02 Ott Stack ecommerce e AI: il costo degli strumenti che non comunicano
Aggiungere strumenti allo stack tecnologico non significa necessariamente rendere un ecommerce più efficiente: quando piattaforme e dati non comunicano, il costo della complessità ricade spesso sul team che deve collegarli manualmente. Ne abbiamo parlato con Antonio Tresca, CTO e Co-Founder di Uptonica by WebGas, approfondendo il valore dell’integrazione e le attività in cui l’intelligenza artificiale può già produrre risultati concreti.
Quanto costa davvero a un ecommerce gestire strumenti che non comunicano tra loro?
Quello a cui si pensa nell’immediato è la licenza. Ma questa è solo la parte visibile del costo. Il sommerso comprende il tempo perso a reperire informazioni sparse tra diversi tool e, soprattutto, il rischio di prendere decisioni su dati che non concordano.
PIM, AI per i contenuti, repricer, attribuzione, chat: cinque strumenti, cinque fornitori, cinque fonti di dati. E ogni volta qualcuno deve esportare, confrontare e ricostruire il contesto.
Il costo, quindi, non sta solo nelle ore spese a far dialogare i sistemi. Si vede soprattutto nelle decisioni che vengono rimandate perché il dato non è abbastanza affidabile: un prodotto che non spingi, un prezzo che non aggiorni, un’azione che rimandi perché ti servono altre informazioni prima di poter decidere.
A questo si aggiunge un problema più recente. Oggi quasi ogni tool ha la sua AI, ma quell’AI spesso non conosce davvero il tuo ecommerce. Il catalogo, i margini, il tono del brand e quello che è successo prima devi continuare a fornirglieli tu, ogni volta, per ogni tool dotato di AI.
In sostanza paghi cinque strumenti che non si parlano e che ti fanno perdere tempo per metterli in comunicazione e per ricostruire il contesto. Questo è il problema da cui è nata Uptonica: un unico sistema, un unico contesto e un’AI che quel contesto lo conosce già.
Quali processi ecommerce sono già maturi per essere affidati all’AI?
Non è il processo in sé a essere maturo per l’AI. Sono le condizioni in cui lo fai.
Per me, un processo è pronto quando l’output è verificabile, l’errore è reversibile e l’AI ha il contesto necessario per lavorare bene: catalogo, margini, regole e tono del brand.
Con queste condizioni, ci sono già attività che si prestano molto bene: l’arricchimento del catalogo, le prime risposte al cliente, le bozze dei contenuti, le traduzioni o il repricing dentro limiti definiti dall’azienda. Sono attività ad alto volume, ripetitive e in cui un eventuale errore è facile da individuare e correggere.
Il discorso cambia quando l’AI entra in decisioni più difficili da invertire, come l’allocazione del budget pubblicitario, il posizionamento, il listino o le scelte di gamma. In questi casi può analizzare i dati, individuare segnali e proporre una direzione, ma la decisione resta, e deve restare, umana.
La domanda, quindi, non è tanto “cosa può fare l’AI?”, ma cosa possiamo affidarle senza perdere il controllo del processo?
In quali ambiti gli ecommerce stanno investendo troppo e in quali, invece, stanno investendo ancora troppo poco?
Spesso si investe molto in fondo al funnel e troppo poco nell’infrastruttura che fa funzionare tutto il resto.
Detto in modo più diretto: si compra traffico per portarlo su un catalogo che magari non è ancora pronto a riceverlo. Il budget advertising continua a crescere perché è una leva immediata e facile da misurare.
Ma se il problema è una scheda prodotto debole, un prezzo fuori mercato o un’esperienza post-acquisto che non funziona, altro traffico non risolve il problema. Anzi, rischia semplicemente di portare più persone dentro lo stesso problema.
Un meccanismo simile si vede anche nello stack tecnologico. Si acquista un tool per ogni esigenza, poi un altro per l’AI, poi un altro ancora per collegare i primi due. E man mano che gli strumenti aumentano, aumentano anche silos, dati duplicati e lavoro manuale per far circolare le informazioni.
Con l’AI il rischio è lo stesso: cinque licenze AI dentro cinque strumenti diversi non rendono un ecommerce AI-native. Se ogni AI vede solo un pezzo dell’azienda, manca proprio il contesto necessario per lavorare bene e supportare decisioni migliori.
Prima di aggiungere traffico, tool o AI, quindi, partirei da una domanda più semplice: quanto bene comunicano tra loro dati, strumenti e persone che prendono le decisioni?
