10. AI strategica per il Retail e l'E-commerce

Il retail e l'e-commerce sono il settore da cui vengo e in cui lavoro ogni giorno con gli AI Team, e sono il settore in cui l'AI ha cambiato prima e più profondamente il modo di fare impresa: perché è il settore con più dati, più interazioni ripetitive con il cliente e più pressione sui margini. Ciò che è successo qui negli ultimi due anni anticipa ciò che succederà negli altri.

Questo capitolo segue lo schema di tutta la Parte II: il contesto, la SWOT con e senza AI, le leve e gli agenti tipici, i KPI prima e dopo, e le Condizioni di Soddisfazione da cui partire.

Il contesto

Come l'AI ha cambiato il settore

Tre cose sono cambiate. La prima è il cliente: sceglie sempre più spesso attraverso assistenti AI, e chi arriva da un assistente converte meglio, resta più a lungo e compra di più; il traffico da assistenti AI verso i siti retail americani è cresciuto di quattordici volte in diciotto mesi. La seconda è la personalizzazione: da «per segmento» a «per persona», in tempo reale, su prodotti, prezzi, messaggi e tempi; McKinsey stima che la personalizzazione guidata dall'AI aumenti i ricavi del 10-15% in media, e le raccomandazioni personalizzate arrivano a generare fino al 31% dei ricavi di un e-commerce. La terza è l'operatività: assistenza, gestione ordini, resi, scorte e prezzi passano progressivamente ad agenti, con le persone sulle eccezioni.

Il settore è anche quello con il divario più evidente tra chi fa e chi dice di fare: nel retail europeo l'88% delle aziende ha l'AI in almeno una funzione, ma il 94% non vede impatto sull'utile. Il divario è nel ritmo con cui l'AI entra nelle decisioni, non nella sua presenza.

La lezione di Klarna

Il caso più citato del settore merita di essere raccontato per intero, perché contiene entrambe le lezioni. Nel febbraio 2024 Klarna, l'operatore di pagamenti, ha messo in produzione un assistente AI che nel primo mese ha gestito 2,3 milioni di conversazioni — il lavoro di circa 700 addetti — con un tempo di risoluzione sotto i due minuti e una riduzione del 25% dei casi ripetuti. Nel maggio 2025 l'azienda ha annunciato di riassumere personale umano per il servizio clienti: la scelta di ottimizzare solo sui costi aveva prodotto «una qualità inferiore». Oggi l'AI gestisce ancora due terzi delle richieste; le persone gestiscono «i momenti che contano». La lezione per un CEO è doppia: gli agenti funzionano, e vanno progettati con le persone sulle eccezioni fin dall'inizio, non aggiunte dopo.

SWOT: senza AI e con AI

Forze. Senza AI: relazione personale con i clienti, conoscenza del prodotto, flessibilità. Con AI: le stesse forze estese a tutte le ore, a tutti i clienti e a tutte le lingue; dati proprietari letti ogni giorno; struttura dei costi variabile.

Debolezze. Senza AI: servizio limitato alle ore e alle persone disponibili; decisioni su prezzi e scorte a memoria; dipendenza da agenzie per il lavoro esecutivo. Con AI: dipendenza da dati puliti e sistemi accessibili; costi di consumo da governare; necessità di supervisori formati.

Opportunità. Senza AI: nicchie, prossimità, servizio umano come differenziazione premium. Con AI: essere trovati dagli assistenti AI; personalizzazione per persona; recupero sistematico delle vendite perse; nuovi mercati con la stessa struttura.

Minacce. Senza AI: concorrenti — anche più piccoli o esteri — con servizio continuo e prezzi dinamici; invisibilità negli assistenti AI; margini erosi dal costo di acquisizione. Con AI: errori davanti ai clienti se il primo agente è quello sbagliato; obblighi di trasparenza; fornitori che cambiano.

Le leve e gli agenti tipici

Nel retail il primo agente è quasi sempre uno di questi tre, in quest'ordine: la raccomandazione prodotto (rischio basso, risultato in quattro settimane), l'assistenza ordinaria (stato ordine, resi, taglie: l'80% delle richieste riguarda informazioni già nei sistemi) e il recupero delle vendite perse (carrelli e preventivi abbandonati). Poi vengono la qualificazione dei contatti, la personalizzazione delle comunicazioni ai clienti esistenti, la gestione delle informazioni prodotto per essere trovati dagli assistenti AI, e — nel secondo gradino — prezzi e promozioni dentro soglie decise da te, scorte e riordini, e la sintesi dei dati per le decisioni della direzione.

L'AI Team tipico che disegno per un e-commerce ha un chief che coordina tre o quattro sotto-team: ricavi (raccomandazione, recupero, prezzi), esperienza cliente (assistenza, resi), fidelizzazione (personalizzazione, prevenzione abbandono) e ottimizzazione (dati, informazioni prodotto, report). Va a regime in 45-60 giorni, un agente alla volta.

Esempio. Un e-commerce di prodotti per la casa con 4 milioni di fatturato e dodici persone. Punto di partenza: costo di acquisizione al 22% dei ricavi, conversione 1,8%, due addette al servizio clienti su 400 richieste a settimana. Primo gradino: agente di assistenza ordinaria e agente di recupero carrelli. Secondo gradino: raccomandazione e personalizzazione. Dopo sei mesi: costo di acquisizione al 15%, conversione al 2,4%, quota di ricavi da clienti esistenti dal 31% al 44%, due addette diventate supervisore del team e responsabile qualità del servizio. (Caso reso anonimo.)

KPI prima e dopo

Le CoS per il CEO del retail

Queste sono le Condizioni di Soddisfazione da cui partire per definire le tue. Le soglie vanno adattate al tuo punto di partenza, misurato dall'audit.

Gradino 1 (primo agente, 30-60 giorni). «Tempo medio di prima risposta sotto i due minuti sull'80% delle richieste, passaggio a persona sotto il 20%, soddisfazione sopra 4,5/5, misurato dal cruscotto per quattro settimane consecutive.» Oppure: «Recupero di almeno il 12% dei carrelli abbandonati entro 72 ore con incentivo medio sotto il 5%, misurato dalla piattaforma per quattro settimane.»

Gradino 2 (primo AI Team, 3-6 mesi). «Costo di acquisizione sui ricavi da X% a X−4 punti; conversione da Y% a Y×1,2; quota di ricavi da clienti esistenti +8 punti; spesa dell'AI Team entro il tetto mensile; due supervisori formati con documentazione.»

Gradino 3 (organizzazione mista, 12 mesi). «Ricavi per addetto +30%; quota di contatti da assistenti AI misurata e in crescita; playbook prezzi e promozioni attivo dentro le soglie con zero violazioni; tutte le CoS del gradino 2 mantenute per tre mesi consecutivi.»

Attenzione. Nel retail l'errore più costoso è partire dal chatbot sul sito. È la cosa più visibile e la più rischiosa: sbaglia davanti ai clienti e non chiude un ciclo di lavoro. Il primo agente deve essere quello che lavora sui dati che hai già — ordini, resi, catalogo — con rischio basso e risultato in quattro settimane.

Dove trovare. Il blog GTAVIANI (https://aiagents.gtaviani.com/blog.html) raccoglie i casi e le strutture di AI Team per e-commerce descritti in questo capitolo, con il dettaglio di quale agente inserire per primo e come si misura il ritorno per agente.