Nel mondo del retail e dell'e-commerce si è ormai aperta una fase destinata a modificare profondamente le modalità con le quali i consumatori scoprono, confrontano e acquistano prodotti online. La prossima sfida dell'e-commerce potrebbe non giocarsi più sulle pagine dei risultati di Google.
A scegliere quali prodotti mostrare, confrontare e raccomandare saranno sempre più spesso agenti di intelligenza artificiale (IA) e assistenti digitali capaci di interpretare richieste complesse e prendere decisioni sulla base dei dati disponibili.
Un cambiamento che sta spingendo retailer e brand a ripensare il modo in cui descrivono, organizzano e pubblicano le informazioni sui propri cataloghi. Di questo si è discusso nei giorni scorsi, in occasione di un evento organizzato da WordLift, con il contributo di GS1 Italy e Microsoft, e intitolato "Dalla supply chain all’IA: gli standard GS1 come infrastruttura per l’agentic commerce".
Al centro di questa trasformazione ci sono i dati. Per essere individuati, compresi e raccomandati dagli agenti IA, prodotti e cataloghi devono poter contare su informazioni strutturate, coerenti e affidabili. La qualità del dato diventa così un fattore competitivo tanto quanto il prodotto stesso.
Dal codice a barre al dato semantico
Alla base di questa trasformazione c'è un concetto semplice: gli agenti IA possono prendere decisioni affidabili solo se hanno accesso a dati affidabili. Per questo Andrea Ausili, Standards & Innovation director di GS1 Italy, ha evidenziato come gli standard sviluppati dall'organizzazione stiano assumendo un nuovo ruolo nell'era dell'intelligenza artificiale.
Se in passato l'obiettivo era garantire l'identificazione univoca dei prodotti e lo scambio efficiente delle informazioni lungo la supply chain, oggi la stessa logica viene estesa al mondo digitale. Strumenti come GS1 Digital Link e GS1 Web Vocabulary permettono infatti di rendere le informazioni di prodotto leggibili dalle macchine, interoperabili e verificabili, creando le condizioni affinché assistenti intelligenti e agenti IA possano interpretarle correttamente.
«La condivisione dei dati oggi non riguarda più soltanto persone e aziende, ma deve essere predisposta per un consumo diretto da parte delle macchine», ha spiegato Ausili.
La nuova sfida: essere visibili agli agenti IA
Le regole della visibilità online stanno cambiando. Per anni è stato sufficiente rendere un prodotto facilmente individuabile da motori di ricerca, marketplace ed e-commerce. Con l'affermazione degli agenti IA la sfida si sposta su un livello diverso: le informazioni devono poter essere comprese, interpretate e utilizzate dai sistemi che generano raccomandazioni e supportano le decisioni di acquisto.
Secondo Gennaro Cuofano, CRO di WordLift, il punto critico non riguarda tanto la quantità di dati disponibili quanto la loro qualità e la loro organizzazione. Molte aziende possiedono già un patrimonio informativo significativo sui propri prodotti, ma queste informazioni risultano spesso distribuite tra sistemi differenti, frammentate tra funzioni aziendali diverse o descritte attraverso modelli non omogenei.
È proprio per superare questa frammentazione che stanno assumendo un ruolo crescente strumenti come knowledge graph e layer semantici. L'obiettivo non è semplicemente raccogliere dati, ma costruire relazioni tra prodotti, attributi, categorie, contenuti e contesto d'uso, creando una rappresentazione della conoscenza che possa essere interpretata correttamente dagli agenti IA.
Come ha evidenziato Cuofano, i modelli di intelligenza artificiale non si limitano più a cercare parole chiave all'interno delle pagine web, ma combinano informazioni provenienti da fonti differenti per formulare risposte, suggerimenti e raccomandazioni. In assenza di dati strutturati, verificabili e facilmente accessibili, il rischio non è soltanto quello di ottenere risultati imprecisi, ma di diventare invisibili all'interno dei nuovi percorsi di scoperta dei prodotti.
Dalla teoria alla pratica: il caso Coop Consorzio Nord Ovest
Per comprendere come questi principi si traducano in pratica è utile guardare al lavoro realizzato da WordLift per CoopShop.
Il progetto è partito da una situazione comune a molte organizzazioni: un catalogo ricco di informazioni, ma caratterizzato da dati distribuiti tra fonti differenti, attributi incompleti e contenuti difficili da interpretare in modo coerente da parte delle macchine.
L'intervento ha previsto la costruzione di un knowledge graph e l'integrazione delle informazioni provenienti dagli standard GS1, creando una rete di relazioni semantiche in grado di descrivere in modo più preciso prodotti, caratteristiche e contesto d'uso.
Secondo Massimiliano Ranieri, Senior SEO Manager di WordLift, il risultato è stato un incremento della presenza dei prodotti all'interno delle nuove esperienze di ricerca basate sull'intelligenza artificiale, un segnale di come la competitività digitale passi sempre più dalla capacità di rendere i dati accessibili e comprensibili agli agenti IA.
L'infrastruttura tecnologica dietro l'agentic commerce
Rendere prodotti e cataloghi comprensibili agli agenti IA richiede però qualcosa di più della semplice strutturazione dei dati. Serve un'infrastruttura tecnologica in grado di raccogliere informazioni provenienti da fonti diverse, collegarle tra loro e fornire il contesto necessario per trasformarle in conoscenza utilizzabile.
Qui si inserisce la sinergia tra GS1 e Microsoft. La disponibilità di standard condivisi rappresenta infatti il punto di partenza, ma per valorizzare questi dati occorrono piattaforme capaci di integrarli all'interno dei processi aziendali e renderli accessibili alle applicazioni basate sull'intelligenza artificiale.
Microsoft sta lavorando in questa direzione attraverso strumenti come Microsoft Fabric, OneLake e le nuove componenti dedicate alla gestione della conoscenza aziendale, progettati per mettere in relazione dati strutturati e non strutturati e costruire un contesto semantico condiviso per agenti e applicazioni di intelligenza artificiale.
Il principio è semplice: l'efficacia di un agente dipende dalla qualità delle informazioni che riesce a trovare, interpretare e contestualizzare. Anche i modelli più avanzati incontrano inevitabilmente dei limiti quando operano su dati frammentati, incoerenti o privi di relazioni significative.
Per questo il tema non riguarda soltanto l'intelligenza artificiale, ma la capacità di costruire un ecosistema in cui standard aperti, piattaforme dati e tecnologie IA lavorino insieme. È su questa convergenza che si stanno sviluppando i nuovi modelli di interazione tra consumatori, prodotti e sistemi intelligenti.
Standard aperti e interoperabilità
In questa prospettiva assume un'importanza crescente anche il tema dell'interoperabilità. Come ha sottolineato Andrea Ausili, gli standard GS1 sono stati progettati per essere adottati da qualunque piattaforma o fornitore tecnologico, con l'obiettivo di garantire continuità, neutralità e coerenza nello scambio delle informazioni.
Si tratta di un aspetto destinato a diventare sempre più rilevante. Con la proliferazione di modelli IA, agenti digitali, piattaforme e nuovi canali di interazione, il rischio di creare ecosistemi chiusi e dati difficili da condividere è destinato ad aumentare. La disponibilità di standard comuni rappresenta invece una condizione essenziale per permettere alle informazioni di circolare, essere riutilizzate e mantenere il proprio significato indipendentemente dalla piattaforma utilizzata.
