Quando un’azienda decide di “adottare l’AI” per il proprio e-commerce, il conto che mette in preventivo è quello visibile: la licenza del tool, l’abbonamento mensile, il tempo per configurarlo. È il costo che si vede, si approva in riunione, si mette a budget.
Il costo che nessuno mette a preventivo è un altro, ed è più insidioso: pagare uno strumento di intelligenza artificiale per ottenere esattamente lo stesso risultato che avevi prima. Spendi, attivi, e alla fine il motore di ricerca trova le stesse cose di prima, le raccomandazioni somigliano a quelle di prima, la conversione resta dov’era. Con in più una voce di costo nuova e la convinzione, sbagliata, che “l’AI per noi non funziona”.
Il problema quasi mai è l’AI. È quello che le hai dato da leggere.
Perché un tool AI su dati sporchi non ti dà niente in più
Un qualsiasi strumento di intelligenza artificiale, per quanto sofisticato, lavora su ciò che trova. Se i tuoi dati di prodotto sono disomogenei, incompleti, scritti in modo diverso da fornitore a fornitore, con attributi mancanti su metà del catalogo e descrizioni pensate per la SEO di dieci anni fa, il tool ha due possibilità: ignorare quello che non capisce, oppure indovinare. Nel primo caso perdi informazione, nel secondo introduci errori.
In entrambi i casi il risultato è deludente per la stessa ragione: l’intelligenza dello strumento non può compensare la povertà del dato di partenza. Un motore di ricerca “AI” che gira su un catalogo dove il materiale a volte è nel titolo, a volte nella scheda tecnica, a volte da nessuna parte, non può restituire risultati migliori di quel disordine. Farà quello che facevano i motori di prima: cercherà le parole dove le trova, e sbaglierà dove non le trova.
Hai comprato uno strumento più intelligente, ma lo hai messo a lavorare con le mani legate. La sofisticazione del modello e la qualità del dato non si sommano: se manca la seconda, la prima non ha su cosa esercitarsi.
Il costo vero è a valle, e si moltiplica
La cosa scomoda di questo meccanismo è che il costo non si ferma alla licenza sprecata. Si propaga a tutto ciò che costruisci sopra.
Accendi una ricerca semantica su un catalogo grezzo, e i risultati incoerenti fanno pensare ai tuoi clienti che la ricerca del sito non funzioni. Attivi un sistema di raccomandazione, e produce suggerimenti generici, perché generico è tutto ciò che può inferire da dati poveri. Colleghi il catalogo a un canale AI esterno, e i tuoi prodotti restano fuori dalle risposte perché non hanno il contesto che servirebbe per essere scelti. Ogni sistema che costruisci eredita i limiti dei dati sottostanti, e li amplifica davanti a un pubblico più ampio.
A quel punto la reazione tipica è cercare uno strumento ancora migliore. Si cambia tool, si valuta il fornitore successivo, si aumenta il budget. Ma è la strada sbagliata: si continua a lavorare sul livello che si vede, l’applicazione, mentre il problema sta sotto, nel dato.
Il ribaltamento: dati arricchiti, e persino lo strumento semplice rende
Qui sta il punto che cambia tutto, ed è la ragione per cui vale la pena invertire l’ordine delle operazioni.
Se prima di attivare qualsiasi cosa normalizzi e arricchisci i dati, il rapporto si capovolge. Non solo i tool sofisticati rendono di più: rendono di più anche gli strumenti semplici. Un motore di ricerca classico su un catalogo dove ogni prodotto ha attributi coerenti, completi e con il contesto d’uso esplicito, restituisce risultati migliori di un motore AI avanzato che gira sul caos.
Perché la maggior parte del valore, in questi sistemi, non viene dalla raffinatezza dell’algoritmo. Viene dalla qualità e dalla struttura di ciò su cui l’algoritmo lavora. Arricchire i dati significa spostare il valore dove serve: non nel comprare l’intelligenza più costosa, ma nel rendere leggibile e ricco ciò che qualsiasi intelligenza, anche modesta, deve interpretare.
È l’idea che sta alla base dell’approccio di Seken AI, ed è volutamente controcorrente rispetto al mercato. Quasi tutti gli strumenti partono dai dati così come sono e ci costruiscono sopra una funzione. Il modulo Enrichment fa il passo che gli altri saltano: prima normalizza gli attributi esistenti e genera quelli mancanti, bisogni, occasioni d’uso, cluster tematici, scrivendoli direttamente nel catalogo. Poi, su quella base, qualsiasi attivazione, ricerca, raccomandazione, canale AI, parte da un punto più alto. Non perché lo strumento a valle sia più intelligente, ma perché finalmente ha buoni dati da leggere.
La domanda da fare prima di comprare qualsiasi AI
Prima di valutare l’ennesimo strumento di intelligenza artificiale per il tuo e-commerce, la domanda utile non è “quanto è avanzato”. È: su quali dati andrà a lavorare?
Se la risposta è “sui dati che abbiamo adesso”, e quei dati sono il catalogo stratificato e disomogeneo che quasi ogni e-commerce si porta dietro, allora stai per pagare un tool intelligente perché lavori con le mani legate.
Se invece i dati vengono prima sistemati, lo stesso investimento, a volte anche uno più piccolo, produce un risultato diverso. Il costo nascosto non è l’AI. È partire dai dati grezzi e scoprire, dopo aver speso, che l’intelligenza da sola non bastava.
Se stai valutando un progetto AI e vuoi capire in che stato sono davvero i tuoi dati di prodotto prima di costruirci sopra, è esattamente da lì che conviene partire: dal modulo Enrichment di Seken AI.