L’intelligenza artificiale riscrive lo shopping. Ma minaccia il legame tra brand e cliente

Le ricerche shopping sull’AI generativa sono esplose in un anno, ma il sistema è ancora in fieri. Oltre al rischio di disconnessione con il brand, gli algoritmi premiano chi è già grande, lasciando la sfida aperta al mid-level.

Per quasi trent’anni chi voleva comprare un capo apriva un motore di ricerca, digitava due parole, scorreva una pagina di link fino a trovare quello adatto alle proprie esigenze. Oggi, sempre più spesso, il percorso d’acquisto non comincia da Google né dalla vetrina di un brand, ma da un prompt, ovvero da un input conversazionale che l’utente rivolge a piattaforme come ChatGPT, Gemini e Perplexity. L’output però non è un elenco di risultati liberamente consultabili, ma una selezione di prodotti già filtrata e proposta dal sistema. “Oggi l’intelligenza artificiale sta cambiando profondamente il modo in cui i consumatori scoprono e valutano i prodotti e i brand della moda”, spiega a Pambianco Magazine Luca Tonello, CEO di Deda Stealth, azienda attiva nello sviluppo di soluzioni tecnologiche per il settore fashion. “Sempre più spesso la fase iniziale d’acquisto non parte da un sito e-commerce o da un motore di ricerca tradizionale, ma da una conversazione con i sistemi di AI. L’intelligenza artificiale sta diventando il nuovo intermediario della relazione tra brand e cliente”. Secondo Adobe Analytics le ricerche shopping sulle piattaforme di AI generativa sono cresciute del 4.700% tra il 2024 e il 2025, parallelamente una ricerca condotta da Adyen ha evidenziato che in Italia il 43% degli intervistati – e su tutti Millennial (45%) e GenZ (42%) – sarebbe disposto ad affidare a un assistente AI l’intero processo di acquisto partendo da un semplice prompt. Questo approccio cambia drasticamente il rapporto tra cliente e brand e non senza qualche problema.

L’anello mancante tra brand e piattaforme

Le piattaforme AI che governano la fase di discovery di un prodotto operano come ambienti chiusi e il marchio rischia così di perdere progressivamente la capacità di veicolare i propri prodotti e i propri messaggi. “Quando la mediazione passa attraverso un modello generativo, il brand non dialoga più direttamente con il consumatore, ma con un sistema intermedio che reinterpreta, riassume e ricontestualizza l’identità del marchio sulla base di una mole enorme di dati eterogenei, spesso non controllati dall’azienda”, spiega Emanuele Frontoni, professore ordinario di Informatica all’Università di Macerata e co-director del VRAI Lab. Un nodo tecnico poi aggrava il problema perché, come sottolineano gli esperti, le schede prodotto sono tra le pagine meno comprensibili per l’AI, e questo restituisce al cliente un output limitato. “Le aziende del fashion devono affidarsi a piattaforme capaci di leggere il mercato e la domanda in tempo reale, integrare dati provenienti da canali diversi e trasformarli rapidamente in decisioni operative”, aggiunge Tonello.

Su questa scia, diverse realtà fintech stanno provando a proporsi come connettori tra i brand e le piattaforme AI perché la chiave affinché i brand non perdano rilevanza nei meccanismi di discovery e acquisto è proprio la gestione dei dati dei prodotti. L’obiettivo, spiega Luigi Traldi, Head of Southern Europe di Klarna che ha presentato una app studiata proprio in tal senso, è che “il brand mantenga la proprietà del prodotto e del catalogo, mentre l’AI gestisca la scoperta e la conversazione con il consumatore. Serve collegare questi elementi affinché lo stesso prodotto venga compreso in modo coerente ovunque appaia”. Questo è un percorso che le aziende devono necessariamente intraprendere per essere rilevanti sulle piattaforme AI, perché, sottolinea Traldi, “l’AI non può sostituire il brand, ma deve accompagnare il consumatore lungo l’intero percorso di acquisto, senza confinarlo in un solo canale”. Ma la trasformazione non riguarda solo la fase di discovery. Lo scenario verso cui il mercato si sta muovendo è quello del cosiddetto agentic commerce: non più solo un’intelligenza artificiale che suggerisce prodotti, ma un assistente capace di completare l’intero acquisto per conto dell’utente. Negli Stati Uniti alcune forme di agentic commerce sono già operative: il consumatore può individuare un prodotto direttamente nella conversazione con l’assistente AI e completare l’acquisto passando poi sul sito del retailer.

Attenzione alla gerarchia

In questa nuova dinamica, il segmento più esposto è quello mid-level. “Per la fascia media, che vive sulla capacità di comunicare un’identità riconoscibile a un prezzo accessibile, questo costituisce una sfida non trascurabile”, avverte Emanuele Frontoni. Lo studio Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines, condotto dalla Cornell University e pubblicato a giugno 2026 su oltre centomila risposte dei motori AI, evidenzia una chiara gerarchia della visibilità: i brand globali più noti compaiono nel 73% delle risposte pertinenti, i player mid-market nel 44%, mentre i marchi di nicchia si fermano all’11 per cento. In altre parole, l’intelligenza artificiale tende a ricordare soprattutto chi ‘è già grande’ nel settore (per reputazione o per numeri), ovvero mass market e luxury brand. Per i brand del lusso questo scenario potrebbe avere un impatto più limitato nella fase di acquisto, dove il rapporto diretto con il cliente resta centrale, ma potrebbe incidere molto proprio nella fase di discovery.

Rimane però aperta la questione della fiducia sia da parte dei consumatori, sia da parte delle aziende. Secondo quanto riportato da Adyen, infatti, i clienti che rifiutano questa prospettiva temono soprattutto di perdere il controllo sulle proprie decisioni, oltre che temi legati agli errori nella scelta del prodotto e sui rischi legati a privacy e pagamenti. Per Frontoni la via d’uscita non è difensiva. “Le aziende dovranno imparare a essere ‘leggibili’ dalle macchine tanto quanto lo sono per le persone. La risposta non deve essere quella di resistere alla mediazione algoritmica, quanto governarla, presidiando la qualità dei dati e rappresentazione del proprio marchio e trasformando questa tecnologia da fattore di omologazione a leva di differenziazione”.