggiore.

Conviene inoltre verificare la qualità dei dati di prodotto già disponibili, perché un catalogo incompleto rallenta sia la traduzione automatica sia la capacità del copilota di rispondere correttamente alle domande dei clienti. Le aziende che hanno già investito in dati di prodotto strutturati partono quindi in una posizione di vantaggio quando decidono di testare un mercato nuovo.

Le imprese che muovono i primi passi in questa direzione possono contare su un margine di errore più ampio rispetto a un’apertura tradizionale, perché il costo di un test fallito resta basso. Chi gestisce un e-commerce B2B può quindi permettersi di sperimentare più mercati in parallelo, raccogliendo dati reali prima di scegliere dove investire risorse durature. Per valutare quali mercati testare per primi e quali dati servono prima di partire, è possibile richiedere un confronto con il team di SMC Consulting.

11 aziende. Un solo sistema ecosistema. Zero compromessi sulla governance
Cos’è il case study Elex Italia × SMC Consulting × BigCommerce?

Il case study documenta come Elex Italia, consorzio italiano di distribuzione di materiale elettrico e termoidraulico con 3 miliardi di euro di fatturato aggregato e il 37% di quota di mercato in Italia, ha costruito con SMC Consulting un ecosistema e-commerce B2B su piattaforma BigCommerce per le sue 11 aziende consorziate, gestendo oltre 800.000 referenze prodotto e integrando in tempo reale 11 ERP differenti su un’unica infrastruttura.

Compila il form per scaricare il case study completo in PDF.

Le schede prodotto di un e-commerce sono le pagine più vicine all’acquisto, eppure restano tra le più trascurate dal punto di vista della visibilità. Nel 2026 il problema si è complicato: ottimizzarle per Google non basta più. Bisogna renderle leggibili anche per gli algoritmi generativi di ChatGPT, Perplexity e Gemini, che selezionano le fonti in modo autonomo e non sempre coincidente con i risultati organici tradizionali. Secondo una ricerca di AirOps su 548.534 pagine analizzate in risposta a 15.000 query, ChatGPT recupera molte pagine web ma ne cita solo il 15%. L’85% delle pagine analizzate viene scartato, anche quando è tecnicamente ben posizionato su Google.

Questo dato cambia profondamente la strategia. Per le schede prodotto di un e-commerce, significa che la qualità del dato esposto conta quanto – e spesso più – della keyword density.

 

GEO e SEO: due obiettivi, un’unica architettura

La Generative Engine Optimization – GEO – è la disciplina che ottimizza i contenuti per essere citati dai motori di risposta basati su intelligenza artificiale. Per un e-commerce, si traduce in una domanda concreta: quando un utente chiede a un assistente AI “quali scarpe da trekking impermeabili sotto i 150 euro consegni entro venerdì?”, il tuo catalogo rientra tra le fonti selezionate?

Gartner stima un calo del 25% dei volumi di ricerca tradizionale entro il 2026, mentre i dati di SISTRIX sul mercato tedesco – strutturalmente simile all’italiano – documentano 265 milioni di clic organici persi ogni mese per effetto delle AI Overviews. Gli e-commerce risultano meno penalizzati rispetto ai siti informativi, ma solo a condizione che i loro dati siano esposti in modo strutturato e leggibile dalle macchine.

 

Perché i siti transazionali reggono meglio

Secondo lo studio di Graphite su oltre 40.000 siti web (gennaio 2026), i siti con forte componente transazionale – come gli shop online – mostrano una tenuta migliore del traffico rispetto ai portali informativi. Il motivo è che le AI Overviews soddisfano prevalentemente query definitorie e informative, mentre per le ricerche di acquisto l’utente ha ancora bisogno di atterrare su una pagina. Questo non significa che gli e-commerce siano al sicuro: significa che chi espone dati strutturati correttamente ha un vantaggio misurabile su chi non lo fa.

Un’ulteriore evidenza viene da un report recente: i brand citati nelle AI Overviews di Google registrano il 35% in più di clic organici e il 91% in più di clic a pagamento. Essere inclusi in una risposta generativa amplifica la visibilità complessiva, anziché sottrarla.

 

Dati strutturati: dall’ornamento all’infrastruttura

Il markup Schema.org per le schede prodotto è diventato un requisito minimo, ma le logiche di implementazione si sono evolute. Come ha confermato Fabrice Canel di Microsoft Bing nel marzo 2025, il markup strutturato aiuta i modelli linguistici a comprendere il contenuto delle pagine con più precisione. I plugin generici installati nel 2023 o nel 2024, però, offrono oggi una copertura insufficiente rispetto ai nuovi standard di classificazione basati sull’intelligenza artificiale.

 

Cosa deve contenere un markup Product completo

Un’implementazione efficace per il 2026 richiede almeno: nome del prodotto, descrizione, prezzo e valuta, disponibilità in tempo reale, immagine principale, brand, recensioni aggregate con valore numerico e numero di valutazioni. A questi si aggiungono i markup Offer per varianti di prezzo, BreadcrumbList per la gerarchia del catalogo e FAQPage per le domande frequenti integrate nella scheda. I motori AI penalizzano i dati obsoleti: prezzi e disponibilità non aggiornati in tempo reale riducono l’affidabilità percepita dall’algoritmo e abbassano la probabilità di citazione.

Un errore diffuso è attribuire tutto il markup genericamente all'”amministratore” del sito, senza collegare il prodotto all’entità brand tramite catene di markup interconnesse – Organizzazione, Persona, Articolo, Prodotto. Questa struttura a grafo è quella che i sistemi AI di Google usano per costruire relazioni semantiche e attribuire autorevolezza.

 

Feed prodotto e attributi: il catalogo come asset strategico

Il feed prodotto è il documento che alimenta Google Shopping, i comparatori di prezzo, i marketplace e, sempre più spesso, i sistemi di AI commerce. Un feed mal configurato non penalizza solo le campagne a pagamento: riduce la visibilità organica del catalogo su tutte le superfici dove gli algoritmi consultano dati di prodotto.

 

Gli attributi che determinano la discoverability

Ogni attributo del feed corrisponde a un segnale che gli algoritmi usano per abbinare il prodotto a una query. Titolo del prodotto, GTIN, MPN, brand, categoria Google, condizione, prezzo, disponibilità e immagini sono i campi con impatto diretto sul ranking. Per le schede prodotto, il 55,7% degli acquirenti italiani consulta i motori di ricerca prima di acquistare (Netcomm 2025): ogni attributo mancante o approssimativo è una possibile perdita di intercettazione nella fase decisionale.

Il titolo del prodotto nel feed segue regole diverse rispetto al titolo SEO della pagina. L’ordine degli elementi – brand, tipo di prodotto, attributi differenzianti, varianti – influenza direttamente la corrispondenza con le query degli acquirenti. Un feed ottimizzato tratta ogni campo come una risposta a una possibile ricerca, con lo stesso rigore che si applica alla keyword research.

 

UX e discoverability: la scheda che converte è anche quella che si posiziona

Google ha introdotto la Shopping Experience Scorecard per valutare la qualità dell’esperienza d’acquisto complessiva, premiando con maggiore visibilità i negozi che soddisfano criteri di affidabilità, velocità, politiche di reso chiare e recensioni verificate. L’e-commerce italiano ha raggiunto 90,6 miliardi di euro nel 2025 con una crescita del 6% (Casaleggio Associati, aprile 2026): in un mercato maturo, la qualità dell’esperienza sulla scheda prodotto è uno dei pochi fattori ancora differenzianti.

 

Struttura della scheda ottimizzata per macchine e persone

Una scheda prodotto che performa su entrambe le dimensioni apre con una descrizione che risponde direttamente alla query di acquisto – nome completo, attributo differenziante, contesto d’uso – nei primi 50 caratteri del body text. Questa struttura serve sia alla SEO classica sia alla GEO: i motori AI preferiscono contenuti che rispondono in modo diretto e conciso nel primo paragrafo, con espansione progressiva del dettaglio. Le FAQ integrate nella scheda – 2 o 3 domande specifiche sul prodotto, non generiche – sono oggi uno degli strumenti di AI optimization più efficaci, perché simulano le risposte che un utente si aspetterebbe da un assistente vocale o da un chatbot.

Oltre il 60% del traffico e-commerce proviene da dispositivi mobili (Statista 2025). I Core Web Vitals – in particolare l’LCP, spesso compromesso da immagini prodotto non ottimizzate – restano fattori di ranking diretto e segnali di qualità per gli algoritmi di intelligenza artificiale che valutano la velocità di risposta della pagina come indicatore di affidabilità.

Chi ha investito con continuità in una SEO tecnica solida si trova oggi in posizione di vantaggio: quella stessa infrastruttura è la base da cui costruire la visibilità generativa. Aggiornare i markup, pulire i feed, strutturare i contenuti in formato domanda-risposta e curare gli attributi di prodotto non sono attività separate. Sono le facce di una stessa strategia di visibilità per un catalogo che deve essere trovato – e scelto – sia dalle persone sia dalle macchine che decidono per loro conto.

Se vuoi capire dove il tuo catalogo perde visibilità – sui motori tradizionali o su quelli generativi – SMC Consulting può analizzare la tua situazione attuale e indicarti le priorità di intervento. Contattaci per un confronto diretto.

L’intelligenza artificiale sta riscrivendo le regole del customer journey nell’e-commerce italiano. Secondo la ricerca Netcomm NetRetail 2026, presentata al Netcomm Forum lo scorso maggio, oltre il 13% degli acquirenti online in Italia usa già chatbot e strumenti AI nella fase di pre-acquisto, con tassi di utilità percepita tra i più alti dell’intero percorso d’acquisto. Un segnale che cambia il modo in cui le aziende devono pensare alla scoperta del prodotto, alla raccomandazione e alla relazione con il cliente digitale.

Un mercato maturo che cambia pelle

Gli acquirenti online in Italia raggiungono quota 35 milioni nel 2026, dato stabile rispetto all’anno precedente ma più che raddoppiato rispetto al 2014 (+119%). L’età media si attesta a 48 anni, allineata alla popolazione generale, e per la prima volta le donne rappresentano la maggioranza degli acquirenti digitali: il 50,6% contro il 49,4% degli uomini. La distribuzione geografica si fa più omogenea: la concentrazione nei grandi centri urbani scende dal 37% al 23%, a riprova di una penetrazione capillare nel tessuto economico del Paese.

Prima di acquistare, i consumatori attivano in media 4 touchpoint. Tra questi, AI e chatbot si collocano già tra i canali più efficaci per categorie come elettronica, home e alimentari, superando in rilevanza percepita anche i motori di ricerca tradizionali in diversi segmenti. Il sito del brand e le recensioni guidano invece le scelte nel fashion, mentre il punto vendita fisico mantiene un ruolo di orientamento nel pharma e nella salute.

Scoperta del prodotto: l’AI come primo interlocutore

Quando l’acquirente non sa ancora esattamente cosa cercare, l’intelligenza artificiale generativa si sta posizionando come interfaccia di prima istanza. Il 67% di chi usa strumenti AI durante il processo d’acquisto lo fa per comparare prezzi e prodotti, il 66,8% per ricevere suggerimenti personalizzati e il 61,2% per sintetizzare recensioni e ridurre la complessità informativa. Settori come l’elettronica e l’arredamento – per natura tecnici e articolati – registrano i tassi di adozione più elevati, dove il sistema non si limita a rispondere ma orienta attivamente la scelta verso prodotti coerenti con le esigenze dichiarate.

Questo cambia la logica della product discovery. L’utente non parte più da una keyword su un motore di ricerca tradizionale: formula una domanda in linguaggio naturale, descrive un bisogno, chiede un confronto. Le aziende che non strutturano catalogo e contenuti prodotto per essere compresi e restituiti correttamente da questi sistemi rischiano di uscire dal perimetro della scelta prima ancora che l’utente arrivi sul loro sito.

Recommendation e trust: i due lati della personalizzazione

I sistemi di raccomandazione guadagnano terreno, ma con una condizione precisa: la fiducia. Circa un terzo degli acquirenti sceglie già di affidarsi a motori di recommendation, una quota che sale al 50% tra la Generazione Z, con un incremento del 16% rispetto alla media. Quattro acquirenti su dieci dichiarano di accettare il tracciamento delle proprie abitudini digitali, a patto di ricevere in cambio un risparmio economico tangibile.

Il trust diventa quindi la variabile che determina se la personalizzazione viene vissuta come un servizio o come una sorveglianza. Le aziende che comunicano con trasparenza come usano i dati, che offrono raccomandazioni pertinenti e mantengono coerenza tra ciò che promettono e ciò che consegnano costruiscono un vantaggio competitivo difficile da erodere. Le altre rischiano di vedere la personalizzazione trasformarsi in un elemento di attrito piuttosto che di conversione.

Conversational commerce e Agentic Commerce: dove si va

Il passo successivo alla recommendation automatizzata è già in corso. Netcomm lo chiama Agentic Commerce: la delega di fasi del processo decisionale a sistemi intelligenti che agiscono per conto dell’utente. Il 17,5% degli acquirenti usa già assistenti vocali o sistemi di riordino automatico, dato trainato dai Millennials tra i 25 e i 44 anni. Il 15,4% si affida a sistemi evoluti per la selezione del prodotto più adatto alle proprie esigenze, mentre il 14,2% si dice pronto a lasciare che un software completi l’acquisto in autonomia.

Il conversational commerce – ovvero la gestione dell’intero funnel attraverso interfacce conversazionali, dai chatbot agli assistenti AI integrati nelle app – smette di essere un esperimento e diventa un canale con logiche proprie. Per i soggiorni di viaggio, l’utilizzo di AI e chatbot nel pre-acquisto è già doppio rispetto alla media dei beni digitali. Per gli alimentari e i biglietti di viaggio, dove l’adozione è ancora contenuta, la percezione di utilità da parte di chi lo usa risulta comunque molto alta, il che suggerisce un potenziale di crescita rilevante.

Per le aziende, tutto questo si traduce in una domanda operativa concreta: i propri sistemi – dal catalogo prodotti al CRM, dalle schede tecniche ai flussi post-vendita – sono strutturati per dialogare con agenti AI? Per la maggior parte delle PMI italiane, la risposta è ancora no. Il divario tra chi si attrezza oggi e chi aspetta si misurerà presto in quota di mercato.

Strutturare oggi i propri sistemi per dialogare con l’AI generativa richiede una visione strategica prima ancora che tecnologica. Scrivici per un confronto.

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.