«Pare che ormai la spesa la faccia l’IA»
Qualcuno lo dice in riunione, gli altri annuiscono, si passa al punto successivo.
Una settimana dopo arriva la domanda vera — va bene, ma in concreto cosa cambiamo sullo scaffale? — e cala il silenzio. In quel silenzio ci sono stata anch’io, senza risposta come tutti gli altri.
Tutto il mestiere costruito per le persone (far salire le recensioni, curare come si vede il prezzo, comprare posizione) non era mai stato provato su un compratore che legge un elenco in formato JSON e non ha occhi. Nessuno aveva verificato se qualcosa di tutto questo si trasferisse.
Una volta ho dato in pasto a un modello un titolo di cui andavo piuttosto fiera, scritto per emozionare, e l’ho visto ignorare in pieno.
Qualcuno ha costruito un mercato finto e ha misurato la cosa sul serio: andiamo a vedere cosa ne è uscito.
Su cosa decide un agente di IA che compra?
Sulla posizione, sulle etichette di sponsorizzazione e sul bollino di raccomandazione della piattaforma stessa. E a tutti e tre reagisce con forza.
Nel mercato simulato l’etichetta «Sponsorizzato» abbassava la probabilità di essere scelti, mentre il bollino «la nostra scelta» della piattaforma la alzava nettamente (lo studio del 2025, Allouah, Besbes e altri, arXiv:2508.02630). Gli autori si distribuiscono fra MyCustomAI, la Columbia University Graduate School of Business e la Yale University.
Una parte di quel che ci ha insegnato la pubblicità per gli umani, quindi, qui gira al contrario. Il segnale che dice «qualcuno ha pagato per mettertelo davanti» è esattamente quello che l’agente sconta.
Sulla posizione il fiuto pubblicitario di sempre non serve
L’esperimento si è svolto in un mercato simulato costruito dagli autori stessi, chiamato ACES: posizione, etichette, prezzo e valutazioni venivano mescolati a caso mentre si misurava l’effetto sulla probabilità che ciascun prodotto finisse scelto. A comprare erano diversi modelli di punta, fra cui GPT-4.1, GPT-5.1, Gemini e Claude.
Il bias di posizione è risultato forte, e la sua direzione cambia a seconda del fornitore e perfino della versione del modello. Fra GPT-4.1 e GPT-5.1 la posizione preferita si ribaltava quasi del tutto.
E se si tolgono le immagini? Nella condizione «senza interfaccia», passando solo un elenco JSON, lo stesso bias ricompare. È una proprietà del modello, non del modo in cui elabora l’impaginazione.
Dirgli esplicitamente di ignorare la posizione non l’ha quasi attenuato. C’è un tetto a quel che si aggiusta scrivendo meglio il prompt: meglio saperlo prima che qualcuno in squadra lo proponga come soluzione.
Una riscrittura, e la quota di scelte si è mossa
Gli autori hanno poi lasciato che un agente commerciale di IA leggesse i dati di vendita dei concorrenti e riscrivesse una volta sola la propria scheda prodotto, per poi misurarne l’effetto su sei diversi modelli acquirenti.
| Modello che compra | Crescita della quota |
|---|---|
| Gemini 3 Pro Preview | +0,32 pt |
| Claude Sonnet 4 | +3,66 pt |
| Claude Opus 4.5 | +7,38 pt |
| GPT-4.1 | +8,37 pt |
| Gemini 2.5 Flash | +14,79 pt |
| GPT-5.1 | +14,89 pt |
In cinque casi su sei la crescita è stata statisticamente significativa. Su tutti gli esperimenti condotti, il 33% ha prodotto un aumento significativo grazie a quell’unica riscrittura.
Non è un «funziona sempre». Però una leva che rende una volta su tre, al prezzo di un paragrafo riscritto, per gli standard del marketing costa pochissimo.
Cosa questi numeri non coprono
Quattro limiti, e li direi tutti e quattro prima che la tabella finisca in una presentazione.
È un mercato simulato. In un negozio vero, con assortimento vero e compratori veri, l’effetto potrebbe avere tutt’altro ordine di grandezza.
Solo il 33% degli esperimenti ha raggiunto la significatività: nella maggioranza non si è visto alcun movimento.
Il bias di posizione inverte il segno da una generazione di modelli all’altra, quindi la posizione che funziona oggi non è tenuta a funzionare il mese prossimo (vale più o meno come l’oroscopo di oggi: domani è già un’altra storia).
E due dei cinque autori lavorano in MyCustomAI, che vende ottimizzazione e-commerce per agenti di IA. «Riscrivete le schede e la quota sale» è proprio la conclusione che fa vendere quel prodotto: si tiene il dato e si sconta la pendenza.
riscrivete le schede per un lettore che non ha occhi
Partite dal testo dei vostri prodotti principali. Rileggetelo una volta come lo leggerebbe un modello: c’è il prezzo? Ci sono le specifiche? Le domande di confronto che farebbe chi compra trovano risposta con parole concrete? Comprare posizione e spazi sponsorizzati è il riflesso più vecchio, e questi dati dicono che pesa meno di prima.
Sull’etichetta di sponsorizzazione state particolarmente attenti. In questo esperimento il bollino stesso spingeva in giù la probabilità di essere scelti: pagare lo spazio senza mettere mano anche alle parole sotto può lasciarvi messi peggio di chi non fa niente.
E siccome il bias di posizione si sposta a ogni uscita di un modello nuovo, mettete questo controllo a calendario e su più IA insieme, invece di darlo per fatto una volta per tutte. Così vi accorgete che vi stanno riordinando lo scaffale mentre succede, e non un trimestre dopo.
Fonti
- Amine Allouah (MyCustomAI), Omar Besbes (Columbia University Graduate School of Business), Josué D. Figueroa (MyCustomAI), Yash Kanoria (Columbia University Graduate School of Business), Akshit Kumar (Yale University), «What Is Your AI Agent Buying? Evaluation, Biases, Model Dependence, & Emerging Implications for Agentic E-Commerce», arXiv:2508.02630, 2025-12-17, arxiv.org (Esperimenti condotti su ACES, un mercato simulato costruito dagli autori, con posizione, etichette, prezzo e valutazioni assegnati a caso. L’etichetta «Sponsorizzato» abbassava la probabilità di essere scelti, mentre il bollino di raccomandazione della piattaforma la alzava nettamente. Il bias di posizione era forte e la sua direzione variava per fornitore e per versione del modello — quasi invertita fra GPT-4.1 e GPT-5.1 —, si riproduceva in una condizione senza interfaccia con il solo elenco JSON e non si riduceva quasi per nulla chiedendo al modello di ignorare la posizione. Lasciando che un agente commerciale di IA riscrivesse una volta la scheda prodotto, cinque modelli acquirenti su sei hanno mostrato guadagni di quota statisticamente significativi: Gemini 3 Pro Preview +0,32 pt, Claude Sonnet 4 +3,66 pt, Claude Opus 4.5 +7,38 pt, GPT-4.1 +8,37 pt, Gemini 2.5 Flash +14,79 pt, GPT-5.1 +14,89 pt; il 33% del totale degli esperimenti ha mostrato un aumento significativo. Ambiente simulato, quindi le grandezze possono differire dall’e-commerce reale; due dei cinque autori sono dipendenti di MyCustomAI, azienda che vende ottimizzazione e-commerce per agenti di IA.)
