Seconda parte dell’intervista a Piero Pescangegno, COO di Aton S.p.A. Società Benefit, a Retail Tech 2026
Nella prima parte dell’intervista, Piero Pescangegno ha spiegato perché le sperimentazioni di intelligenza artificiale faticano ad arrivare in produzione, e perché un agente AI non deve calcolare autonomamente prezzi o sconti. In questa seconda parte entriamo più nel dettaglio: come viene usata oggi l’AI nelle aziende retail, cosa cambia tra un sistema chiuso e uno aperto, il rapporto tra MCP e le API aziendali, e come si evolve l’omnicanalità con l’arrivo degli agenti.
Come viene utilizzata oggi l’AI nelle aziende del retail?
Oggi vediamo molte applicazioni interessanti, ma ancora abbastanza periferiche rispetto al processo core: un chatbot che interroga una knowledge base, l’acquisizione automatica di documenti di trasporto, l’analisi di grandi quantità di informazioni, alcuni modelli previsionali sulle rotture di stock. Sono casi d’uso concreti che possono già produrre valore. Il salto successivo arriva quando chiediamo all’AI di fare qualcosa che tocca direttamente il business: prendere un ordine, verificare un assortimento, applicare una promozione, recuperare il prezzo corretto per quel cliente. Lì cambia completamente il livello di responsabilità: una risposta che “sembra giusta” non è più sufficiente.
Un sistema aziendale chiuso può supportare l’AI agentica?
Può essere integrato, certo. Ma ogni integrazione rischia di diventare un progetto a sé, ed è esattamente quello che bisogna evitare. Se per ogni nuovo agente serve costruire un collegamento specifico, replicare logiche e inventare un nuovo modo di gestire autorizzazioni e accessi, non si sta costruendo qualcosa di scalabile: si sta accumulando complessità. Un sistema aperto parte da un principio diverso: rende disponibili i propri servizi e mantiene il controllo su ciò che può essere fatto. L’agente chiede un’informazione o un’operazione, il sistema verifica se può eseguirla e restituisce il risultato. Conta anche perché gli agenti che useremo tra tre anni probabilmente non saranno quelli di oggi: non si può costruire l’architettura intorno a un singolo modello o a un’unica interfaccia.
MCP sostituisce le API aziendali?
No. È piuttosto un ulteriore passo rispetto al lavoro fatto in questi anni sulle API, che restano fondamentali perché consentono ai sistemi di esporre dati e funzionalità in maniera strutturata. Con MCP si aggiunge qualcosa pensato più direttamente per il mondo degli agenti: la possibilità di descrivere gli strumenti disponibili in una forma che il modello possa comprendere e utilizzare in base alla richiesta. Ma sotto, il principio resta lo stesso: se serve sapere il prezzo di un prodotto, deve esserci un sistema aziendale che lo conosce; se serve inserire un ordine, deve esserci un servizio autorizzato a farlo. L’AI decide quale strumento utilizzare in base alla richiesta dell’utente — non diventa il nuovo gestionale dell’azienda.
Come cambia l’omnicanalità con l’introduzione degli agenti AI?
Per anni abbiamo parlato di omnicanalità pensando ai touchpoint usati dalle persone: e-commerce, app, portali B2B, punto vendita. Ora si aggiunge qualcosa di diverso: si può chiedere a un agente di compiere un’attività al posto proprio, utilizzando gli stessi servizi aziendali raggiunti prima attraverso un’interfaccia tradizionale. Non serve più aprire un portale per cercare un ordine: lo si può chiedere. Dietro, però, i processi restano quelli dell’azienda. Ai canali usati direttamente dalle persone si affiancano software che interagiscono con quei processi per conto dell’utente e naturalmente devono farlo con gli stessi limiti e le stesse autorizzazioni previste per quella persona.
Concludendo, più che una questione di modelli, l’AI agentica nel retail è una questione di architettura, quanto i sistemi aziendali sono pronti a farsi interrogare, e con quali regole.