Il 39% dei rivenditori prevede che l'IA supererà il 10% della spesa tecnologica entro il 2028

Quasi due rivenditori su cinque prevedono che l'intelligenza artificiale rappresenterà più del 10% dei loro budget tecnologici entro il 2028, segnalando un cambiamento significativo nelle priorità di spesa aziendale mentre il settore passa dalla sperimentazione all'implementazione su larga scala. Il risultato, tratto da una ricerca di dicembre 2025 della National Retail Federation, sottolinea la crescente fiducia dei rivenditori nel business case dell'IA anche se molti sono alle prese con sfide di implementazione e ritorni non provati.

Quanto stanno attualmente spendendo i rivenditori in IA?

La spesa attuale in IA rimane relativamente modesta nella maggior parte delle organizzazioni di vendita al dettaglio, anche se le cifre precise variano ampiamente in base alle dimensioni dell'azienda e alla maturità digitale. Gli osservatori del settore notano che molti rivenditori di moda sono ancora in fase pilota, allocando piccole percentuali dei budget IT a progetti di IA mentre valutano i casi d'uso e costruiscono capacità interne. I primi utilizzatori hanno iniziato ad aumentare le allocazioni man mano che le iniziative proof-of-concept dimostrano un valore tangibile.

La cifra del 39% della NRF di dicembre 2025 che prevede che l'IA superi il 10% della spesa tecnologica entro il 2028 rappresenta un'accelerazione notevole rispetto ai livelli attuali, suggerendo che i rivenditori prevedono di passare da progetti pilota selettivi a investimenti più ampi in piattaforme nei prossimi due anni. Questa tempistica si allinea con le tipiche curve di adozione della tecnologia aziendale, dove la cautela iniziale lascia spazio a una spesa più aggressiva una volta che i profili di rischio e ricompensa diventano più chiari.

Quali casi d'uso dell'IA stanno dando priorità i rivenditori?

I rivenditori di moda stanno concentrando i loro investimenti in IA in aree con un chiaro impatto operativo e ritorni misurabili. Le priorità più frequentemente citate includono:

• Previsioni della domanda e ottimizzazione dell'inventario, aiutando i rivenditori a ridurre le eccedenze e le rotture di stock migliorando il flusso di cassa
• Motori di personalizzazione che adattano i consigli sui prodotti, i messaggi di marketing e le esperienze di acquisto alle preferenze individuali dei clienti
• Visibilità della catena di approvvigionamento e ottimizzazione della logistica, in particolare per la gestione di complesse reti di approvvigionamento globali
• Automazione del servizio clienti attraverso chatbot e assistenti virtuali che gestiscono richieste di routine
• Ricerca visiva e strumenti di scoperta dei prodotti che consentono agli acquirenti di trovare articoli utilizzando immagini anziché testo

Le previsioni della domanda sono emerse come un punto di partenza particolarmente attraente perché affrontano un persistente problema del retail sfruttando al contempo i dati transazionali esistenti. Una pianificazione della domanda scadente costa ai rivenditori miliardi all'anno attraverso l'inventario in eccesso che deve essere svalutato o cancellato, creando sia un incentivo finanziario che metriche chiare per il successo dell'IA.

Quale ROI si aspettano i rivenditori dagli investimenti in IA?

Le aspettative di ritorno sull'investimento rientrano in due ampie categorie: riduzione dei costi attraverso l'automazione e i guadagni di efficienza, e crescita dei ricavi attraverso il miglioramento dell'esperienza del cliente e della conversione. Sul fronte dei costi, i rivenditori prevedono che l'IA ridurrà i requisiti di manodopera per attività di routine, abbasserà i costi di mantenimento dell'inventario attraverso previsioni migliori e diminuirà i tassi di svalutazione allineando gli assortimenti più strettamente alla domanda.

Le aspettative sui ricavi si concentrano sulla capacità della personalizzazione di aumentare i valori medi degli ordini e la frequenza di acquisto, nonché sui tassi di conversione migliorati grazie a una migliore scoperta dei prodotti e al servizio clienti. Tuttavia, quantificare questi benefici rimane impegnativo, in particolare per le applicazioni orientate ai ricavi dove l'attribuzione è complessa e i risultati possono richiedere tempo per materializzarsi.

Il divario tra aspettativa e realtà si è rivelato significativo per alcuni implementatori iniziali. I rivenditori riferiscono che i progetti di IA spesso richiedono più tempo per essere implementati e richiedono più cambiamento organizzativo di quanto inizialmente previsto. I problemi di qualità dei dati, le sfide di integrazione con i sistemi legacy e la necessità di riqualificare il personale possono tutti ritardare il time to value e smorzare i ritorni.

Quali barriere stanno rallentando l'adozione dell'IA nel retail della moda?

Nonostante la crescente propensione agli investimenti, diversi ostacoli continuano a limitare l'implementazione dell'IA nel settore della moda. L'infrastruttura dei dati rimane una sfida primaria, poiché molti rivenditori mancano dei dataset puliti e ben organizzati che i sistemi di IA richiedono per funzionare efficacemente. La natura altamente stagionale e guidata dalle tendenze della moda complica anche le cose, poiché gli algoritmi addestrati sui dati storici possono avere difficoltà a prevedere la domanda per stili nuovi o improvvisi cambiamenti di tendenza.

La carenza di competenze rappresenta un'altra barriera significativa. I rivenditori competono con le aziende tecnologiche e altri settori per data scientist e ingegneri di machine learning, spesso in svantaggio date le aspettative salariali e la percezione del retail come meno all'avanguardia rispetto alle aziende tecnologiche pure. Questo divario di talenti costringe molti rivenditori a fare affidamento su fornitori di terze parti piuttosto che costruire capacità internamente, sollevando domande sulla differenziazione competitiva a lungo termine.

Anche le preoccupazioni sui costi temperano l'entusiasmo, in particolare tra i rivenditori di medie dimensioni con budget IT limitati. Mentre i fornitori di IA offrono sempre più modelli software-as-a-service che riducono l'investimento iniziale, il costo totale di proprietà inclusa la preparazione dei dati, l'integrazione, la gestione del cambiamento e l'ottimizzazione continua può comunque rivelarsi sostanziale. I rivenditori devono soppesare questi costi rispetto a ritorni incerti, un calcolo che diventa più difficile quando i team esecutivi mancano di competenza tecnica.

Come rimodellerà la spesa in IA i budget tecnologici del retail?

Se il 39% dei rivenditori allocherà effettivamente più del 10% dei budget tecnologici all'IA entro il 2028, il cambiamento richiederà compromessi altrove nei portafogli IT. La manutenzione dei sistemi legacy, gli strumenti di analisi tradizionali e alcuni progetti di sviluppo personalizzato potrebbero vedere finanziamenti ridotti mentre le organizzazioni reindirizzano le risorse verso le piattaforme di IA e l'infrastruttura necessaria per supportarle.

Questa riallocazione potrebbe accelerare la modernizzazione più ampia degli stack tecnologici del retail, poiché le applicazioni di IA spesso richiedono infrastrutture cloud, pipeline di dati in tempo reale e architetture basate su API che i sistemi legacy non possono facilmente supportare. I rivenditori potrebbero trovarsi costretti a ritirare o sostituire sistemi obsoleti prima del previsto semplicemente per abilitare i casi d'uso dell'IA, creando un circolo virtuoso di rinnovamento tecnologico.

Anche le dinamiche competitive della spesa in IA meritano attenzione. Se una minoranza significativa di rivenditori aumenta sostanzialmente gli investimenti in IA mentre altri restano indietro, i divari di performance potrebbero allargarsi tra leader e ritardatari. Coloro che implementano con successo l'IA per le previsioni della domanda e la personalizzazione potrebbero godere di vantaggi strutturali nei margini e nella fidelizzazione dei clienti, potenzialmente costringendo i concorrenti a rispondere con i propri investimenti accelerati indipendentemente dalla chiarezza immediata del ROI.