Jim Rowan, responsabile dell’IA negli Stati Uniti per Deloitte – Serie di interviste

Jim Rowan è il responsabile dell’IA negli Stati Uniti per Deloitte e un principal di Deloitte Consulting LLP; aiuta le organizzazioni a trasformare le ambizioni in materia di IA in risultati aziendali. La sua carriera spazia dalla tecnologia aziendale all’analisi, dai dati alla trasformazione digitale, con esperienze nei settori delle scienze della vita, della sanità e delle telecomunicazioni. Ha ricoperto ruoli dirigenziali nelle aree Strategy & Analytics e AI & Data di Deloitte e si occupa, tra le altre cose, di sviluppare i talenti e le competenze di cui le organizzazioni hanno bisogno per adottare l’IA.

Deloitte è un’organizzazione di servizi professionali che offre consulenza, revisione contabile e servizi di attestazione, servizi fiscali e consulenza specialistica. Il suo lavoro sull’IA integra strategia, dati, tecnologia, competenze e governance per aiutare le aziende ad adottare e ampliare l’impiego dell’IA in tutte le loro attività. Nel commercio digitale, questo lavoro comprende la preparazione delle informazioni sui prodotti e dei sistemi aziendali per gli agenti di IA, il collegamento delle esperienze dei clienti attraverso i diversi canali e la definizione dei controlli di identità, autorizzazione e fiducia necessari per le interazioni e le transazioni automatizzate.

Lavora da oltre vent’anni in Deloitte, occupandoti di tecnologia aziendale, analisi, dati e, oggi, IA. In base alla tua esperienza, quando ti è apparso chiaro che gli agenti di IA non solo avrebbero trasformato il modo in cui operano le aziende al loro interno, ma sarebbero anche diventati intermediari tra le imprese e i loro clienti?

Negli ultimi anni ho assistito in prima persona ai progressi dell’IA, aiutando le organizzazioni a trasformare obiettivi aziendali in risultati misurabili che un tempo sembravano inimmaginabili. Le mie conoscenze in materia di dati, processi e tecnologia sono state fondamentali per comprendere l’IA. Ho iniziato a sviluppare in Deloitte le competenze necessarie per disporre dei talenti indispensabili a ottenere risultati con l’IA, per esempio attraverso la nostra AI Academy, che crea programmi formativi per i nostri dipendenti e i nostri clienti.

Oggi le organizzazioni utilizzano gli agenti di IA in vari modi per trasformare le proprie strategie di commercio digitale: aumentano la visibilità dei marchi, ricorrono a motori di personalizzazione per arricchire le conversazioni e coordinano esperienze omnicanale coerenti nei punti di contatto fisici, digitali e social. Questa svolta arriva in un momento in cui i marchi si trovano ad affrontare un mercato volatile, creando un’opportunità per il commercio agentico di aiutarli a rispondere ai clienti con maggiore rapidità, pertinenza e coerenza.

Hai parlato della necessità per le aziende di prepararsi all’«ottimizzazione della ricerca agentica». Come definisci questo concetto e in che modo l’ottimizzazione per un agente di IA è fondamentalmente diversa dalla SEO tradizionale o dai nuovi approcci per ottimizzare i contenuti destinati ai motori di risposta basati sull’IA?

Tradizionalmente, la competizione online per attirare l’attenzione dei consumatori si è basata sull’ottimizzazione per i motori di ricerca (SEO) e ha presupposto che, dall’altra parte di una ricerca, ci fosse una persona intenta a leggere, valutare e decidere cosa acquistare. Con il crescente ricorso dei consumatori a strumenti basati sull’IA per svolgere ricerche, è stata introdotta l’ottimizzazione per i motori generativi (GEO). L’ottimizzazione della ricerca agentica è un’evoluzione della GEO che tiene conto del fatto che l’IA non si limita più a consigliare prodotti o servizi, ma interviene anche nelle decisioni d’acquisto. Questo cambiamento significa che i marchi devono ottimizzare non solo per l’IA generativa, che principalmente fornisce raccomandazioni all’utente finale, ma anche per l’IA agentica, progettata per eseguire attività, coordinare sistemi, gestire flussi di lavoro e avviare transazioni.

Quando a un agente di IA viene chiesto di cercare, confrontare e selezionare una rosa di prodotti o servizi, quali segnali pensi che considererà più importanti? Diventeranno più rilevanti i dati strutturati sui prodotti, i prezzi, le recensioni, la copertura di terze parti, l’autorevolezza del marchio o un insieme di segnali del tutto nuovo?

L’insieme di opzioni che un agente di IA prende in considerazione dipende dalla visibilità e dalla pertinenza; l’agente tenderà a preferire i marchi i cui prodotti, servizi, prezzi e dati sono accessibili, leggibili automaticamente e immediatamente verificabili. La coerenza tra le piattaforme, le valutazioni e le recensioni e l’autorevolezza del marchio continuano a essere importanti, ma questi segnali devono anche tradursi in dati che un agente possa interpretare. Anche il contesto personale avrà un ruolo: gli agenti che agiscono per conto dei clienti dovranno poter accedere in modo affidabile alle loro preferenze, autorizzazioni e interazioni precedenti, così da formulare le raccomandazioni più pertinenti. Oltre ai segnali in sé, per un marchio farà la differenza la rapidità con cui un’organizzazione riuscirà a rendere i propri dati leggibili, comprensibili, affidabili e quantificabili in termini confrontabili da un agente.

Una delle difficoltà è che, col tempo, potrebbero esserci migliaia di agenti per i consumatori e le aziende, basati su modelli diversi e collegati a fonti di dati differenti. Come può un’azienda assicurarsi di essere rappresentata accuratamente e reperibile in un ecosistema così frammentato, senza cercare di ottimizzare i propri contenuti per ogni singolo agente?

L’attenzione delle organizzazioni dovrebbe concentrarsi sulla creazione di una base affidabile e leggibile dalle macchine, accessibile e interpretabile da qualsiasi agente, anziché sull’ottimizzazione per singoli agenti. Ciò significa pubblicare informazioni verificabili, affidabili e aggiornate su prodotti, prezzi e politiche tramite fonti autorevoli. La sola reperibilità probabilmente non sarà sufficiente, poiché gli agenti inizieranno ad agire per conto dei consumatori, rendendo ancora più necessari sistemi che consentano di verificare l’identità, confermare i requisiti di idoneità e svolgere transazioni sicure. In un ecosistema di agenti ormai frammentato, i brand che renderanno le proprie informazioni più facili da comprendere e reperire conquisteranno le prime posizioni nei risultati di ricerca. Le aziende dovrebbero tuttavia evitare di basarsi su un unico protocollo, poiché questi sono ancora in fase di sviluppo e non è ancora chiaro quale diventerà dominante. È quindi importante progettare soluzioni interoperabili, che permettano di adottare o cambiare rapidamente protocollo con l’evolversi dell’ecosistema.

Se il commercio si evolvesse dal modello business-to-consumer a quello business-to-agent-to-business, quali cambiamenti comporterebbe sul piano tecnico? Le aziende dovrebbero ripensare siti web, API, cataloghi di prodotti, sistemi di identità o altre infrastrutture per consentire agli agenti di interagire direttamente con loro?

Sì, le organizzazioni dovranno ripensare e reinventare i sistemi attuali per realizzare un’architettura tecnica adeguata al commercio agentico B2B. Non accadrà da un giorno all’altro: servirà tempo, considerata la mole di lavoro e l’entità dei cambiamenti necessari. Oggi le funzionalità di ricerca e pagamento progrediscono più rapidamente della fase decisionale, in cui le aziende stanno ancora maturando la fiducia necessaria per consentire agli agenti di fare scelte entro limiti ben definiti. Ogni CIO, CTO o CISO dovrebbe puntare a realizzare piattaforme di integrazione scalabili e a bassa latenza, sostenute da solide partnership tecnologiche e con integratori. Anziché rinnovare completamente i sistemi, i responsabili dovrebbero dedicare tempo a individuare quali sistemi possono collegarsi agli agenti, quali sono bloccati e a sperimentare attività semplici in ambienti controllati. È inoltre importante che siano le persone a mantenere il controllo della transazione: le aziende dovrebbero quindi creare percorsi flessibili, in cui il cliente possa passare facilmente da interazioni guidate da agenti a interazioni con persone, senza compromettere l’esperienza umana nel perseguire l’automazione. Nel tempo, le organizzazioni potranno passare alla creazione di una piattaforma che gestisca più agenti, aggiornare o collegare i sistemi legacy per consentire l’accesso agli agenti e implementare misure di sicurezza avanzate con monitoraggio in tempo reale.

Il marketing digitale tradizionale è stato ampiamente ottimizzato in funzione del posizionamento, delle impressioni, dei clic e del traffico sul sito web. Se gli agenti svolgeranno sempre più spesso le ricerche prima ancora che una persona visiti un sito web, quali nuove metriche dovrebbero usare le aziende per capire se sono effettivamente visibili e competitive nel percorso d’acquisto agentico?

Storicamente, il successo si misurava in base alla capacità di catturare l’attenzione dei consumatori e, infine, guadagnarne la fiducia. Man mano che gli agenti assumeranno un ruolo più ampio nel percorso d’acquisto, le organizzazioni avranno bisogno di nuovi metodi per misurare se i loro brand sono visibili, pertinenti e, in ultima analisi, scelti. Ciò significa collegare lo sviluppo di agenti del brand alla misurazione delle prestazioni e valutare se un agente presenta il brand, riconosce le offerte idonee e porta a termine una transazione. I brand dovrebbero concentrarsi sui propri acquirenti rispetto ai concorrenti per decidere dove investire o quali cambiamenti apportare all’esperienza, monitorando come i clienti scoprono i prodotti e in quali punti abbandonano o proseguono il percorso. Queste metriche possono aiutare i brand non solo a differenziare le proprie proposte di valore, ma anche a dimostrare il ROI con risultati quantificabili che rafforzano la fidelizzazione dei clienti e l’eccellenza operativa.

Gli agenti di IA possono riassumere le informazioni su un’azienda, confrontarla con i concorrenti e potenzialmente formulare raccomandazioni, senza che l’azienda abbia un controllo diretto sul modo in cui viene rappresentata. Come dovrebbero monitorare i brand la presenza di informazioni inesatte o non aggiornate e definire una fonte autorevole e attendibile che gli agenti possano utilizzare?

Come in qualsiasi altro settore, verificare i dati dei prodotti è fondamentale per mantenere la reperibilità agentica su tutti i canali. I brand dovrebbero inoltre considerare il Model Context Protocol (MCP) un fattore chiave, poiché crea un ambiente controllato in cui dati, strumenti e contesto vengono condivisi in modo sicuro con piattaforme e agenti di acquisto esterni. La combinazione di dati strutturati e MCP può favorire le interazioni tra agenti, migliorare l’interoperabilità e contribuire a rappresentare correttamente le informazioni sui brand, assicurando che ricevano la dovuta priorità. Ancora una volta, poiché i protocolli sono tuttora in fase di sviluppo e non è ancora chiaro quale diventerà il più diffuso, le aziende dovrebbero progettare soluzioni flessibili, che consentano di collegarsi rapidamente a nuovi standard, passare dall’uno all’altro e adottarli man mano che l’ecosistema evolve.

Man mano che gli agenti passeranno dalla semplice raccomandazione di prodotti ad azioni come richiedere preventivi, negoziare condizioni o effettuare acquisti, quanto diventeranno importanti le infrastrutture per l’identità, l’autorizzazione e la fiducia? Come può un’azienda distinguere l’agente di un cliente legittimo da un sistema automatizzato di cui non dovrebbe fidarsi?

Il commercio tra agenti comporta nuovi rischi, perché le transazioni possono avvenire rapidamente e senza intervento umano; di conseguenza, diventano fondamentali l’intervento umano e la migrazione delle transazioni durante tutto il processo. Le transazioni di commercio agentico richiedono nuove misure di prevenzione delle frodi, controlli finanziari strategici e quadri di rendicontazione mirati, progettati appositamente per le attività avviate dalle macchine.

Nel breve termine, le organizzazioni dovrebbero trattare i propri agenti IA come dipendenti, assegnando loro responsabilità definite, gestendo gli accessi e attribuendo chiaramente le responsabilità. Dovranno inoltre definire protocolli per verificare l’autenticità degli agenti, autorizzare i pagamenti e applicare soglie di transazione, autorizzazioni API e altre misure di sicurezza operative.

È inoltre possibile che la pubblicità e i posizionamenti a pagamento seguano i consumatori nell’ecosistema agentico. Come vede evolversi gli incentivi commerciali quando un agente IA consiglia prodotti per conto di qualcuno, e quale livello di trasparenza sarà necessario affinché le persone si fidino di tali raccomandazioni?

Vediamo già capitali riallocati verso il commercio agentico: si prevede che gli inserzionisti statunitensi spenderanno circa 26 miliardi di dollari in annunci di ricerca basati sull’IA entro il 2029. È inevitabile che gli incentivi commerciali debbano evolversi, man mano che le aziende decidono se le promozioni e i prezzi proposti attraverso i propri canali verranno rispettati negli ambienti agentici. Questa evoluzione richiede anche regole esplicite che disciplinino il modo in cui gli agenti interagiscono con prezzi e promozioni. In assenza di adeguate misure di sicurezza, gli agenti potrebbero effettuare acquisti in base ai prezzi disponibili al momento della transazione, attivando potenzialmente promozioni e fasce di prezzo non previste e causando una riduzione dei margini. Le aziende dovrebbero adottare politiche conformi agli standard globali in materia di privacy e dati, nonché parametri sotto controllo umano e approvati in anticipo per ciascun cliente.

Nonostante la crescente automazione, ha sottolineato che il giudizio umano continuerà a essere centrale nelle decisioni d’acquisto. Dove si collocherà il confine tra le decisioni che i consumatori delegheranno volentieri agli agenti e quelle per cui vorranno ancora informarsi, fare confronti e decidere in prima persona?

Il confine dipenderà dalla posta in gioco e dalla fiducia che il consumatore ripone nell’agente. Le persone potrebbero sentirsi a proprio agio nel delegare gli acquisti di routine e di modesto valore, se le loro preferenze sono chiare e le conseguenze di una scelta sbagliata sono limitate. Per le decisioni che comportano spese ingenti, informazioni sensibili o impegni contrattuali, probabilmente si aspetteranno maggiore visibilità e vorranno mantenere l’approvazione finale. Quando gli attriti diminuiscono, i consumatori si sentono più a loro agio con un marchio: è quindi importante rendere facile capire cosa sta accadendo e fidarsi del fatto che la transazione sarà completata come previsto e in sicurezza. I marchi dovrebbero perciò offrire ai consumatori un controllo chiaro su ciò che un agente può fare autonomamente, sui casi in cui deve chiedere l’autorizzazione e sulla facilità con cui le sue azioni possono essere verificate o annullate.

Grazie per questa splendida intervista. I lettori che desiderano approfondire il commercio agentico, la reperibilità basata sull’IA e l’infrastruttura di fiducia alla base degli acquisti automatizzati possono visitare Deloitte.