Lo shopping guidato dall’intelligenza artificiale sta entrando in una nuova fase. OpenAI e Perplexity hanno infatti lanciato strumenti che integrano direttamente nei loro chatbot funzioni per confrontare prodotti, analizzare alternative e finalizzare acquisti.
È un salto che arriva alla vigilia della stagione natalizia e che segna l’ingresso deciso delle piattaforme generaliste nel territorio finora presidiato da startup specializzate come Onton, Phia o Cherry.
Per i colossi della Silicon Valley, la mossa è naturale: gli utenti sono già lì, dentro ChatGPT o Perplexity, e aggiungere un livello di assistenza allo shopping significa intercettare un nuovo flusso di traffico, potenzialmente monetizzabile.
La personalizzazione dello shopping
Perplexity sta puntando sulle funzioni di memoria, sostenendo che un assistente capace di ricordare preferenze, contesto lavorativo o luogo in cui vive l’utente, possa fornire raccomandazioni realmente utili.
È un approccio che fa leva sulla personalizzazione algoritmica, sempre più centrale nei servizi consumer. Non a caso, secondo Adobe, questa stagione natalizia vedrà una crescita del 520% (!) dello shopping online assistito da sistemi di IA.
È un segnale che può favorire l’intero settore ma anche complicare la partita: se piattaforme come ChatGPT e Perplexity sono già presenti nella quotidianità digitale degli utenti, conquistare i flussi di conversazione legati agli acquisti può diventare più semplice. Per loro, s’intende.
Perché alcune startup pensano di resistere
Zach Hudson, CEO di Onton (startup specializzata nell’interior design), non sembra particolarmente preoccupato. A suo avviso, strumenti generalisti come ChatGPT o Perplexity non possono competere su terreni verticali in cui conta la qualità del dataset.
“Qualsiasi modello o grafico di conoscenza è valido solo quanto le sue fonti dati”, ha spiegato a TechCrunch. Dal suo punto di vista, l’uso di indici di ricerca come Bing o Google limita la precisione delle risposte dei chatbot generalisti: in sostanza, se i dati di partenza non sono specifici, lo shopping conversazionale difficilmente potrà raggiungere il livello richiesto da settori come fashion o interior design.
Un’opinione condivisa anche da Julie Bornstein, CEO di Daydream e a lungo protagonista del mondo e-commerce. “La moda è particolarmente sfumata ed emotiva: trovare un vestito che amate non è come trovare un televisore”, ha affermato.
Per Bornstein, la differenza la fa la comprensione dei dettagli: silhouette, tessuti, occasioni, combinazioni nel tempo. È un tipo di competenza che non può emergere da modelli addestrati sulla totalità del web, ma solo da dataset verticali curati e costruiti ad hoc.
Le mosse di OpenAI e Perplexity
OpenAI e Perplexity, però, partono con un vantaggio evidente: una base utenti già enorme e la capacità di chiudere accordi con grandi retailer per permettere il checkout direttamente all’interno dell’interfaccia conversazionale. Ciò evita di reindirizzare gli utenti ai siti dei negozi e rende più fluido il processo d’acquisto.
Un secondo elemento chiave è la ricerca di un percorso sostenibile verso la redditività. I modelli di intelligenza artificiale richiedono enormi quantità di potenza computazionale e, di conseguenza, costi elevati.
Guardare all’e-commerce come potenziale fonte di ricavi è una mossa che ricalca la strategia storica di giganti come Google e Amazon, e non a caso si parla della possibilità che i retailer possano in futuro pagare per promuovere i propri prodotti all’interno dei risultati generati dai chatbot.
È un modello che promette margini ma che rischia di amplificare i limiti già noti della ricerca online, dove l’advertising spesso si sovrappone alle reali necessità degli utenti.
La vera partita, insomma, si gioca sulla qualità dei dati e sulla capacità di portare valore nel processo decisionale. Come sintetizza Bornstein: “I modelli verticali, che si tratti di moda, viaggi o articoli per la casa, avranno prestazioni migliori perché sono calibrati sul reale processo decisionale dei consumatori”.
Fonte: TechCrunch
