Nell’ambito della serie «Partner Power Up» del gruppo «Order Management Gurus» di Nextuple, dedicato alla community, il nostro vicepresidente della strategia e chief evangelist, Karthik Marudur, ha incontrato Laxman Mandayam, responsabile delle soluzioni per i clienti e cofondatore di Nextuple, per discutere della direzione futura dell'IA nel contesto della vendita al dettaglio e Order Management System OMS).
L'intervista inizia con Laxman che mette alla prova Karthik sul concetto di «AI first» e su cosa questo significhi per OneStock.
Cosa si intende con "AI First"?
Come spiega Karthik, l'intelligenza artificiale sta avanzando rapidamente nel settore della vendita al dettaglio, con il dibattito che si sta rapidamente spostando dal semplice clamore mediatico ai risultati concreti; egli inizia infatti sottolineando che il mantra «AI first» ha senso solo se produce un impatto operativo misurabile e se si basa su dati commerciali affidabili.
Continua dicendo: «In OneStock, il concetto di “AI first” non è tanto uno slogan di marketing quanto piuttosto un modello operativo. A livello interno, l’azienda sta già utilizzando agenti per eliminare gli ostacoli dal lavoro quotidiano».
A titolo di esempio, Karthik ha citato strumenti come «OneBot», che aiuta i team a rispondere alle richieste di offerta, a creare risorse più rapidamente e a risolvere le domande sui prodotti in modo più efficiente. «Questa disciplina interna», spiega, «influenza direttamente il modo in cui OneStock le esperienze degli agenti a contatto con i clienti: si parte dai problemi reali, si dimostra il ritorno sull’investimento e poi si passa alla scalabilità».
Federazione Nazionale del Commercio al Dettaglio 2026
Riflettendo sulla recente partecipazione OneStockall'evento, Karthik sottolinea: «Quel pragmatismo è stato anche uno dei principali insegnamenti tratti dall'NRF 2026. Il team ha notato un cambiamento evidente nel tono generale dell'evento: rivenditori e fornitori parlano molto più spesso di casi d'uso concreti che di possibilità teoriche».
«Gli agenti di shopping, in particolare, stanno prendendo piede, anche se l'ecosistema nel suo complesso è ancora agli inizi e molte piattaforme non sono ancora abbastanza aperte da consentire integrazioni fluide su larga scala», aggiunge.
Gli aspetti pratici del Agentic Commerce
A questo punto l'intervista si concentra sul commercio agentico, inquadrandolo in una prospettiva molto concreta. Il commercio agentico, come definito nel webinar, consiste essenzialmente nell'utilizzo di agenti di intelligenza artificiale che guidano i clienti in entrambe le fasi del percorso di acquisto: la fase di ricerca e decisione prima dell'acquisto e l'assistenza post-vendita.
Approfondendo l'argomento, Karthik prosegue: «Prima dell'acquisto, l'esperienza con l'agente si trasforma in un assistente di acquisto interattivo che non si limita a consigliare prodotti, ma suggerisce opzioni concrete, basate sulle preferenze del cliente e su vincoli reali quali la disponibilità attuale e i tempi di consegna».
Dopo l'acquisto, lo stesso approccio trasforma il servizio clienti in un'esperienza più semplice e omogenea. Anziché costringere gli acquirenti a ricostruire lo stato dell'ordine passando da una schermata all'altra, un operatore può riassumere l'iter dell'ordine, evidenziare le modifiche alle singole voci e fornire aggiornamenti sulla tracciabilità in un'unica interazione coerente.
La dipendenza degli agenti dalla verità operativa
Ma uno dei temi più importanti emersi dalla conversazione è stata la discussione sulla dipendenza degli agenti dalla veridicità dei dati operativi. La disponibilità, Promessa di Consegna e i dati relativi al ciclo di vita degli ordini non sono semplici “elementi auspicabili”, bensì determinano se un agente sia realmente utile o pericolosamente sicuro di sé. Se l'inventario è obsoleto, le date di consegna sono imprecise o gli eventi relativi agli ordini sono in ritardo rispetto alla realtà, l'agente risponderà comunque in modo categorico. Il risultato, afferma Karthik, è prevedibile: SLA non rispettati, ritiri falliti, aumento delle cancellazioni e clienti che perdono rapidamente fiducia perché il sistema sembrava sicuro e si è rivelato in errore.
Per risolvere questo problema, OneStock consolidando il proprio ruolo di fornitore di segnali commerciali affidabili e in tempo reale che gli agenti possono utilizzare con sicurezza. Nell’intervista, Karthik descrive come OneStock supportando sia gli agenti di proprietà dei rivenditori (integrati nelle esperienze dei marchi) sia gli agenti esterni (come ChatGPT), mettendo a disposizione dati operativamente affidabili attraverso gli strumenti MCP. L'idea, spiega, è quella di rendere OMS affidabili (disponibilità delle scorte, stato di evasione, opzioni di consegna) "interrogabili" in modo standardizzato, in modo che gli agenti possano interagire con i dati reali del ciclo di vita dell'ordine piuttosto che con stime approssimative.
Efficienza operativa e ritorno sull'investimento
Il ritorno sull'investimento più rapido, tuttavia, non risiede necessariamente in percorsi di acquisto futuristici, bensì nell'efficienza operativa. L'intervista ha evidenziato come l'impatto più immediato dell'intelligenza artificiale derivi spesso dalla riduzione del carico di lavoro e dei tempi di risposta per il servizio clienti e i team dei negozi. Quando gli operatori sono in grado di recuperare rapidamente il contesto dell'ordine, spiegare le eccezioni e individuare la migliore azione da intraprendere, accorciano i tempi di risoluzione e riducono il costoso lavoro di "passaggio da una sedia all'altra" che si verifica quando si opera su sistemi scollegati tra loro.
Karthik sottolinea inoltre la capacità di evasione ordini distintiva OneStock:la «ripartizione competitiva». Anziché assegnare un ordine idoneo a un unico negozio e attendere, il modello invia l’ordine a più negozi idonei e consente al più veloce di accettarlo, applicando al contempo misure di controllo per recuperare gli ordini in stallo e ridurre la priorità dei negozi che rifiutano ripetutamente. Nell'esempio citato, Karthik menziona un tempo medio di accettazione di soli 13 minuti quando entra in gioco l'allocazione competitiva, insieme a una significativa riduzione delle cancellazioni, posizionando saldamente la rapidità di impegno come leva per migliorare i risultati di consegna.
Da agenti individuali ad agenti interconnessi
Guardando al futuro, l'intervista si conclude con la visione lungimirante di Karthik su quale sarà il prossimo passo: non solo agenti singoli, ma agenti interconnessi, che collaborano dietro le quinte tra i vari sistemi. «È questa la direzione OneStock seguendo: strumenti e standard che consentano a più agenti specializzati di lavorare insieme lungo l'intero ciclo di vita del commercio, pur rimanendo ancorati allo stesso requisito fondamentale: la verità operativa.»
Perché nel commercio basato sugli agenti, la connessione da sola non basta. Se un agente non è in grado di accedere in tempo reale a informazioni affidabili sulla disponibilità, sulle promesse e sullo stato del ciclo di vita, non ci si può fidare delle sue azioni – e la fiducia è la valuta che, in ultima analisi, determina se queste esperienze possono essere scalate, conclude.
