Nell’articolo precedente abbiamo sostenuto una tesi semplice: l’intelligenza artificiale dà il meglio quando il problema da risolvere è troppo complesso perché una persona lo gestisca a mano. Dove il compito è lineare, l’AI fa risparmiare tempo. Dove il compito è complicato, stratificato, pieno di eccezioni, l’AI fa qualcosa che prima era impossibile.
Se questo è vero, allora c’è un terreno nell’e-commerce dove l’AI vale più che altrove. È il B2B. Non perché sia più moderno o più tecnologico, ma perché è il posto dove la complessità che giustifica l’AI vive di casa.
La complessità del B2B è reale, ed è specifica
Prendiamo un e-commerce B2B e proviamo a mettere in fila cosa deve gestire nello stesso momento.
Listini differenziati per fascia di cliente, con prezzi negoziati singolarmente. Valute e nazioni diverse, ognuna con la propria fiscalità e la propria logistica. Cataloghi che cambiano da mercato a mercato, perché non tutti i prodotti si vendono ovunque. Una rete di agenti di vendita, ciascuno con i propri clienti assegnati e il proprio giro visite. Fornitori multipli e disponibilità che cambiano. Quick order per chi sa già cosa vuole, e griglie di ordinazione a matrice dove da un prodotto padre si ordinano decine di varianti figlie con quantità diverse, senza cambiare pagina. Schede tecniche articolate, a volte con modelli 3D del componente. Cataloghi così ampi e specialistici che conoscerli a fondo è un lavoro a sé: in certe aziende esiste un reparto dedicato a formare venditori e staff su cosa fa ogni prodotto e su come si applica. E sotto tutto questo, un gestionale con cui ogni pezzo deve restare sincronizzato.
Non è una lista teorica. È il tipo di sistema che costruiamo e integriamo ogni giorno. E soprattutto: non ce ne sono due uguali. Ogni B2B ha la sua struttura di listini, la sua rete di vendita, le sue regole di prezzo, i suoi mercati. La complessità non è solo alta, è irripetibile da azienda ad azienda.
Questo è il punto che rende il B2B interessante per l’AI. Non c’è un problema standard con una soluzione standard. C’è una mole di dati e di casistiche che nessun team umano riesce a tenere insieme e a leggere per intero, ed è esattamente la condizione in cui un’intelligenza capace di calcolo e inferenza a grande scala smette di essere un accessorio e diventa una leva.
Perché qui l’AI non si compra a scaffale
C’è una conseguenza diretta di questa specificità, e vale la pena renderla esplicita perché è il cuore della questione.
Un’azienda B2B seria non ha mai comprato l’e-commerce come un pacchetto da attivare. Lo ha costruito integrando: il gestionale come fonte di verità su prezzi e disponibilità, il PIM per i dati di prodotto, il CRM per la relazione, la marketing automation per il contatto, la logistica per la consegna. Il valore non è mai stato nel software in sé, ma nel farlo dialogare con la struttura specifica di quell’azienda. Chi lavora nel B2B lo sa: due progetti non si assomigliano mai davvero, perché non si assomigliano le aziende dietro.
L’AI, in questo contesto, segue la stessa logica. Non è il tool generico da attivare sopra il sistema. È il livello successivo dello stesso lavoro di integrazione e personalizzazione che il B2B fa già: prima si sono fatti dialogare i sistemi, adesso si mette un’intelligenza a ragionare su ciò che quei sistemi contengono. E come le integrazioni, non si compra pronta. Si progetta, partendo da un’esigenza reale e dai dati specifici di quell’azienda.
È quello che vale la pena chiamare progettualità AI: non “aggiungiamo una funzione con l’AI”, ma “progettiamo un’applicazione a partire da un problema, mettendo insieme dati che oggi vivono separati in reparti, divisioni e Paesi diversi, e la consegniamo all’azienda come strumento suo”.
Cosa vuol dire, in concreto: l’assistente per la rete di vendita
Un caso reale rende l’idea meglio di qualsiasi definizione.
Un’azienda del settore bricolage aveva un’esigenza precisa. La sua rete di agenti doveva preparare il giro visite, ma le informazioni sul singolo cliente erano sparse tra gestionale, storico ordini e analisi di comportamento d’acquisto. Ricomporle a mano prima di ogni visita era, per l’agente, un lavoro lento e quasi sempre incompleto.
Abbiamo progettato una chat AI a uso interno dell’agente. L’agente scrive “devo andare dal signor Rossi” e ottiene il quadro completo: lo storico, l’ultimo ordine e il suo dettaglio, l’analisi RFM del cliente, i prodotti più acquistati, i prodotti raccomandati sulla base del suo storico. Nella stessa chat può interrogare il catalogo con domande da esperto, non da database: “questa vite è adatta al cartongesso o al legno?”. Un cruscotto sul cliente e un assistente alla vendita nello stesso strumento.
Il valore di questo progetto non sta nella chat in sé. Sta nel fatto che mette insieme, in un unico punto di accesso, dati che nell’azienda vivevano in sistemi diversi e che nessun agente avrebbe potuto consultare e incrociare in tempo reale prima di una visita. È AI applicata a un problema che senza di essa restava irrisolto, non una funzione cosmetica aggiunta sopra.
Un’applicazione come questa mostra che tipo di progettualità l’AI rende possibile nel B2B. In Seken AI l’abbiamo chiamata Agent Assistant, ma sarebbe fuorviante pensarla come un modulo da installare. Il lavoro vero è a monte: integrare le fonti dati dell’azienda, il gestionale, lo storico ordini, le analisi sui clienti, il catalogo, e farle confluire in un unico punto interrogabile. E non è solo questione di fonti. La chat è uno strumento agentico: l’AI interpreta la richiesta e poi degli strumenti eseguono, ma quali strumenti servano dipende da cosa la chat deve fare in quella specifica azienda. Interrogare uno storico ordini, cercare a catalogo per compatibilità tecnica, calcolare un prezzo personalizzato sono azioni diverse, che vanno costruite in base all’esigenza. Un’altra azienda può trovare interessante l’idea, ma dentro la sua chat serviranno altre fonti e altri strumenti, perché la sua struttura è diversa. Quello che si replica è l’approccio, non l’installazione. Ed è la stessa logica dei progetti AI più ampi che in Seken AI chiamiamo Custom Project: si parte dall’esigenza e dai dati dell’azienda, non da una funzione preconfezionata.
Cosa significa per chi guida un’azienda B2B
Se guidi un’azienda B2B, la conseguenza pratica è semplice da dire e impegnativa da fare.
Il valore dell’AI, per te, non sta nel prossimo strumento generico da attivare. Sta nel prendere la complessità che già governi ogni giorno, i listini, i mercati, gli agenti, i cataloghi, lo storico dei clienti, e metterci sopra un’intelligenza capace di leggerla a una scala che nessuna persona può raggiungere. È un investimento progettuale, non un acquisto. Parte da un’esigenza, mette insieme reparti e divisioni che oggi non si parlano, e produce qualcosa costruito sulla tua struttura, non su una struttura media che non esiste.
È lo stesso salto che, a suo tempo, ha separato chi aveva messo online un catalogo da chi aveva costruito un e-commerce davvero dentro i propri processi. Il valore era nell’integrazione, nel far combaciare la tecnologia con la specificità dell’azienda. Oggi quel valore si sposta di un livello, sulla progettualità AI. Ed è nel B2B che è più grande, perché è lì che vive la complessità che lo rende necessario.