Dalla previsione della domanda ai freschi, dal negozio-sensore all’agentic commerce: il retail sperimenta l’AI su larga scala, ma il passaggio dal pilota alla scala industriale resta la vera sfida. E mentre il settore lavora sull’efficienza interna, cambia la cosa più importante: il cliente potrebbe non essere più soltanto una persona. Una mappa ragionata delle applicazioni, dei risultati misurabili e dei nodi ancora aperti.
Per anni il retail ha cercato di conoscere meglio il cliente. Ha raccolto dati, costruito programmi fedeltà, investito in e-commerce, CRM, omnicanalità. Tutto per capire chi fosse quella persona e come convincerla a comprare. Prima si parlava di funnel di vendita, poi di messy middle, ma il senso era sempre lo stesso: un percorso, più o meno lineare, che portava un utente a diventare cliente e a restare tale.
Oggi il cliente potrebbe presto non essere più soltanto una persona: potrebbe essere un’intelligenza artificiale che compra per conto di una persona. E allora il retail dovrà imparare a parlare non solo agli esseri umani, ma anche agli agenti intelligenti. Fino a ieri la domanda era: come mi faccio trovare dal cliente? Domani sarà anche: come mi faccio capire dall’agente del cliente?
Indice degli argomenti
AI nel retail: diventare Agent Ready
Non dobbiamo solo conoscere il cliente, dobbiamo prepararci a un mondo in cui a comprare, confrontare, negoziare e decidere sarà anche un agente AI che agisce per conto del cliente.
Il nuovo consumatore non entra più solo in negozio, sul sito o nell’app. Arriva con un’intelligenza artificiale al suo fianco.
Il mio catalogo è leggibile da un agente? I miei prezzi, stock, promesse e policy sono machine-readable? Il mio brand è comprensibile da una AI?
Il negozio fisico come sensore intelligente
Per anni abbiamo raccontato una contrapposizione tra fisico e digitale. È una lettura superata. Il negozio fisico non muore: diventa più intelligente, e soprattutto diventa un sensore vivo del comportamento, della domanda, delle inefficienze e delle opportunità.
Computer vision, RFID, sensori ambientali, dati di cassa, magazzino, loyalty, app e sistemi di pagamento possono trasformare il punto vendita in un ambiente capace di capire cosa succede quasi in tempo reale. Non per costruire un negozio freddo e impersonale, ma per aiutare le persone a lavorare meglio: l’addetto che sa se un prodotto è disponibile, dove si trova e cosa suggerire in alternativa; il responsabile che vede anomalie, code e rotture di stock mentre accadono; l’azienda che capisce dove si perde valore, se nello scaffale, nel magazzino, alla cassa o nella logistica.
Il negozio del futuro non sarà senza persone.
Sarà un negozio in cui le persone vedono di più, decidono meglio e perdono meno tempo su attività a basso valore.
AI per demand forecasting, pricing e supply chain predittiva
Il secondo grande ambito è quello operativo. Nel retail l’AI crea valore soprattutto dove riduce l’incertezza: supply chain e back office. È il cuore silenzioso e il terreno dove l’AI produce già risultati: sistemi di knowledge base interna, monitoraggio dell’out-of-stock a scaffale, gestione di prezzi e promozioni, riconciliazione documentale dei DDT e chatbot per il servizio clienti, ottimizzazione dei consumi energetici dei punti vendita. Sono applicazioni poco spettacolari ma molto redditizie: la previsione della domanda per singolo articolo e singolo negozio riduce contemporaneamente rotture di stock e sovrastock, cioè agisce su ricavi e capitale circolante insieme; l’ottimizzazione energetica lavora su una voce di costo che nel food retail, con banchi frigo e celle, pesa in modo strutturale.
- Quanto stock devo ordinare?
- Dove lo devo mettere?
- Quando devo promuovere un prodotto?
- Quale assortimento funziona in un certo territorio?
- Come cambia la domanda in base al meteo, agli eventi, alla stagionalità, ai trend social, al calendario scolastico, al turismo?
Il retail è fatto di migliaia di micro-decisioni quotidiane. L’AI può trasformarle da decisioni reattive a decisioni predittive.
Questo vale per il demand forecasting, per il riordino, per l’ottimizzazione dell’assortimento, per la riduzione di overstock e stockout, per la logistica e anche per il pricing.
Ma prezzo dinamico non significa fare qualsiasi cosa pur di massimizzare il margine. Nel retail la fiducia è fragile, e un prezzo intelligente deve essere anche spiegabile, coerente e percepito come equo. La differenza tra prezzo dinamico – lo stesso per tutti, variabile nel tempo secondo domanda e scadenze – e prezzo personalizzato, che varia da cliente a cliente, è tecnicamente sottile e politicamente enorme. Il primo è difendibile, anche in chiave di riduzione dello spreco. Il secondo, nel carrello alimentare, tocca un nervo di equità sociale che nessuna insegna può permettersi di ignorare. Quando un algoritmo sbaglia un prezzo, una promozione o una raccomandazione, non sbaglia “il sistema”: sbaglia il brand agli occhi del cliente.
AI nel retail del lusso: quando la personalizzazione è prodotto
Per anni abbiamo chiamato personalizzazione il fatto di mettere il nome del cliente in una newsletter: gentile, ma cosmetica. Oggi parliamo di raccomandazioni realmente contestuali, personal shopper AI, assistenti conversazionali, loyalty predittiva, offerte generate sul comportamento, customer service personalizzato. Il valore è enorme, ma la linea è sottile. La personalizzazione funziona quando il cliente pensa “mi avete capito”; fallisce quando pensa “mi state spiando”. Usare i dati per essere rilevanti senza essere invasivi non è un problema tecnologico: è culturale, organizzativo e reputazionale, e richiede dati ordinati, consenso chiaro, qualità delle fonti e regole esplicite su cosa può fare l’AI e cosa deve restare responsabilità umana.
C’è un segmento in cui tutto questo si rovescia, e vale la pena guardarlo perché è un pezzo di industria in cui l’Italia non è follower: il lusso.
Se nel grocery la personalizzazione rischia di sembrare sorveglianza. Nel lusso è il prodotto. Il clienteling, cioè la memoria del cliente, delle sue misure, delle sue occasioni, di quello che ha comprato e di quello che ha guardato senza comprare, è sempre stato il mestiere del venditore di boutique, affidato a un quaderno e a una relazione personale. L’AI qui non introduce una pratica nuova: rende scalabile la sola forma di personalizzazione che il cliente non ha mai percepito come invasiva.
Si rovescia anche il capitolo prezzo. Nel lusso il prezzo dinamico non è un’opportunità, è un danno: la stabilità del prezzo è parte del capitale di marca e lo sconto è un’ammissione. L’AI serve al contrario, a proteggere il full price, a leggere la domanda per allocare le referenze giuste al negozio giusto, a non arrivare mai al markdown.
Ma è sul fronte agentico che la differenza diventa strutturale. Per la distribuzione alimentare il rischio è la disintermediazione: qualcun altro si mette tra te e il cliente. Per il lusso il rischio è la commoditizzazione, che è peggio. Un agente generico confronta attributi: prezzo, disponibilità, popolarità. Applicato a un prodotto che vende desiderio, narrazione, rarità e significato, quel confronto non intermedia il valore: lo cancella.
Non stupisce che la risposta dei marchi sia costruire agenti propri anziché aspettare quelli degli altri: “Ask Ralph” di Ralph Lauren, l’ambiente conversazionale di Brunello Cucinelli costruito sulla filosofia della maison, ZEGNA X come copilota degli addetti di negozio. Sono tentativi di tenere dentro il perimetro del brand lo strato interpretativo, prima che se lo prenda qualcun altro.
E qui l’Italia ha un asset che nessun altro paese possiede nella stessa misura: essere la fabbrica del lusso mondiale, cioè il luogo in cui la provenienza è documentabile. Il Digital Product Passport, che dal 2026 comincia a interessare il tessile, obbliga a rendere machine-readable la storia del prodotto.
È un adempimento, ma è anche l’unica risposta seria alla contraffazione in un mondo in cui un’immagine di prodotto si genera in tre secondi: gli stessi dati strutturati che ti rendono leggibile a un agente ti rendono dimostrabilmente autentico. Nel lusso essere agent ready non è una questione di e-commerce. È una questione di identità.
Retail Media e contenuti generativi
Un discorso analogo vale per il retail come media platform. Sempre più insegne non vendono soltanto prodotti: vendono attenzione, dati, audience, contesto.
Il punto non è produrre di più. Con l’AI generativa produrre contenuti diventa facile, forse troppo. La domanda vera è quali contenuti possono uscire a nome del brand: chi controlla che un claim sia corretto, chi verifica che un’immagine non sia fuorviante, chi decide se un contenuto generato rispetta tono di voce, normativa, proprietà intellettuale e valori. Nel retail l’AI generativa non è solo uno strumento creativo: è un nuovo rischio reputazionale. Servono design system, workflow, approvazioni, policy e responsabilità nominali. La creatività aumenta, ma deve aumentare anche la sua governance.
Cybersecurity nel retail: una superficie d’attacco sempre più ampia
C’è un tema meno visibile e più decisivo: la cybersecurity. Il retail moderno è una superficie d’attacco enorme: e-commerce, POS, casse, pagamenti, app, loyalty, CRM, magazzini, logistica, fornitori, marketplace, Wi-Fi, sensori, telecamere, API, cloud, piattaforme marketing, e ogni punto di contatto è un possibile punto di vulnerabilità.
Con l’AI cambiano anche gli attacchi: phishing più credibili, frodi più sofisticate, bot più capaci, identità sintetiche, deepfake, manipolazione di recensioni, abuso di promozioni, account takeover sui programmi fedeltà. Non è uno scenario: nella ricerca Adyen, il 22% dei retailer italiani dichiara di aver già misurato un aumento dei tentativi di frode basati su AI, e il 39% teme decisioni d’acquisto imprevedibili da parte degli agenti.
E si aggiunge un rischio nuovo, che riguarda i sistemi AI stessi. Un assistente interno può esporre dati sensibili? Un chatbot può essere manipolato con prompt injection? Un agente può compiere azioni non autorizzate? Un modello può usare informazioni sbagliate o non aggiornate? Un dipendente può caricare dati riservati su strumenti non autorizzati? Nel retail la cybersecurity non protegge solo i dati: protegge la continuità operativa e la capacità di vendere. Se si blocca un sistema centrale non si ferma l’IT, si fermano le casse, la logistica, il customer care, il negozio, la fiducia.
Fiducia, governance e AI Act: il nuovo vantaggio competitivo
L’AI nel retail toccherà aree molto sensibili: prezzi, promozioni, raccomandazioni, customer service, dati personali, videosorveglianza, loyalty, contenuti, lavoro delle persone, processi decisionali. Non basta quindi chiedersi quale AI si può usare. Bisogna chiedersi chi decide, con quali dati, con quali limiti, con quali controlli, con quale responsabilità e con quale trasparenza verso il cliente.
Su questo il settore è in ritardo, la maggior parte delle imprese non hanno ancora affrontato la conformità all’AI Act, alcune stanno elaborando policy, pochissime hanno una governance formalizzata. Il calendario europeo, intanto, si è mosso in modo asimmetrico: dal 2 agosto 2026 si applicano gli obblighi di trasparenza dell’articolo 50, mentre il Digital Omnibus ha spostato al 2 dicembre 2027 il grosso dei requisiti per i sistemi ad alto rischio, per dare tempo alla definizione degli standard armonizzati.
Sarebbe un errore leggere il rinvio come una dispensa: per un brand che sta decidendo oggi dove mettere l’AI, quella finestra è il momento migliore per costruire inventario dei sistemi, valutazione del rischio, tracciabilità delle decisioni e supervisione umana. Attività che a regime richiederanno mesi e che, fatte adesso, costano una frazione.
AI Act, GDPR e cybersecurity non vanno letti solo come vincoli. In un mercato in cui tutti useranno l’AI, la differenza non sarà tra chi la usa e chi non la usa: sarà tra chi la usa in modo improvvisato e chi la integra in modo sicuro, scalabile e affidabile.
Dal customer ready all’agent ready
“Secondo le stime di The European House – Ambrosetti il commercio è il 2° settore per impatto potenziale dell’intelligenza artificiale sul Valore Aggiunto, ma il 50% dei retailer lamenta la mancanza di utilizzi chiari nel business e il 30% non trova le competenze necessarie. Fin dalla sua nascita la Community Retail 5.0, l’Osservatorio di TEHA dedicato all’elaborazione di scenari, strategie e politiche per il Retail Specializzato, ha favorito il confronto tra imprese, istituzioni e stakeholder della filiera per identificare le applicazioni più promettenti dell’AI, accelerarne l’adozione e contribuire allo sviluppo delle competenze necessarie per trasformarne il potenziale in valore concreto per il settore”, dichiara Benedetta Brioschi, Partner e Responsabile Food&Retail di TEHA Group.
La distanza tra i tanti (tutti?) che sperimentano e l’1% che ha industrializzato l’AI non si spiega con la tecnologia, largamente disponibile e crescentemente commoditizzata.
Si spiega con quattro nodi organizzativi, tutti umani.
Il dato
Il primo è il dato. Nessun modello predittivo compensa un’anagrafica incoerente o uno storico di vendita non pulito. Il caso di Coop Alleanza 3.0 è istruttivo proprio perché non è un progetto di AI: la cooperativa ha rifatto il core con SAP S/4HANA su SAP Business Technology Platform e infrastruttura Google Cloud, portando in esercizio a gennaio 2026 i sistemi di merce e approvvigionamento. L’AI, in quell’architettura, viene dopo e proprio per questo può funzionare. È l’ordine dei fattori che molte sperimentazioni invertono.
Le competenze
Il secondo sono le competenze: la maggior parte delle imprese indicano la mancanza di competenze interne specialistiche come primo ostacolo, in particolare segnalano resistenza culturale. Il vero collo di bottiglia non è il data scientist in sede: è il capo reparto che deve fidarsi di un ordine suggerito da un modello quando la sua esperienza gli dice altro. Se l’override manuale resta la norma, il sistema non impara e il ritorno non arriva.
La misurazione
Il terzo è la misurazione: molte aziende non a quantificare i benefici economici reali. Senza baseline, senza test controllati su cluster di negozi comparabili, senza una metrica concordata prima dell’avvio, ogni pilota produce aneddoti anziché evidenze e nessun imprenditore o manager finanzia lo scale-up di un aneddoto.
La governance
Il quarto è la governance. Ammesso di aver risolto un problema se questa soluzione non è scalabile, sicura e affidabile difficilmente potrà essere portato in produzione in ambienti con migliaia o centinaia di migliaia di clienti.
L’AI applicata all’efficienza interna produce risparmi difendibili ma replicabili da tutti: diventerà, entro pochi anni, un requisito di sopravvivenza e non un vantaggio. L’AI applicata all’interfaccia con il cliente: ai dati di prodotto, alla capacità di essere scelti da un agente, alla relazione con chi delega il proprio carrello a un software determina invece chi mantiene il rapporto diretto con il consumatore e chi finisce a fare da fornitore logistico di una piattaforma altrui.
“Per la GDO italiana accelerare gli investimenti in tecnologia non è più rinviabile. La prima priorità è la cybersecurity: i retailer custodiscono patrimoni di dati sempre più rilevanti e, allo stesso tempo, operano attraverso una rete crescente di sistemi, piattaforme e punti di accesso che aumenta inevitabilmente l’esposizione ai rischi. Ma investire in tecnologia significa anche ripensare l’efficienza dei processi: dalla logistica alla gestione della supply chain, fino alla possibilità di costruire nuove sinergie con i fornitori.” è il pensiero di Marco Bordoli Principal Expert TEHA e Consigliere di Amministrazione D.it
L’AI renderà il retail più predittivo, più personale e più efficiente. La cybersecurity farà la differenza tra chi innova e chi si espone. La governance farà la differenza tra chi sperimenta e chi scala.
Partecipa alla community