L'e-commerce sta affrontando un cambiamento fondamentale – e la maggior parte dei negozi online non se ne è ancora accorta.
Jan Otto, fondatore di JANO Consulting, descrive nel suo articolo ospite nella rivista E-Commerce il passaggio a Agentic Search – un approccio in cui non sono più le parole chiave, ma le intenzioni di acquisto a guidare i risultati di ricerca. Questo approccio è percepito nel negozio come Agentic Shopping Assistant esperienziale e consente una forma di AI Product Discovery, che sostituisce le tradizionali categorie di filtro e le ricerche per parole chiave. Come esempio pratico concreto, Jan Otto cita aginity.ai.
La fine dell'era delle parole chiave: perché gli utenti non pensano più come i motori di ricerca
L'intelligenza artificiale generativa ha cambiato radicalmente il comportamento degli utenti. I clienti oggi digitano richieste in linguaggio naturale con contesto, budget e scopo – e si aspettano che il sistema li comprenda.
I Millennials preferiscono la ricerca basata sul dialogo
Il 67% dei Millennials preferisce una ricerca basata sul dialogo e contestuale rispetto alla tradizionale ricerca per parole chiave.
Maggiore probabilità di acquisto
Gli utenti che cercano in linguaggio naturale hanno una probabilità di acquisto superiore del 35%.
Ricerche mobili > 5 parole
Il 43% di tutte le ricerche e-commerce su dispositivi mobili contiene oggi più di 5 parole.
Perché la ricerca di prodotti tradizionale sta raggiungendo i suoi limiti
Le soluzioni di ricerca tradizionali sono progettate per corrispondenze di parole chiave – non per intenzioni di acquisto. Questo porta nella pratica a tre problemi gravi.
Problema zero risultati
Oltre il 70% degli utenti abbandona immediatamente il negozio se non vengono mostrati risultati – anche se il prodotto sarebbe presente nel catalogo.
Problema di rilevanza per richieste complesse
Più contesto contiene una richiesta – scopo d'uso, budget, altezza – peggiore sarà la qualità dei sistemi di ricerca classici.
Problema di resi a causa della scarsa qualità dei risultati.
Acquisti sbagliati a causa di risultati di ricerca inadeguati causano resi. Ogni reso costa 17–25 Euro – indipendentemente dal prezzo del prodotto.
IA generativa come nuova infrastruttura per la ricerca di prodotti.
Agentic Search analizza l'intenzione di acquisto, estrae attributi di prodotto rilevanti e li confronta direttamente con il catalogo dei prodotti – in modo strutturato, comprensibile e giustificato. Puoi trovare un confronto tecnico dettagliato nell'articolo. Cos'è l'Agentic Search?.
RAG vs. Agentic Search a confronto.
| Approccio | RAG (classico) | Ricerca Agentica |
|---|---|---|
| Base dati | Indice vettoriale da testi di prodotto | Dati di prodotto strutturati nel catalogo |
| Logica di interrogazione | Ricerca per similarità | Matching dell'intento basato sugli attributi |
| Rischio di allucinazioni | Aumentato (output generativo) | Chiaramente minimizzato (dati di prodotto strutturati) |
| Spiegabilità | Basso | Alto / Comprensibile basato sugli attributi |
| Sforzo di aggiornamento | Alto (reindicizzazione) | Basso (catalogo live) |
Agentic Commerce: Quando ogni prodotto diventa un esperto.
Nei sistemi classici, il catalogo prodotti è passivo. Nel modello agentico, ogni prodotto diventa attivo: riceve un proprio agente AI che risponde autonomamente alle richieste. Für Kunden wird dieser Ansatz als Assistente allo Shopping Agente erlebbar.
Passo 1 – Analisi del catalogo
Un generatore di agenti analizza l'intero catalogo prodotti. Per ogni SKU vengono raccolti, pesati e strutturati tutti gli attributi rilevanti.
Passo 2 – Estrazione dell'intento
Un modulo di intento analizza la richiesta ed estrae l'intento di acquisto: cosa cerca l'utente? Quali attributi sono importanti?
Passo 3 – Attivazione degli agenti
Sulla base dell'intento riconosciuto, si attivano solo gli agenti di prodotto i cui prodotti sono potenzialmente rilevanti.
Passo 4 – Scoperta dei prodotti AI con motivazione
Ogni risultato di ricerca viene fornito con una motivazione a livello di attributo – trasparente e comprensibile.
aginity.ai: L'esempio concreto dalla rivista E-Commerce
Jan Otto cita esplicitamente aginity.ai come esempio di come il commercio agentico funzioni già oggi nella pratica. aginity.ai lavora con dati di prodotto strutturati e richieste dirette del catalogo basate su attributi – comprensibili invece che puramente probabilistiche.
Rischio di allucinazioni minimizzato
Poiché le raccomandazioni si basano su attributi di prodotto catalogati, il rischio di informazioni errate è notevolmente inferiore rispetto agli approcci RAG puramente generativi.
Richiesta diretta del catalogo a livello di attributo
aginity.ai lavora con dati di prodotto strutturati e richieste dirette del catalogo basate su attributi – comprensibili invece che puramente probabilistiche.
Conforme al GDPR nell'UE
Hosting nel data center di Francoforte/Main – progettato per soddisfare i requisiti dell'AI Act.
Gemessene Ergebnisse aus laufenden Projekten
Inquadramento strategico: Perché il momento è decisivo ora
Le aziende che non investono ora nella ricerca di prodotti intelligente perderanno il contatto - non tra cinque anni, ma tra due.
Le aspettative aumentano rapidamente
I clienti che conoscono ChatGPT, Perplexity o Google AI Overviews hanno un nuovo benchmark per una "buona ricerca".
I concorrenti stanno recuperando
I grandi attori dell'e-commerce investono massicciamente nella ricerca supportata da IA. Per i commercianti di medie dimensioni, Agentic Search è la possibilità più realistica di tenere il passo.
La finestra di integrazione è ora aperta
Sistemi come aginity.ai possono essere integrati in sistemi di negozio esistenti tramite un'API. L'impegno attuale è di 7 giorni.
Conclusione
Agentic Commerce non è fantascienza - è una tecnologia collaudata nella pratica che può andare live in sette giorni: conforme al GDPR, con un rischio di allucinazione ridotto grazie a dati di prodotto strutturati e risultati misurabili fin dal primo giorno.
Domande frequenti
Cos'è l'Agentic Search?▾
Agentic Search analizza l'intenzione di acquisto dietro una richiesta, confronta gli attributi di prodotto rilevanti nel catalogo e fornisce raccomandazioni giustificate a livello di attributo. Questo migliora la tracciabilità e minimizza i rischi di allucinazione rispetto agli approcci RAG puramente generativi.
Che cos'è AI Product Discovery?▾
AI Product Discovery descrive la capacità di riconoscere il reale caso d'uso dell'acquirente da una richiesta in linguaggio naturale e di trovare prodotti appropriati in tutto il catalogo - basato sull'intenzione, a livello di attributo, con risultati spiegabili.
Qual è la differenza tra Agentic Search e RAG?▾
I sistemi RAG generano risposte basate su passaggi di testo recuperati da database vettoriali. Agentic Search lavora con dati di prodotto strutturati e matching basato su attributi - spiegabile e con un rischio di allucinazione notevolmente ridotto.
Qual è la differenza tra un assistente allo shopping IA e un chatbot?▾
Un chatbot conduce conversazioni aperte. Un assistente allo shopping Agentic fornisce risultati di prodotto precisi dal catalogo reale - giustificati a livello di attributo, senza conversazione libera.
Ho bisogno di cambiare sistema di negozio per Agentic Search?▾
No. aginity.ai si integra come strato API nei sistemi esistenti. Shopify, Shopware e Magento sono supportati nativamente.
Quanto tempo richiede l'integrazione?▾
Per un catalogo di prodotti tipico con 1.000–50.000 SKU, il tempo di integrazione è di 7 giorni lavorativi - inclusi setup, testing e go-live.
I dati dei clienti vengono memorizzati o utilizzati per l'addestramento?▾
No. Le richieste di ricerca vengono elaborate in modo pseudonimizzato. Nessun dato cliente lascia il centro dati dell'UE a Francoforte/Main.
Quanto costa l'implementazione?▾
aginity.ai offre tre pacchetti mensili: Agentic Chat (da 750 /mese), Agentic Search (da 1.000 /mese) e la Agentic Suite (da 1.500 /mese) – ciascuno nella valuta locale più IVA. Tutti i pacchetti includono 10.000 prodotti e 10.000 richieste/mese.
Contenuti aggiuntivi
Sull'autore
Jan Otto è il fondatore di JANO Consulting e consiglia le aziende commerciali di medie dimensioni nella trasformazione digitale. Il suo focus è sulle strategie basate sui dati per l'e-commerce, l'omnicanale e l'integrazione dell'IA. Il presente testo è apparso originariamente come contributo ospite nella rivista E-Commerce (02.02.2026).