C’è stato un periodo in cui parlare di intelligenza artificiale nel retail sembrava quasi una cosa da convegno futuristico: scaffali intelligenti, assistenti virtuali, pubblicità personalizzate, magazzini che si organizzano da soli, previsioni di vendita precise come un orologio svizzero.

Poi, come spesso succede con la tecnologia, il futuro ha smesso di essere futuro.

È diventato presente.

Secondo la seconda edizione del report NVIDIA “State of AI in Retail and CPG”, pubblicato a gennaio 2025, l’AI è ormai entrata seriamente nel mondo del retail e dei beni di largo consumo. Il dato che colpisce di più è questo: l’89% dei retailer intervistati sta già usando l’intelligenza artificiale oppure sta valutando progetti, prove pilota e sperimentazioni.

Tradotto in modo semplice: quasi 9 aziende su 10 non stanno più solo “parlando” di AI. La stanno provando, integrando, misurando.

E questa cosa cambia parecchio il modo in cui dobbiamo guardare al commercio, ai negozi, all’e-commerce, alla logistica e perfino al lavoro quotidiano di chi sta dietro le quinte.

L’AI non è più solo ChatGPT

Quando diciamo “intelligenza artificiale”, molti pensano subito a ChatGPT, ai testi generati automaticamente, alle immagini create con un prompt o agli assistenti digitali che rispondono alle domande.

Ma nel retail la partita è molto più ampia.

L’AI sta entrando in tanti punti diversi della catena del nostro lavoro:

marketing, advertising, customer care, analisi dei clienti, gestione degli stock, supply chain, previsioni di vendita, raccomandazioni personalizzate, contenuti per campagne pubblicitarie e assistenti digitali per lo shopping.

Non stiamo parlando solo di un chatbot che ti dice quale paio di scarpe comprare.

Stiamo parlando di sistemi che possono aiutare un’azienda a capire cosa vendere, dove venderlo, quando produrlo, quanto tenerne a stock, come comunicarlo e a quale cliente proporlo.

E qui, da persona che vive quotidianamente processi, magazzini, flussi, articoli, giacenze e problemi reali di sistema, la cosa diventa molto interessante.

Perché l’AI non è utile quando fa scena.

È utile quando ti evita un errore, ti accorcia un processo, ti anticipa un problema o ti fa prendere una decisione migliore.

I numeri del report NVIDIA fanno capire dove stiamo andando

Nel report NVIDIA emergono alcuni dati molto forti.

L’87% degli intervistati dichiara che l’AI ha avuto un impatto positivo sull’aumento dei ricavi annuali.

Il 94% afferma che l’AI ha contribuito a ridurre i costi operativi.

Il 97% prevede di aumentare la spesa in AI nel prossimo anno fiscale.

Sono numeri da prendere con attenzione, come sempre quando si parla di survey aziendali, ma il messaggio è chiaro: le aziende che stanno investendo in AI iniziano a vedere risultati concreti. Non solo immagine. Non solo storytelling. Non solo innovazione da mettere nelle slide.

Risultati.

Più efficienza, più capacità di analisi, più produttività, più controllo sui processi.

E soprattutto una cosa che secondo me sarà sempre più centrale: decisioni più veloci e più basate sui dati.

La Generative AI è già dentro il marketing

Uno dei punti più interessanti del report riguarda la Generative AI, cioè quella famiglia di tecnologie capace di generare testi, immagini, contenuti, analisi, suggerimenti e conversazioni.

Secondo NVIDIA, oltre l’80% delle aziende retail e CPG sta già usando o testando progetti di Generative AI.

Gli utilizzi principali sono:

• creazione di contenuti marketing;
• analisi predittiva;
• pubblicità e marketing personalizzato;
• segmentazione dei clienti;
• assistenti digitali per lo shopping.

Il caso più immediato è quello del marketing.

Oggi un brand può creare contenuti diversi per pubblici diversi, adattare campagne, generare testi, immagini, descrizioni prodotto, newsletter, annunci e post social in modo molto più rapido rispetto al passato.

Però attenzione: secondo me qui c’è un rischio.

Se tutti usano l’AI per generare contenuti, il vero vantaggio non sarà semplicemente “produrre di più”.

Il vantaggio sarà produrre meglio.

Perché una descrizione prodotto generata in automatico può essere tecnicamente corretta, ma fredda. Un post social può essere perfetto nella forma, ma vuoto. Una campagna può essere super personalizzata, ma sembrare finta.

La differenza la farà chi saprà usare l’AI come strumento, non come sostituto del pensiero.

L’AI può aiutarti a scrivere, segmentare, analizzare, testare.

Ma il posizionamento, il tono, l’identità del brand e la sensibilità verso il cliente restano umani.

Almeno per ora 🙂 .

Il negozio fisico diventa più intelligente

Un altro aspetto interessante riguarda i punti vendita fisici.

Secondo il report, nei negozi l’AI viene usata soprattutto per:

• gestione dell’inventario;
• analisi e insight;
• advertising adattivo.

Qui entriamo in una zona molto concreta.

Pensiamo a un negozio che riesce a capire meglio quali prodotti stanno finendo, quali stanno girando poco, quali taglie mancano, quali articoli dovrebbero essere riassortiti prima del weekend o prima di una promozione.

Questo può sembrare banale, ma non lo è.

Chi lavora nei processi sa che la differenza tra “avere il prodotto” e “non averlo” può essere enorme.

Un cliente entra, chiede una taglia, non c’è.

Magari l’articolo esiste in un altro negozio, magari è in magazzino, magari è bloccato in una fase di sistema, magari c’è fisicamente ma non risulta disponibile.

L’AI può aiutare proprio lì: non nel fare magia, ma nel collegare meglio dati, disponibilità, domanda e operatività.

Per me il punto è questo: l’intelligenza artificiale diventa veramente utile quando esce dalla teoria e arriva nei punti sporchi del processo.

Quelli dove oggi perdiamo tempo.

Quelli dove una giacenza non torna.

Quelli dove il sistema dice una cosa e la realtà ne dice un’altra.

Quelli dove il cliente finale vede solo “prodotto non disponibile”, ma dietro c’è un mondo di movimenti, magazzini, flussi, errori, ritardi e dati non allineati.

Supply chain: qui l’AI può fare davvero la differenza

La parte che personalmente trovo più interessante è quella sulla supply chain.

Il report NVIDIA dice che il 59% degli intervistati ritiene che le sfide della supply chain siano aumentate nell’ultimo anno.

E non è difficile capirlo.

Negli ultimi anni abbiamo visto di tutto: crisi geopolitiche, rincari, difficoltà nei trasporti, cambiamenti improvvisi della domanda, consumatori meno prevedibili, e-commerce sempre più esigente, omnicanalità, necessità di consegne rapide, sostenibilità, gestione delle scorte e pressione sui margini.

In questo contesto, l’AI viene usata per migliorare efficienza, ridurre costi e rispondere meglio alle aspettative dei clienti.

Secondo NVIDIA:

• il 58% dice che l’AI sta aiutando a migliorare efficienza operativa e throughput;
• il 45% la usa per ridurre i costi della supply chain;
• il 42% la impiega per rispondere meglio alle aspettative dei clienti;
• l’82% prevede di aumentare gli investimenti in AI per la gestione della supply chain.

Qui secondo me siamo davanti alla parte più concreta di tutta la storia.

Perché nel retail puoi anche avere il marketing più bello del mondo, la campagna perfetta, il sito fatto bene, l’assistente digitale che risponde in tre secondi.

Ma se poi il prodotto non arriva, se il magazzino non è allineato, se la previsione è sbagliata, se la disponibilità è sporca, se il processo è lento, il cliente se ne accorge.

L’AI non risolve processi sbagliati

C’è però un punto che secondo me va detto chiaramente.

L’AI non è una bacchetta magica.

Se un’azienda ha dati disordinati, processi confusi, sistemi che non dialogano, anagrafiche sporche, ruoli poco chiari e flussi pieni di eccezioni non governate, l’AI non risolve tutto automaticamente.

Anzi, rischia di amplificare il caos.

Per funzionare bene, l’intelligenza artificiale ha bisogno di una base solida: dati puliti, processi leggibili, responsabilità definite, sistemi integrati e persone capaci di interpretare quello che la tecnologia restituisce.

Questo per me è il grande tema dei prossimi anni.

Non basterà “comprare AI”.

Bisognerà preparare le aziende all’AI.

Che significa mettere ordine nei dati, nei magazzini, nelle procedure, nelle codifiche, nei flussi informativi.

Un algoritmo può aiutarti a prevedere la domanda.

Ma se la tua giacenza non è affidabile, se l’articolo è codificato male, se il trasferimento è registrato in ritardo, se il dato nasce sporco, allora anche la previsione diventa fragile.

La tecnologia è potente, ma non può essere più intelligente del contesto in cui viene inserita.

Il problema dell’AI spiegabile

Un dato del report mi ha colpito molto: una delle principali difficoltà indicate dai retailer è la mancanza di strumenti AI facili da capire e da spiegare.

Questo è un punto enorme.

Perché in azienda non basta che un sistema dica: “fai così”.

Bisogna anche capire perché.

Se l’AI suggerisce di aumentare lo stock di un prodotto, tagliare una linea, cambiare una campagna, modificare un prezzo o spostare merce da un magazzino all’altro, qualcuno deve potersi fidare di quel suggerimento.

E per fidarsi deve capirlo.

Non necessariamente conoscere tutta la matematica dietro l’algoritmo, ma almeno avere una spiegazione leggibile: quali dati ha considerato? Quali pattern ha visto? Quali rischi segnala? Quanto è affidabile la previsione?

L’AI spiegabile sarà fondamentale soprattutto nei contesti operativi.

Perché chi lavora sul campo, in negozio, in magazzino o in produzione, non può semplicemente ricevere ordini da una scatola nera.

Deve poter discutere, verificare, correggere, portare esperienza reale.

La migliore AI, secondo me, non sarà quella che sostituisce le persone.

Sarà quella che rende più forti le persone brave.

Retail, AI agent e physical AI: il prossimo passaggio

NVIDIA parla anche di AI agent e physical AI.

Qui si apre un capitolo molto interessante.

Gli AI agent sono sistemi capaci di eseguire attività più complesse in autonomia: non solo rispondere a una domanda, ma seguire un processo, collegare strumenti, prendere decisioni operative entro certi limiti, coordinare azioni.

Nel retail questo potrebbe significare assistenti che monitorano campagne, analizzano vendite, suggeriscono riordini, preparano report, leggono anomalie, controllano disponibilità, aiutano il customer service e dialogano con i sistemi aziendali.

La physical AI, invece, porta l’intelligenza artificiale nel mondo fisico: robotica, automazione, visione artificiale, magazzini intelligenti, movimentazione, controllo qualità, store analytics.

Ed è qui che il confine tra digitale e operativo diventa sottile.

Perché un conto è un’AI che scrive una mail.

Un altro conto è un’AI che aiuta a capire come muovere prodotti, persone, merci, scaffali, picking, replenishment, consegne e resi.

Nel retail moderno, la differenza la farà sempre di più la capacità di collegare tre mondi: cliente, dato e operazione.

Chi riuscirà a farli parlare bene avrà un vantaggio enorme.

La mia riflessione

La cosa più interessante di questo report non è solo che l’AI sta crescendo.

È che sta diventando normale.

E quando una tecnologia diventa normale, smette di essere una moda e inizia a cambiare davvero il lavoro.

Oggi l’AI nel retail non è più solo una promessa da keynote.

È già dentro il marketing, dentro l’e-commerce, dentro i negozi, dentro la supply chain, dentro le decisioni aziendali.

Ma la vera domanda non è: “Useremo l’AI ?”

La vera domanda è: saremo pronti a usarla bene ?

Perché adottare AI non significa automaticamente innovare.

Innovare significa usarla per migliorare processi reali, ridurre sprechi, aiutare le persone, servire meglio i clienti e prendere decisioni più intelligenti.

Il retail del futuro non sarà fatto solo da negozi più digitali o siti più personalizzati.

Sarà fatto da aziende capaci di leggere prima quello che sta succedendo, reagire più velocemente e costruire esperienze più coerenti tra fisico e digitale.

E forse, alla fine, l’AI più utile non sarà quella che ci stupisce.

Sarà quella che lavora silenziosamente dietro le quinte, sistemando problemi prima che diventino visibili.

Un po’ come succede nei migliori processi logistici: quando funzionano bene, nessuno li nota.

Ma quando non funzionano, se ne accorgono tutti.

---