Nel mondo dell’e-commerce, la settimana del Black Friday e il seguente periodo dello shopping natalizio è da sempre il momento in cui si misura la solidità delle piattaforme digitali e la capacità delle aziende di garantire un’esperienza d’acquisto fluida a milioni di utenti. Una corsa contro il tempo, in cui ogni secondo di lentezza può tradursi in carrelli abbandonati, reclami e perdita di fiducia.
Ma mentre i volumi di traffico continuano a crescere e le aspettative dei consumatori si fanno sempre più elevate, l’intero ecosistema digitale sta cambiando pelle. A guidare questa trasformazione è un nuovo protagonista: l’intelligenza artificiale agentica, una generazione di sistemi capaci non solo di analizzare e prevedere, ma anche di agire in autonomia per prevenire disservizi, gestire attività ripetitive e ridurre la pressione sul back-office. Insieme a Genevieve Broadhead, global lead, retail solutions di MongoDB proviamo a fare il punto sui nuovi equilibri tra resilienza tecnologica, automazione intelligente e qualità del servizio, esplorando il confine sempre più sottile tra ciò che fa l’uomo e ciò che ormai sa fare l’AI.
Durante il periodo intenso di shopping natalizio e saldi stagionali, quali sono le principali vulnerabilità che mettono sotto pressione la resilienza delle piattaforme e-commerce e come le aziende possono prevenirle?
Ogni anno, la capacità di scalare senza interruzioni per affrontare i picchi di traffico imprevedibili determina il successo dei retailer durante il periodo degli acquisti natalizi. Quest’anno il compito diventa ancora più complesso a causa dell’enorme crescita dell’agentic commerce: i clienti cercano di arricchire la loro esperienza di acquisto con agenti che navigano e acquistano per conto loro. Si tratta di un carico di lavoro inarrestabile: l’agente non dorme mai, non si lascia distrarre da una festa di Natale ed è sempre pronto a intervenire autonomamente per effettuare un acquisto. I retailer devono riflettere attentamente su come le loro piattaforme possano supportare non solo il traffico generato dai classici sistemi di engagement (e-commerce, mobile e negozi fisici), ma anche questo nuovo carico di lavoro agentico definito “system of action”, oggi e in futuro. La capacità di scalare senza problemi, sia verticalmente sia orizzontalmente, non è mai stata così importante, e chi non adotta un’architettura distribuita avrà difficoltà a rimanere resiliente.
In che modo l’introduzione di sistemi di AI agentica sta cambiando la gestione del back-office, in particolare nelle attività critiche come aggiornamento cataloghi, gestione ordini e monitoraggio delle anomalie?
Sono proprio questi i tipi di attività che l’AI agentica è perfettamente posizionata per ottimizzare e automatizzare. Sebbene prevediamo che, nel breve termine, rimarrà importante la supervisione umana dell’AI (“human in the loop”) per le attività complesse, molti dei task monotoni e ripetitivi del back-office retail vengono già accelerati dagli agenti. L’aggiornamento cataloghi ne è un ottimo esempio: i retailer non devono più creare manualmente descrizioni, immagini aggiuntive, traduzioni, attributi e persino i prezzi. Un ecosistema agentico può disporre di tutti gli strumenti necessari per semplificare il processo e portare nuovi prodotti sul mercato più rapidamente, fornendo al contempo informazioni complete che facilitano la ricerca.
Molti operatori stanno puntando su automazioni più intelligenti per prepararsi ai momenti di rush. Quali sono le innovazioni che stanno facendo davvero la differenza nelle ultime stagioni di shopping?
Uno dei cambiamenti più significativi verso un retail più intelligente riguarda il passaggio al decision-making in tempo reale. Tutti i retailer prendono decisioni basandosi su insight profondi elaborati in batch, fondamentali per valutazioni complesse – ad esempio, come confrontare i livelli di inventario con i dati meteo degli ultimi dieci anni. I retailer più avanzati, però, prendono decisioni e utilizzano persino agenti autonomi anche in tempo reale, basandosi sui dati operativi. I casi d’uso nei negozi fisici (in-store) rappresentano l’esempio migliore, soprattutto nella grande distribuzione alimentare e nella moda ad alto turnover, dove la sfida consiste nel stabilire quali azioni debbano intraprendere gli addetti per mantenere gli scaffali riforniti, avendo solo pochi minuti a disposizione tra un picco di affluenza e l’altro. È un compito ideale per l’automazione e i suggerimenti agentici. Se, ad esempio, manca una taglia di una scarpa molto richiesta, l’agente AI può avvisare in tempo reale un addetto affinché recuperi l’articolo dal magazzino e ne ordini altri dal centro logistico, senza perdere tempo prezioso. Grazie a una semplificazione ottimizzata dall’uso intelligente dell’AI, la stagione dello shopping può così essere gestita in modo proattivo.
Guardando avanti, come può evolvere il rapporto tra automazione e professionalità umane per offrire un’esperienza d’acquisto più fluida, più personalizzata e più sicura?
La personalizzazione è un’arte e una scienza. La parte “scientifica”, ovvero ciò che potrei acquistare in base ai miei acquisti precedenti, al comportamento di altri clienti o agli articoli che sto cercando in questo momento, può essere perfezionata dall’AI. I loop agentici con consapevolezza contestuale aiutano a conoscere meglio il cliente in modo iterativo. Ma per quanto riguarda la vera comprensione della psicologia del cliente – ad esempio, quando l’esperienza diventa così personalizzata da risultare sgradevole e persino inquietante – qui entra in gioco “l’arte”, dove si rende necessario il tocco umano: un equilibrio delicato che deve essere percepito, più che misurato. In particolare nel marketing e nella pubblicità, vediamo l’intervento umano nella creazione di nuovi concept e idee straordinarie, mentre l’AI li realizza e li automatizza più velocemente che mai. Questa è la combinazione perfetta tra esseri umani e macchine per portare idee innovative sul mercato più rapidamente.