Negli ultimi anni, l’ecommerce italiano e l’intelligenza artificiale hanno seguito due traiettorie di crescita sempre più interdipendenti. Da un lato, il mercato: secondo l’Osservatorio eCommerce B2c Netcomm–School of Management del Politecnico di Milano, nel 2025 il valore degli acquisti online degli italiani ha superato i 62 miliardi di euro, con una crescita del 6% sull’anno precedente e 35,2 milioni di consumatori digitali attivi. Dall’altro, la tecnologia: ISTAT rileva che nel 2025 il 16,4% delle imprese con almeno 10 addetti utilizza almeno una tecnologia di intelligenza artificiale, contro l’8,2% del 2024.
Due curve di crescita che convergono
Letti separatamente, questi dati descrivono un mercato in espansione e un’accelerazione tecnologica. Letti insieme, indicano qualcosa di più: un aumento simultaneo della pressione competitiva e della complessità operativa. È in questo punto di intersezione che si definisce il nodo strategico del biennio 2026–2027: non più se adottare l’AI, ma dove inserirla lungo la catena del valore.
La prima risposta del mercato è stata la generative AI. La sua diffusione ha prodotto una discontinuità evidente: attività che fino a poco tempo fa richiedevano ore – dalla scrittura delle schede prodotto alla traduzione dei cataloghi, fino alla produzione di materiali visuali – sono diventate rapidamente scalabili. Le imprese che l’hanno adottata hanno guadagnato velocità e capacità di esecuzione. Ma, come spesso accade nei processi di diffusione tecnologica, questo vantaggio si è progressivamente ridotto. Man mano che gli strumenti sono diventati accessibili, la qualità media dell’offerta si è alzata, ma lo spazio per differenziarsi si è ristretto. Quando una capability si diffonde, perde la sua capacità di generare vantaggio competitivo sostenibile.
Dal contenuto ai processi
È in questo passaggio che il contenuto smette di essere il principale fattore distintivo e il valore inizia a spostarsi verso ciò che è meno visibile ma più difficile da replicare: i processi. L’AI operativa si inserisce esattamente in questo spazio. Non rappresenta una semplice evoluzione della generativa, ma una risposta a una domanda diversa. Se la generative AI risponde alla domanda “come produco di più?”, l’AI operativa risponde a “come decido meglio, più in fretta e su più variabili contemporaneamente?”.
Si passa da un’AI che supporta l’attività umana a sistemi che intervengono direttamente nei processi decisionali: nel mondo del commercio online pricing dinamico, gestione predittiva dello stock, orchestrazione automatica degli ordini, customer service in grado di risolvere richieste senza intervento umano.
I dati di Casaleggio Associati aiutano a leggere questo passaggio in chiave prospettica. Oggi, gli utilizzi dell’AI nell’ecommerce sono ancora concentrati sulla creazione e gestione dei contenuti e delle immagini di prodotto (33%), sulle traduzioni (30%) e sull’analisi dei dati (27%), mentre l’automazione dei processi si ferma al 17%. È proprio questo divario – tra chi usa l’AI per produrre e chi la usa per governare – a definire il prossimo differenziale competitivo.
La qualità del catalogo come condizione abilitante
Vale la pena soffermarsi su un elemento che questa transizione rende strutturale: la qualità del dato di prodotto. L’AI operativa – e a maggior ragione quella agentica – non opera nel vuoto: si alimenta di informazioni strutturate, attributi corretti, descrizioni coerenti, immagini ottimizzate. Un catalogo disorganizzato, con dati incompleti o incoerenti tra canali, non è solo un problema operativo: è un limite alla stessa possibilità di essere selezionati dai sistemi automatizzati. In un ecosistema in cui la scelta viene delegata a un agente, chi non ha investito nella qualità del proprio catalogo rischia una forma di invisibilità che nessuna campagna pubblicitaria può compensare. Il dato di prodotto, in altre parole, sta diventando infrastruttura – la condizione abilitante senza cui nessuna strategia AI può funzionare.
Il passaggio all’AI operativa diventa particolarmente evidente nelle supply chain, dove l’automazione incide direttamente sulle variabili economiche. In questi contesti, l’intelligenza artificiale non migliora solo l’efficienza, ma modifica il funzionamento complessivo del sistema. Secondo IBM Institute for Business Value, le aziende con maggiori investimenti in AI nelle supply chain registrano una crescita dei ricavi superiore del 61% rispetto ai competitor. Il dato, più che fotografare un vantaggio tecnologico, evidenzia una dinamica precisa: intervenire sui processi significa agire sulle leve che determinano marginalità, velocità e qualità del servizio.
Questo è particolarmente evidente nei marketplace, dove la competizione è continua e multidimensionale. La visibilità di un prodotto non dipende più solo dalla qualità del contenuto, ma dalla capacità di adattare in tempo reale variabili operative interdipendenti. Il pricing evolve da attività discrezionale a processo continuo, con algoritmi che monitorano il mercato e aggiornano i prezzi mantenendo un equilibrio dinamico tra competitività e marginalità. La gestione dello stock si sposta verso modelli predittivi che intervengono prima che si verifichino rotture di inventario o accumuli di magazzino.
Anche l’orchestrazione degli ordini cambia natura. In un ecosistema multicanale, ogni ordine implica una scelta: da quale magazzino evadere, con quale priorità, attraverso quale canale logistico. L’AI operativa consente di automatizzare queste decisioni, ottimizzando tempi e costi su larga scala. Il risultato non è solo un miglioramento dell’efficienza, ma una maggiore capacità di sostenere la crescita senza moltiplicare la complessità.
È in questo tipo di dinamiche che il vantaggio competitivo assume una natura cumulativa. A differenza del contenuto – che può essere replicato rapidamente – un sistema operativo integrato migliora nel tempo, perché si alimenta di dati e ottimizza progressivamente le proprie decisioni. Il gap tra operatori, quindi, non è statico, ma tende ad ampliarsi. Nel frattempo, l’evoluzione tecnologica introduce un ulteriore livello di discontinuità: l’integrazione crescente di sistemi di AI nei processi decisionali apre la strada a modelli in cui una parte delle decisioni operative viene gestita in modo autonomo.
La progressiva delega del processo d’acquisto
È su questa traiettoria che si inserisce il tema dell’agentic commerce; se nella fase operativa l’AI interviene sui processi interni, nella fase successiva inizia a incidere anche sulla relazione tra domanda e offerta. Non si tratta di una sostituzione del consumatore, ma di una progressiva riduzione del carico decisionale nelle fasi più ripetitive o a bassa complessità, come il confronto tra alternative, il monitoraggio dei prezzi o i riordini ricorrenti.
In questi contesti, gli agenti AI possono analizzare grandi quantità di informazioni in tempo reale e proporre – o eseguire, se autorizzati – scelte coerenti con le preferenze dell’utente, grazie all’integrazione con assistenti digitali, sistemi di pagamento e piattaforme ecommerce. In questo scenario, la competizione si sposta: non solo essere scelti da un utente, ma essere selezionati da sistemi che operano sulla base di criteri sempre più oggettivi e operativi.
Non si tratta di scenari futuri. OpenAI ha già integrato in ChatGPT la possibilità di completare transazioni direttamente all’interno della conversazione, senza che l’utente debba accedere a un sito esterno o inserire manualmente i dati di pagamento. Google sta sviluppando una funzionalità analoga nella propria modalità AI, in cui l’agente monitora prezzi e disponibilità su più fonti e può finalizzare l’acquisto tramite Google Pay, previa autorizzazione dell’utente. I due approcci differiscono per architettura e grado di apertura verso le piattaforme terze, ma convergono verso la stessa ridefinizione del processo d’acquisto: la selezione del prodotto avviene sempre più all’interno di ambienti conversazionali, gestita da sistemi che operano secondo criteri di pertinenza, affidabilità e qualità dell’informazione disponibile. Per le imprese che vendono online, questo sposta il problema della visibilità su un piano diverso da quello tradizionale. Non è più sufficiente presidiare le prime posizioni sui motori di ricerca o investire in campagne sui marketplace: la condizione abilitante diventa la capacità di rendere il proprio catalogo strutturato e interpretabile da questi sistemi. Un’azienda con dati di prodotto incompleti o incoerenti non ottiene risultati peggiori: non viene considerata.
Per le imprese italiane, e in particolare per le PMI, questo passaggio rappresenta una fase di discontinuità. L’adozione dell’ecommerce è in crescita, ma ancora non uniforme, e lo stesso vale per l’integrazione dell’intelligenza artificiale nei processi. Il rischio è fermarsi alla superficie della trasformazione, utilizzando l’AI per migliorare la produzione di contenuti senza intervenire sui processi che determinano marginalità e scalabilità. La sfida è utilizzare questa fase per costruire un’infrastruttura operativa più efficiente, capace di sostenere la complessità crescente del ecommerce. Ed è su questo livello, meno visibile ma più determinante, che si giocherà la competitività dell’ecommerce nel biennio 2026-2027.
di Marco Cerquozzi, Co-Founder di Poleepo
