Quando il compratore è un bot: come gli agenti IA entrano nel wholesale della moda

Nell'ottobre 2025, al suo IT Symposium di Orlando, Gartner ha formulato una previsione che dovrebbe inquietare ogni direttore wholesale della moda: entro il 2028 il 90% degli acquisti B2B sarà "intermediato da agenti IA", con oltre 15.000 miliardi di USD di spesa aziendale che passeranno per quelli che la società di ricerca chiama scambi tra agenti IA. Se la previsione regge, tra due anni l'interlocutore che legge la line sheet di un marchio sarà spesso un software che agisce per conto di un buyer, non il buyer in persona.

La realtà misurata nella moda è molto più modesta. Il rapporto State of B2B eCommerce 2026 di NuORDER rileva che l'adozione dell'IA in acquisti e pianificazione è salita dall'11% al 17% nell'ultimo anno. L'indagine di Gartner su 645 buyer B2B, condotta in agosto e settembre 2025, ha rilevato che il 45% ha usato l'IA generativa durante un acquisto recente, soprattutto per ricercare fornitori e prodotti, mentre il 69% preferisce ancora convalidare le informazioni generate dall'IA con un commerciale.

Il compratore è già un bot? Non ancora, e non nel modo suggerito dal titolo. L'IA entra negli acquisti della moda attraverso compiti circoscritti e ripetibili: preparare bozze di ordini di riassortimento, abbinare i cataloghi ai trend, selezionare nuovi fornitori, assemblare report di vendita. Agenti pienamente autonomi che piazzano ordini stagionali restano rari. Ma l'infrastruttura per gli acquisti tramite agenti si sta costruendo ora, da Google, Walmart, Faire e dalle piattaforme wholesale, e i marchi che verranno trovati e riordinati dalle macchine sono quelli i cui dati di prodotto, prezzo e disponibilità una macchina riesce davvero a leggere.

Cosa prevede davvero Gartner sugli agenti IA negli acquisti B2B?

La cifra del 90% viene dalle previsioni strategiche di Gartner, presentate da Daryl Plummer, il suo responsabile della ricerca sull'IA, all'evento di Orlando nell'ottobre 2025. La formulazione conta. "Intermediato" significa che un agente si colloca da qualche parte tra acquirente e venditore: cerca, confronta, riassume, negozia o esegue. Non significa che nove acquisti su dieci saranno decisi senza un essere umano. È una previsione sulla direzione, presentata a un pubblico di chief information officer, non una quota misurata degli acquisti odierni, e Gartner non vi ha associato alcuna stima specifica per la moda. Dice comunque ai fornitori dove intendono andare grandi acquirenti e piattaforme, e con che rapidità ritengono possibile il passaggio.

Altri istituti di ricerca descrivono un processo d'acquisto che sta già cambiando, ma più lentamente. State of Business Buying 2026 di Forrester, uscito a gennaio, rileva che una tipica decisione d'acquisto coinvolge 13 stakeholder interni e nove influenzatori esterni, e che i gruppi d'acquisto raddoppiano all'incirca quando un acquisto include funzioni di IA generativa. Nella sua indagine 2025, il 36% dei buyer ha dichiarato che l'IA generativa li ha resi più sicuri di aver preso una decisione ben informata, mentre il 20% si è sentito meno sicuro per aver incontrato informazioni inaffidabili o inesatte.

L'indagine B2B Pulse 2026 di McKinsey, su quasi 4.000 decisori in 13 Paesi e pubblicata a maggio, aggiunge che l'IA generativa è salita tra i primi cinque canali usati dai buyer per scoprire e valutare i fornitori. Solo il 22% delle organizzazioni dichiara di aver implementato pienamente l'IA generativa, contro il 19% di un anno prima, e un altro 31% la sta adottando attivamente. I buyer sono più a loro agio a spendere online: la serenità sugli ordini online sopra i 50.000 USD è salita dal 59% del 2022 al 73%. Eppure la disponibilità a spendere online 500.000 USD o più è calata di cinque punti percentuali rispetto al 2024, a ricordare che gli impegni di grande entità attirano ancora il controllo umano.

Come usano oggi l'IA i buyer B2B negli acquisti?

L'indagine di Gartner sui buyer del maggio 2026 offre il quadro più chiaro dei comportamenti attuali. Durante un acquisto recente i buyer hanno attinto in media a sette fonti di informazione. Dei 645 intervistati, il 45% ha usato l'IA generativa, il 67% ha detto di preferire un'esperienza d'acquisto senza commerciale e il 70% un processo completamente digitale e in self-service. La fiducia resta divisa: il 51% ha dichiarato di avere più probabilità di incontrare informazioni fuorvianti dall'IA generativa, e il 49% lo ha detto di un commerciale.

Robert Blaisdell, che guida la ricerca nella practice vendite di Gartner, ha riassunto la tensione: i buyer "si sentono più a loro agio nell'usare canali digitali e IA generativa per orientarsi da soli nel processo d'acquisto", ma "questo non elimina il ruolo del venditore." Per la moda, dove l'account manager wholesale spesso fa anche da consulente di merchandising, è probabilmente lo schema dei prossimi tempi: le macchine preparano e confrontano, le persone confermano e negoziano.

Cosa stanno già automatizzando i team acquisti dei retailer di moda?

La parte più automatizzabile degli acquisti di moda è anche quella cresciuta più in fretta. Il documento di JOOR sulle tendenze del wholesale 2026 mostra che il tempo medio dall'ordine alla spedizione è sceso da 263 giorni nel 2019 a 102 giorni nel 2024. Gli stili evergreen sono passati dal 37% del valore lordo della merce di JOOR nel 2019 al 49% nel 2024, e i buyer spostano budget verso gli acquisti in stagione. Cicli più brevi e più prodotto di continuità significano più decisioni piccole, frequenti e basate su regole: esattamente il lavoro che il software gestisce bene.

Guess offre un esempio documentato sul lato retail. Secondo un caso di studio pubblicato nel giugno 2025 dal suo fornitore di software Nextail, Guess tiene il 50-60% delle scorte per le esigenze in stagione ed è passata a un riassortimento completamente automatizzato basato su previsioni di domanda iperlocali, entrando in produzione in tutta l'area EMEA in sei mesi. I risultati dichiarati: sell-through a prezzo pieno più alto di 5 punti percentuali, copertura dei negozi in calo del 7,5% e 13% in meno di rotture di stock. Sono cifre pubblicate dal fornitore, ma mostrano dove l'automazione rende per prima: decidere quali pezzi vanno dove, ogni giorno, senza che un pianificatore tocchi ogni riga.

AllSaints sta percorrendo la stessa strada più a monte. Nell'aprile 2026 il retailer britannico ha dichiarato di aggiungere strumenti di pianificazione nativi IA su trading, previsioni, allocazione e riassortimento, prezzi dei ribassi, pianificazione finanziaria e pianificazione di gamma. I report settimanali di trading, che i team iniziavano a compilare la domenica e finivano dopo il lunedì, saranno disponibili entro le 8 del lunedì. "Abbiamo un ottimo team, ma deve passare moltissimo tempo a estrarre e analizzare dati a mano", ha detto a Retail Gazette Alfie Meekings, chief transformation and technology officer.

Nessuno dei due casi è un agente che piazza ordini presso marchi esterni. Automatizzano decisioni interne. Ma quando la logica di riassortimento di un retailer funziona su previsioni anziché su fogli di calcolo, il passo verso l'invio automatico ai fornitori di ordini d'acquisto per le linee sempre disponibili è breve, e il fornitore le cui disponibilità e i cui prezzi si possono interrogare per via automatica diventa il più facile da riordinare.

Cosa stanno costruendo piattaforme wholesale e grandi retailer per gli acquisti tramite agenti?

I marketplace che stanno tra marchi e negozi aggiungono IA sul lato del compratore. Nel marzo 2026 JOOR ha dichiarato di aver sviluppato uno strumento proprietario basato su un modello visione-linguaggio specifico per la moda, che cerca tra i milioni di prodotti della piattaforma gli stili in linea con i trend delle passerelle, usato per un report di tendenze donna Autunno 2026 acquistabile, rivolto alla sua community di oltre 675.000 buyer retail. Gli analisti di tendenza umani hanno scelto prima i sei trend; il modello ha poi trovato gli stili disponibili sul mercato. JOOR riferisce inoltre che il 78% dei nuovi clienti retailer acquisiti con lo strumento di abbinamento Discover riordina, effettuando in media più di cinque ordini nel primo anno.

Faire, che prevede circa 3 miliardi di USD di volume d'affari lordo ed è stata valutata 5,2 miliardi di USD nel dicembre 2025, usa già il deep learning per ordinare i prodotti e ha dichiarato di pianificare assistenti IA all'acquisto che aiutino i retailer a curare gli assortimenti e ad automatizzare il caricamento dei prodotti. Il suo amministratore delegato, Max Rhodes, ha osservato che solo circa il 5% delle centinaia di miliardi di dollari che i retailer statunitensi spendono per approvvigionarsi di merce avviene online. Quando nel giugno 2026 Faire ha aperto la piattaforma ad acquirenti per uso professionale come hotel e uffici, ha mantenuto paletti netti: i marchi scelgono se vendere al segmento, gli acquirenti devono rispettare i minimi del marchio e i marchi approvano ogni ordine.

Grandi retailer e gruppi tecnologici stanno costruendo i binari. Nel gennaio 2026 Google ha lanciato lo Universal Commerce Protocol, sviluppato con Shopify, Target, Walmart ed Etsy, uno standard aperto che permette agli agenti di gestire il percorso dalla scoperta del prodotto al pagamento, progettato per funzionare con il suo Agent Payments Protocol e con il Model Context Protocol. OpenAI e Stripe hanno un proprio Agentic Commerce Protocol. Questi standard puntano prima di tutto allo shopping dei consumatori, ma definiscono i binari che gli agenti B2B probabilmente riutilizzeranno, e Google ha accompagnato il lancio con nuovi attributi di dati in Merchant Center.

Quanto sono pronti i team wholesale dei marchi di moda per i buyer IA?

I marchi tornano a investire nel wholesale. Nel rapporto 2026 di NuORDER, il 78% dei dirigenti senior indica il wholesale B2B come prima priorità d'investimento, contro il 72% di un anno prima, e l'indagine di mercato di JOOR rileva che il 52% dei marchi lo definisce il canale più redditizio. Ma le basi di dati di cui servirebbe un agente sono esili. NuORDER rileva che solo il 9% dei marchi ha sistemi ERP pienamente integrati. La previsione delle scorte è il principale caso d'uso dell'IA, citato dal 44%, e l'adozione dell'IA in acquisti e pianificazione resta una pratica di minoranza.

Il divario tra la previsione del 90% di Gartner e un tasso di adozione del 17% non è una contraddizione. È la distanza tra dove stanno andando le grandi organizzazioni d'acquisto e dove si trova oggi il wholesale stagionale della moda. Mostra anche dove sta il lavoro: prima che un marchio possa vendere a un agente, i suoi sistemi devono concordare su cosa è disponibile, a che prezzo e quando.

Il calendario di vendita lo rende più difficile. L'indagine di mercato di JOOR rileva che la quota di marchi che producono collezioni capsule è salita dal 19% del 2023 al 37% del 2025, mentre la quota di chi produce una collezione completamente nuova è scesa dall'86% all'83%. Più drop significano più schede prodotto, immagini e listini da pubblicare, più spesso, e più occasioni in cui la versione letta dal sistema di un retailer differisce da quella dell'ERP del marchio. Per un buyer umano, una discrepanza porta a una telefonata. Per un riordino automatico produce un ordine sbagliato o nessun ordine.

Di quali dati ha bisogno un agente d'acquisto IA da un marchio di moda?

Un buyer umano può aggirare un'immagine sfocata, una line sheet in PDF o un listino inviato per e-mail. Un agente no, oppure salta il prodotto senza dirlo. I requisiti sono banali ma rigorosi: dati strutturati, coerenti e aggiornati che rispondano alle domande di un buyer senza una telefonata.

Altri due requisiti sono meno tecnici. I marchi hanno bisogno di regole esplicite su ciò che un agente può fare per conto di un buyer, per esempio quali dimensioni di ordine o modifiche richiedono l'approvazione umana, come mostra il modello di Faire in cui si approva ogni ordine. E devono decidere quali dati sono disposti a esporre: la disponibilità in tempo reale aiuta un agente a riordinare, ma dice anche a concorrenti e grandi clienti molto sulla posizione di un marchio.

Quali sono i rischi e i limiti degli agenti IA negli acquisti wholesale?

Il primo limite è l'accuratezza. Nell'indagine 2025 di Forrester, i professionisti degli acquisti erano più scettici degli altri buyer: il 28% si è sentito meno sicuro di una decisione a causa di risultati IA inesatti, contro il 19% di tutti i buyer, e il 22% ha dichiarato di aver perso tempo per informazioni IA scadenti. Un agente che legge male una curva di taglie o una finestra di consegna può generare un ordine tecnicamente valido e commercialmente sbagliato.

Il secondo è la natura degli acquisti di moda. Gli ordini pre-stagione combinano gusto, strategia del marchio, esclusività e relazioni, e spesso si negoziano attorno a supporto marketing, margini e allocazione di stili scarsi. I dati di Gartner stessa suggeriscono che i buyer vogliono che i commerciali convalidino i risultati dell'IA, e Blaisdell ha avvertito i responsabili vendite di non "interpretare la preferenza dei buyer per il self-service digitale come un segnale che i venditori contino meno." Va nella stessa direzione la conclusione di McKinsey secondo cui la disponibilità a effettuare ordini molto grandi online è calata.

Il terzo è la concentrazione. Se gli agenti d'acquisto sono costruiti e controllati da poche piattaforme e grandi retailer, classificheranno i fornitori in base ai criteri fissati dai loro proprietari, dalla completezza dei dati al margine e alla pubblicità. L'attività pubblicitaria di Faire, avviata due anni prima del round di finanziamento del dicembre 2025, rappresenta già oltre il 5% dei suoi ricavi. I marchi devono aspettarsi che la visibilità presso gli agenti d'acquisto diventi qualcosa che si può comprare, come è successo prima con la visibilità nella ricerca.

Infine, le previsioni non sono fatti. La cifra del 90% di Gartner è una previsione strategica con una definizione ampia, non una quota osservata, e nessuna delle fonti esaminate per questo articolo riferisce di un retailer di moda che lasci a un agente il compito di piazzare ordini stagionali presso marchi esterni senza approvazione umana. La lettura più prudente è direzionale: l'intermediazione degli agenti crescerà, partendo da ricerca e riassortimento, molto prima di arrivare allo showroom.

Cosa devono fare ora i team wholesale della moda?

1. Verificate la vostra line sheet come dato. Controllate che ogni stile, colore e taglia esista come campo strutturato con nomi coerenti tra ERP, PLM e canali wholesale.
2. Pubblicate la disponibilità per SKU e finestra. Rendete interrogabili dai partner disponibile alla vendita e date di consegna, a partire dalle linee di continuità e riassortimento.
3. Codificate le vostre regole commerciali. Trasformate minimi, prepack, fasce di prezzo e condizioni di cancellazione in regole esplicite anziché accordi via e-mail.
4. Definite cosa può approvare una macchina. Fissate soglie per dimensione degli ordini, modifiche e sostituzioni che richiedono la firma di una persona da parte vostra.
5. Partite dai riordini, non dalla pre-stagione. Fate un pilota di ordinazione automatica o assistita da agenti con pochi retailer partner sulle linee sempre disponibili, e misurate sell-through ed errori.
6. Monitorate come vi classificano le piattaforme. Osservate come marketplace e portali dei retailer mostrano e raccomandano i vostri prodotti e quale completezza dei dati premiano.
7. Riqualificate gli account manager come consulenti. Preparate i team vendite a convalidare, spiegare e negoziare attorno a ciò che emerge dagli strumenti IA dei buyer, perché è lì che i buyer vogliono ancora le persone.