Shopping tra agenti AI: dentro l’esperimento di Anthropic che riscrive l’e‑commerce

Un marketplace dove a trattare non siamo noi, ma i nostri assistenti digitali. Nell’esperimento di Anthropic gli agenti AI hanno negoziato, comprato e venduto beni reali con denaro reale. Un test che mette sul tavolo opportunità enormi e rischi concreti.

Cos’è successo nell’esperimento (e perché tutti ne parlano)

Anthropic ha costruito un marketplace sperimentale interno, popolato da agenti AI sul lato domanda e sul lato offerta. L’obiettivo: capire come si comportano gli agenti quando devono negoziare tra loro, prendere decisioni economiche e chiudere accordi senza intervento umano diretto.

69 dipendenti coinvolti, ognuno con un budget di 100 dollari.
Annunci pubblicati, offerte e controfferte generate dagli agenti.
186 accordi chiusi per un totale di circa 4.000 dollari.
Merci reali scambiate, non simulazioni.

Un racconto dettagliato dell’esperimento è disponibile anche su TechCrunch.

Perché è diverso dal solito e‑commerce

Agenti che trattano con agenti

Oggi gli assistenti AI ci aiutano a cercare prodotti, confrontare prezzi e leggere recensioni. Domani faranno un passo oltre: contratteranno direttamente con altri agenti. Invece di tornare da noi per ogni conferma, gli agenti chiuderanno autonomamente le trattative entro limiti e obiettivi predefiniti (prezzo massimo, tempi di consegna, condizioni di reso, preferenze di marca e sostenibilità).

Il fattore “qualità del modello”

Nel test di Anthropic è emerso un punto scomodo ma chiarissimo: gli agenti basati su modelli più deboli hanno ottenuto affari peggiori. Tradotto: se il tuo agente è poco capace, rischi di pagare di più o accettare condizioni sfavorevoli senza accorgertene. Chi ha agenti più potenti, invece, tende a spuntare prezzi migliori e clausole più vantaggiose.

Questo introduce una dinamica nuova per i consumatori: non conta solo “avere l’AI”, ma quale AI ti rappresenta. È un terreno dove possono nascere asimmetrie di potere tra utenti con accesso a modelli top e utenti con soluzioni più economiche.

Rischi e criticità da non sottovalutare

Classismo digitale: chi può permettersi modelli migliori compra e vende meglio; gli altri restano indietro.
Allucinazioni contrattuali: accordi chiusi su presupposti sbagliati o ambiguità nei termini.
Sicurezza e frodi: agenti manipolabili da prompt malevoli o da offerte “esca”.
Trasparenza: serve capire come e perché un agente ha preso una decisione economica.
Responsabilità legale: chi paga se l’agente sbaglia? Utente, piattaforma, vendor del modello?
Consenso e controllo: fino a che punto delegare senza conferma umana rischia di diventare pericoloso.

Le opportunità sul tavolo

Trattative 24/7: l’agente compra al prezzo migliore appena si presentano le condizioni ideali.
Procurement smart per aziende: gare automatiche, contratti standard, SLA verificati da agenti.
Second‑hand e recommerce: valutazioni dinamiche, scambi più veloci e liquidi.
Personalizzazione reale: acquisti in linea con budget, valori e vincoli dell’utente, non solo con la “media del mercato”.
Efficienza per i seller: pricing adattivo, gestione stock e customer care pre‑negoziato tra agenti.

Cosa serve per renderlo affidabile (e scalabile)

Standard di protocollo tra agenti: un “linguaggio comune” per offerte, controfferte e contratti, con semantica verificabile.
Trasparenza e audit trail: log negoziali consultabili per ricostruire decisioni e responsabilità.
Limiti operativi: limiti di spesa, soglie di rischio, conferma umana per clausole sensibili.
Rating degli agenti e dei modelli: affidabilità, fairness, tasso di errore e performance negoziali visibili agli utenti.
Sandbox regolatorie: spazi controllati per testare casi d’uso con tutela di consumatori e merchant.
Interoperabilità: API aperte per integrare marketplace, wallet e identità digitale in modo sicuro.

Come prepararsi già oggi

Definisci la tua delega: decidi cosa l’agente può fare da solo (ricerca, confronto, proposte) e cosa richiede conferma (pagamenti, clausole di reso, abbonamenti).
Definisci KPI e limiti: prezzo massimo/minimo, tempi, brand esclusi, criteri etici e ambientali.
Scegli il modello con criterio: valuta costo/beneficio; un modello più capace può ripagarsi con trattative migliori.
Allena l’agente sui tuoi dati: preferenze, storico acquisti, blacklist e whitelist strutturate.
Prevedi audit periodici: controlla gli accordi chiusi dall’agente e correggi il tiro con feedback espliciti.
Forma il team (se sei un’azienda): policy chiare su procurement automatizzato, sicurezza e compliance.

Il punto

L’esperimento di Anthropic non è fantascienza: è un’anteprima di come cambieranno acquisti e vendite quando a parlare saranno gli agenti. La posta in gioco è alta: più efficienza e personalizzazione, ma anche nuove disuguaglianze digitali. Prepararsi ora significa scegliere bene l’AI che ci rappresenta e fissare regole chiare.

Se vuoi ricevere ogni mattina la puntata e le fonti, iscriviti alla newsletter.

👉 Per scoprire tutti i dettagli e l’opinione personale di Mario Moroni, ascolta la puntata completa su Spotify.