Finora, parlando di agentic commerce, l’attenzione si è concentrata soprattutto sull’agente AI del consumatore: un sistema capace di cercare prodotti, confrontare alternative e interagire con i cataloghi dei Retail.
Ora compare un nuovo attore dall’altra parte della conversazione.
La start up Spangle AI (ex dirigenti di Amazon) ha presentato Spangle Halo, un agente AI progettato per rappresentare l’agentic commerce nel retail quando un agente AI arriva per conto di un consumatore a verificare un potenziale acquisto.
Halo combina le informazioni sulla domanda del cliente con i dati e le priorità del Retail nell’agentic commerce.
• inventario
• performance dei prodotti
• economia
• priorità commerciali
Sulla base di queste informazioni può decidere quali prodotti presentare e quali eventuali articoli complementari suggerire.
Il sistema supporta UCP, MCP e interazioni via browser.
- UCP – Universal Commerce Protocollo: è uno standard aperto pensato per far comunicare in modo strutturato agenti AI, piattaforme, Retail e sistemi di pagamento. Definisce un linguaggio comune per funzioni commerciali come discovery, carrello, check-out, ordini e altre capacità, evitando integrazioni ad hoc per ogni singolo agente o piattaforma.
- MCP – Model Context Protocollo: è un protocollo che standardizza il modo in cui un modello o agente AI può collegarsi a strumenti e sistemi esterni e invocare funzioni. Nel caso UCP, per esempio, una capacità commerciale può essere esposta come strumento MCP e quindi chiamata direttamente da un agente AI.
La distinzione più semplice sarebbe UCP dice “come funziona il commercio tra sistemi”.
MCP dice “come un agente AI accede e usa strumenti e funzioni esterne”.
Ed è qui che, secondo me, il tema diventa particolarmente interessante per il Retail.
Lo scenario potrebbe cambiare e non essere più semplicemente: cliente → AI → catalogo
ma: agente del cliente ↔ agente del Retail ↔ sistemi commerciali
Questo significa che merchandising digitale, raccomandazioni e regole commerciali potrebbero progressivamente essere applicate direttamente nella conversazione tra macchine (tra agenti).
L’agente del consumatore cercherà di interpretare e soddisfare l’intento del cliente.
L’agente del Retail dovrà interpretare quello stesso intento tenendo conto anche di disponibilità, delle performance e delle priorità commerciali.
In altre parole, una parte crescente della relazione commerciale potrebbe avvenire prima ancora che il consumatore visualizzi un prodotto (riducendo e indirizzando il risultato).
Facciamo qualche esempio di utilizzo
1. Trasformare la scoperta basata sull’IA in conversioni reali
Oggi i clienti trovano i prodotti tramite panoramiche basate sull’intelligenza artificiale, TikTok e ChatGPT. Spangle collega questo livello di scoperta al tuo sito retail, adattando dinamicamente la landing pagina e l’esperienza utente in base alla provenienza dell’utente e ai suoi probabili interessi.
2. Personalizza su larga scala, senza sovraccaricare il tuo team.
ProductGPT di Spangle impara a conoscere il brand e adatta le esperienze durante la sessione, in base al comportamento in tempo reale e al contesto del prodotto. Questo sostituisce la personalizzazione rigida basata su regole.
3. Sostituire i lenti test A/B con l’apprendimento guidato dall’intelligenza artificiale
Anziché attendere settimane per i risultati dei test, gli agenti di Spangle apprendono e si ottimizzano continuamente da ogni sessione.
4. Ampliare la personalizzazione mantenendo la coerenza del marchio
Gli strumenti di intelligenza artificiale generici spesso non sono in linea con il brand. Spangle si concentra sul tono, sui contenuti e sugli elementi visivi del brand per garantirne la coerenza.
E tutto questo apre qualche domanda importante per i Retail
Se domani saranno gli agenti AI a parlare tra loro, come dovrà evolvere il merchandising per essere efficace anche in una conversazione macchine-to-machine?
E quali risvolti su trasparenza e privacy?
Buone riflessioni
