L’IA e il futuro agentico
L’avvento dell’intelligenza artificiale (IA) si presenta come una delle trasformazioni tecnologiche più profonde e radicali degli ultimi decenni. Il suo potenziale applicativo si estende lungo tutta la catena del valore del commercio moderno, promettendo di accelerare i processi decisionali, ottimizzare i modelli di business e ridefinire completamente le dinamiche di interazione tra brand, distributori e consumatori. Ci troviamo tuttavia all’interno di un panorama fortemente dinamico e in continua evoluzione, dove la rapidità dell'innovazione porta con sé un inevitabile margine di incertezza strategica ed operativa.
Se negli ultimi anni l'attenzione si è concentrata prevalentemente sugli strumenti generativi capaci di assistere l'utente nella creazione di contenuti o nella risposta a query isolate, oggi assistiamo all'inizio di una fase sostanzialmente diversa, che introduce alla realizzazione dell'agentic commerce. Tuttavia, la capacità degli agenti sintetici di agire con successo al posto del consumatore o del buyer aziendale è strettamente vincolata alla natura delle informazioni che elaborano. Il classico assioma informatico garbage in, garbage out assume pertanto un'importanza del tutto inedita.
La vera potenza strategica dell’intelligenza artificiale dipende quindi in modo inscindibile da un fattore critico: la qualità, la correttezza e l’affidabilità dei dati che essa consuma ed elabora.
In assenza di informazioni accurate, coerenti e ben strutturate, gli algoritmi avanzati rischiano di trasformarsi in amplificatori di rumore, generando inesattezze e guidando decisioni aziendali o di acquisto errate. Piuttosto che sbloccare nuova conoscenza ed efficienza, un'IA alimentata da dati di scarsa qualità finisce per compromettere la fiducia degli utenti e ridurre i vantaggi attesi.
L’IA e gli agenti come opportunità di efficienza per la supply chain
L'adozione dell'IA e dei chatbot guida già le decisioni d'acquisto online e nei negozi fisici. Per questo, la qualità e la trasparenza delle informazioni di prodotto online sono fondamentali per garantire la visibilità sia ai consumatori sia agli agenti d'IA che acquistano per loro conto.
Le potenzialità dell’intelligenza artificiale e degli agenti autonomi, però, non si fermano alla fase di scoperta del cliente, ma impattano con pari intensità la dimensione operativa e gestionale.
Lungo tutta la catena di fornitura, l'IA sta trasformando le attività di gestione del warehouse management, di replenishment, le previsioni della domanda, la pianificazione della produzione e l'ottimizzazione delle spedizioni.
Anche in ambito operation, la qualità del dato costituisce un prerequisito non negoziabile
Affinché una macchina possa automatizzare un processo logistico o decisionale, il dato deve essere non soltanto strutturato e privo di errori, ma pienamente interoperabile. Deve cioè potersi muovere senza ostacoli tra attori diversi della filiera, piattaforme software eterogenee e contesti geografici differenti, eliminando la necessità di continue traduzioni manuali o reinterpretazioni di sistema.
Se ogni azienda, settore o regione continuasse a sviluppare un proprio sistema chiuso e
proprietario per descrivere i prodotti, i loro attributi e dati logistici, i modelli di intelligenza artificiale finirebbero per annegare in un mare di informazioni contrastanti, incomplete o incompatibili, costringendo a fare ricorso a pesanti operazioni di traduzione e mappatura manuale, facendo lievitare i costi di implementazione. Per prepararsi concretamente all'era dell'agentic commerce, ma anche all'implementazione strutturale dell’IA nei processi operativi, le aziende devono ripartire dalle fondamenta: la gestione del dato.
Il ruolo degli standard aperti: certezza e interoperabilità
In un ecosistema digitale dominato da modelli linguistici di grandi dimensioni (LLM) e agenti autonomi, la questione centrale diventa l'infrastruttura della fiducia. La sfida risiede nella capacità di definire un linguaggio comune e condiviso, basato su regole aperte e neutrali, esattamente come avviene da decenni attraverso i sistemi di identificazione univoca standardizzati a livello globale di GS1, tra cui il GS1 GTIN (Global Trade Item Number), il codice identificativo di prodotto.
Mentre gli esseri umani leggono e interpretano una pagina web contestualizzando le parole in base alla propria esperienza e intuizione, le macchine elaborano le informazioni in modo radicalmente diverso. I modelli informatici non possono fare affidamento sull'intuito: necessitano di marcatori espliciti che definiscono in modo univoco e non ambiguo che cosa sia un determinato oggetto e le relazioni semantiche, superando i limiti del testo libero.
In quest'ottica, i vocabolari web agiscono come un vero e proprio strato di traduzione tra la lingua parlata dagli individui e la logica computazionale delle macchine. Se una descrizione di prodotto redatta in testo libero può prestarsi a molteplici interpretazioni o fraintendimenti, la presenza di dati strutturati definisce in modo esplicito che una specifica entità è per esempio un Product, descrivendone con precisione le singole proprietà, quali il brand, le dimensioni, il prezzo, la disponibilità e il punteggio delle recensioni. Grazie a questa impostazione semantica, i sistemi di intelligenza artificiale non devono più dedurre o ipotizzare i dati, ma li ricevono in forma esplicita, strutturata e affidabile.
Strumenti come ad esempio il GS1 Web Vocabulary, sviluppato come estensione di schema.org, offrono quindi la possibilità di tradurre la pagina prodotto tradizionale in un formato perfettamente comprensibile dagli algoritmi, grazie a una maggior profondità di attributi.
Attraverso questa modalità, i dettagli tecnici e commerciali vengono messi a disposizione dei motori di intelligenza artificiale in modo affidabile e semanticamente rigoroso, riducendo drasticamente il rischio di allucinazioni o risposte errate.
Un elemento chiave di questa architettura è rappresentato anche dall'associazione tra la
struttura dei dati e le chiavi di identificazione univoca, come il GS1 GTIN. Questo legame garantisce che le informazioni non solo siano ben organizzate, ma risultino indissolubilmente connesse a un unico e ben determinato prodotto fisico, o la sua versione digitale, a prescindere dal canale, dal marketplace o dal sito web in cui tali dati vengono pubblicati.
In questo quadro integrato, assume un ruolo centrale anche l'evoluzione delle modalità di connessione tra l'oggetto e il suo ecosistema informativo, come l'impiego dei QR code standard GS1. Questo tipo di tecnologia permette di collegare direttamente il prodotto fisico non solo allo smartphone del consumatore, ma anche a tutte le informazioni strutturate presenti in rete, creando un ponte unico, strutturato e affidabile tra il punto vendita fisico, la scheda prodotto digitale ed il consumatore di quei dati, che sia esso un essere umano o un agente che scansiona la rete.
Sfide future
In un mercato in cui le decisioni e le transazioni saranno sempre più intermediate o direttamente eseguite da agenti sintetici intelligenti, la competizione non si giocherà unicamente sulla qualità della campagna di marketing o sulla presenza visiva a scaffale,
ma sulla maturità e struttura dell'architettura dei dati di prodotto.
La governance dei dati non è quindi un mero compito informatico o una routine amministrativa, bensì una vera e propria leva strategica di business, da cui dipendono la visibilità, la reputazione e l'efficienza operativa dell'azienda.
Per rispondere alle esigenze dell'agentic commerce, ma anche della GEO (Generative Engine Optimization, ovvero l’ottimizzazione per i motori generativi, ndr), è fondamentale adottare chiavi di identificazione univoche GS1 per i propri prodotti e vocabolari web condivisi, capaci di garantire che ogni proprietà del prodotto ed ogni relazione semantica siano interpretati nello stesso identico modo da qualsiasi piattaforma o modello di intelligenza artificiale a livello globale.
Estratto da white paper Netcomm “AI & Agentic Commerce 2026”, che contiene oltre quaranta contributi su scenari, impatti, opportunità e casi relativi a intelligenza artificiale e agentic commerce.
