Anche nell’epoca dell’AI il negozio fisica continua a funzionare

Il retail fisico non sta morendo: nel 2026 l’85,1% delle vendite al dettaglio avviene ancora in negozio, secondo l’ultimo report di Colliers. Il fatto che questa percentuale sia rimasta stabile nonostante un decennio di espansione dell’e-commerce suggerisce che il punto vendita fisico soddisfa bisogni che la logistica digitale non riesce ancora a replicare. L’intelligenza artificiale, in questo contesto, non è la tecnologia che sostituisce il negozio — è quella che lo rende strutturalmente più competitivo rispetto a chi non la usa.

La narrativa dominante del retail tech degli ultimi anni era costruita sull’eliminazione: meno commessi, meno cassa, meno spazio fisico. I dati del 2026 raccontano una storia diversa. Le aziende che stanno crescendo nel retail non sono quelle che hanno sostituito il negozio con l’algoritmo, ma quelle che hanno usato l’algoritmo per ottimizzare ciò che il negozio fa meglio: l’esperienza tattile, la consulenza situazionale, la logistica dell’ultimo miglio. L’AI lavora di nascosto — nella supply chain, nella gestione dell’inventario, nella personalizzazione dell’offerta — mentre il cliente vede ancora una persona, uno scaffale, una prova del prodotto.

L’85% offline non è un dato residuale: è il punto di partenza

L’85,1% di vendite fisiche che Colliers riporta analizzando 47 mercati globali non è uniforme tra le categorie merceologiche. Il commercio online ha conquistato stabilmente i libri, l’elettronica di consumo, l’abbigliamento basico. Ma nel lusso, nel beauty, nel food & beverage, nei prodotti ad alta complessità tecnica, la quota fisica è in leggero aumento — non in calo. Il consumatore torna fisicamente nei punti vendita per le categorie in cui il contatto diretto con il prodotto riduce l’incertezza d’acquisto e il rischio di reso, e il valore di questo contatto non diminuisce con l’aumentare della disponibilità online.

Questa stabilità non è indolore: richiede che i retailer continuino a giustificare i costi del punto vendita fisico con metriche di conversione e fidelizzazione che l’e-commerce rende più facile misurare. Il negozio che non misura il proprio contributo alla customer lifetime value è strutturalmente più vulnerabile ai tagli — non perché l’online lo stia superando, ma perché non sa dimostrare il proprio valore con la stessa granularità con cui lo fa un funnel digitale.

Il 71% dei retailer interpellati da Capgemini nella propria ricerca annuale dichiara di star espandendo gli investimenti in tecnologia per il punto vendita fisico. La direzione è l’integrazione, non la sostituzione: AI che ottimizza l’esperienza in store usando i dati raccolti online, e viceversa. Chi ha invertito questa logica — usando il digitale per sostituire il fisico invece che per rafforzarlo — sta riposizionando o chiudendo i punti vendita. Le enterprise app non sono più solo sistemi di record: sono diventate sistemi di decisione, e il retail che le usa bene ha un vantaggio strutturale su chi le usa come archivi passivi, non perché il modello fisico sia sbagliato, ma perché lo aveva reso ridondante rispetto al canale online senza aggiungergli valore.

Macy’s e Walmart: l’AI che lavora dietro le quinte

Il caso Macy’s illustra come l’AI stia trasformando il retail fisico senza che il cliente lo veda direttamente. L’azienda ha implementato “Ask Macy’s”, un sistema che permette al personale di negozio di interrogare in tempo reale una knowledge base centralizzata su disponibilità, caratteristiche dei prodotti, politiche di reso e promozioni attive. Il commesso risponde al cliente con informazioni aggiornate al secondo, senza dover navigare manualmente tra sistemi separati.

Murali Murugan, vicepresidente technology di Macy’s, ha identificato il problema centrale che il sistema risolve: il “gap tra segnale e azione”, ovvero il ritardo tra il momento in cui un dato diventa disponibile — un prodotto esaurito, un cambio di prezzo, una promozione attivata — e il momento in cui raggiunge il commesso nel punto vendita. Prima, questo ritardo si misurava in ore o giorni. Con Ask Macy’s, si misura in secondi. La differenza non è estetica: un commesso informato chiude più vendite, riduce i resi e aumenta il ticket medio perché può proporre alternative pertinenti invece di limitarsi a dire che il prodotto richiesto non è disponibile.

Walmart ha scelto un approccio diverso ma complementare: prezzi dinamici in-store con etichette elettroniche sugli scaffali che aggiornano i valori in tempo reale in risposta alla domanda, ai livelli di inventario e alle mosse dei concorrenti. Non è la tecnologia che cambia cosa si compra, ma quella che cambia quando e a quale prezzo si compra — con un impatto diretto sui margini per unità venduta. Il dynamic pricing fisico applica ai negozi la stessa logica che da anni governa i prezzi dell’e-commerce, eliminando uno dei vantaggi competitivi che i retailer online avevano su quelli fisici: la velocità di risposta al mercato.

Il nodo da sciogliere: dati che non parlano tra loro

Se l’AI nel retail funziona dove funziona, è perché qualcuno ha risolto — almeno parzialmente — il problema dei dati frammentati. Il punto vendita fisico genera dati in formati diversi: transazioni al POS, movimenti di inventario, dati di loyalty card, feedback del personale, segnali di traffico in-store da telecamere e sensori. Questi dati vivono in sistemi separati che raramente comunicano tra loro in tempo reale, e l’AI non può ottimizzare quello che non riesce a leggere in modo coerente.

Il rapporto tra consumatori e assistenti AI per lo shopping ha mostrato un aumento del 400% della spesa tra chi usa sistemi di raccomandazione AI rispetto a chi non li usa. Il problema di fondo è che i dati aziendali sono spesso inaccessibili agli agenti AI anche quando tecnicamente disponibili — ma questo dato riguarda prevalentemente il canale online, dove i dati sono già integrati per design. Nel fisico, il gap è ancora ampio: molti retailer hanno implementato AI in uno o due touchpoint ma non hanno ancora costruito l’infrastruttura di dati che permette di connettere l’esperienza online con quella in-store in modo continuo e bidirezionale.

Il MIT Technology Review ha documentato come i retailer che hanno investito in data integration prima di implementare l’AI ottengano risultati significativamente superiori rispetto a quelli che hanno implementato l’AI su architetture di dati non integrate. La sequenza conta: prima i dati, poi l’AI. Non il contrario. Chi ha invertito l’ordine si ritrova con strumenti AI costosi che producono raccomandazioni basate su dati incompleti o obsoleti — e non capisce perché la tecnologia non funzioni come promesso.

Cosa non funziona: il retail che usa l’AI per la vetrina, non per il magazzino

Esiste una categoria di retailer che ha adottato l’AI per la parte visibile dell’esperienza cliente — chatbot per l’assistenza online, recommendation engine per le email, personalizzazione delle pagine prodotto — senza toccare le inefficienze operative sottostanti. Il problema è che gli agenti AI falliscono per dati sbagliati, non per mancanza di capacità computazionale: gestione dell’inventario, previsione della domanda, ottimizzazione degli ordini ai fornitori. L’AI di vetrina produce soddisfazione del cliente a breve termine ma non riduce i costi strutturali — e quando i margini si comprimono, la tecnologia cara che non tocca i costi diventa difficile da giustificare in un consiglio di amministrazione.

I casi di successo documentati nel retail AI hanno quasi tutti una caratteristica comune: l’AI ha ridotto prima i costi operativi nascosti — scorte eccessive, rese elevate, inefficienze logistiche — e poi ha migliorato l’esperienza cliente come conseguenza. La riduzione del “deadstock” — prodotti invenduti che occupano spazio e capitale — è uno dei contributi più concreti che i sistemi di previsione della domanda AI stanno portando al retail fisico. Un negozio con meno merce sbagliata sullo scaffale ha più spazio, più liquidità e personale meno oberato dalla gestione di prodotti che non si muovono.

Il retail fisico nel 2026: non sopravvivenza ma selezione

La domanda giusta per il retail del 2026 non è se i negozi fisici sopravviveranno — l’85% delle vendite dice che sopravvivono — ma quali negozi fisici saranno ancora competitivi tra cinque anni. La risposta dipende da chi avrà costruito l’infrastruttura tecnologica per connettere dati, personale e inventario in un sistema coerente, e chi invece avrà comprato singoli strumenti AI senza la logica di sistema che li rende utili.

Il vantaggio competitivo del retailer fisico non è la presenza fisica in sé: è la capacità di combinare l’esperienza fisica con l’intelligenza del dato. Il commesso che sa in tempo reale cosa è disponibile, cosa sta andando esaurito, cosa il cliente ha guardato online prima di entrare in negozio è più efficace di qualsiasi algoritmo di raccomandazione operante in isolamento. L’AI non sostituisce questa persona — la dota di informazioni che da sola non potrebbe mai avere.

Le aziende che hanno capito questa logica stanno investendo non in AI di vetrina, ma in infrastruttura dati che connette fisico e digitale. Quelle che non l’hanno capito stanno ottimizzando la superficie mentre il problema è nella struttura. La differenza si vedrà non nelle prossime settimane ma nel prossimo ciclo di consolidamento del settore — quando i margini compressi costringeranno una selezione tra chi ha costruito valore reale e chi ha comprato tecnologia di immagine.