“Trovami una borsa Gucci vintage sotto i 500 euro”: ChatGPT diventa il nostro personal shopper e cambia il modo di fare shopping. Ma se l’AI iniziasse a decidere anche cosa ci piace e cosa desideriamo?
“Trovami una borsa vintage di Gucci sotto i 500 euro, possibilmente senza logo evidente”. Oppure: “Ho un matrimonio in Sardegna a ottobre, cerco un abito lungo sotto i 100 euro“. Oggi una ricerca d’acquisto può partire da una semplice richiesta testuale o da una fotografia, proseguire domandando un’alternativa simile ma più economica, passare al confronto tra tre borse dello stesso modello valutandone prezzo e condizioni, restringere il campo a un colore preciso, chiedere consigli di stile e persino simulazioni di vestibilità — con la libertà di cambiare completamente idea a metà percorso. Per quasi trent’anni lo shopping online è stato costruito attorno a una logica meccanica: una barra di ricerca e una sequenza di filtri rigidi, dalla marca alla taglia, dal colore all’ordinamento per prezzo crescente o decrescente. Con la chiara difficoltà di immaginare vestibilità, consistenza e reale effetto del capo che stavamo per comprare: insomma, finché non arrivava a casa non si poteva mai sapere come fosse realmente. Ecco, questo modello sta ora lasciando spazio a un’esperienza conversazionale, sempre più simile al dialogo con un personal shopper dotato di tempo infinito e capace di scandagliare cataloghi impossibili da esplorare manualmente. Oggi infatti l’intelligenza artificiale è in grado di proporre articoli, metterli a confronto, spiegare differenze e compromessi, incrociando budget e misure con la nostra fisicità e tutte le informazioni già memorizzate sull’utente nel corso delle chat. Nella maggior parte dei casi, può anche mostrarti come ti starà una volta indossato.
Se il guadagno in termini di comodità è immediato, meno evidente — ma molto più profondo — è ciò che accade un istante prima della decisione d’acquisto, quando l’AI esce dal perimetro dei parametri misurabili come prezzo, taglia o composizione dei tessuti per intervenire su un terreno assai più sfuggente: il gusto. Accelerare la ricerca di un oggetto che si ha già in mente è una funzione puramente strumentale. Ben diverso è delegare a un algoritmo il compito di intuire cosa potrebbe piacerci, assemblare un look per un’occasione specifica o stabilire quale, tra dieci borse, abbia “più senso per noi“. In quel passaggio l’algoritmo entra nella sfera del desiderio, dell’identità, della sorpresa e dell’evasione: esattamente gli elementi che distinguono l’atto dello scegliere da una semplice transazione commerciale.
Non si tratta di uno scenario futuro, ma di una trasformazione già in atto. Nel 2025 Vogue Business documentava come la Generazione Z si rivolgesse abitualmente a ChatGPT per decidere cosa indossare a un secondo appuntamento, come risultare professionale a un colloquio senza apparire troppo formale o “corporate”, come strutturare una capsule wardrobe o mettere a fuoco il proprio stile personale. Parallelamente, l’infrastruttura tecnologica si è adeguata a questa domanda: nell’aprile dello stesso anno OpenAI ha ampliato le funzionalità dedicate allo shopping introducendo raccomandazioni personalizzate, immagini, recensioni e link diretti ai rivenditori; a novembre ha poi lanciato Shopping Research, uno strumento pensato per trasformare ricerche articolate in un dialogo progressivo fatto di domande, comparazioni e affinamento costante delle preferenze.
Nel 2026 il perimetro di questa evoluzione si è definito con maggiore chiarezza, anche alla prova dei dati. L’ambizione iniziale di racchiudere l’intero processo d’acquisto all’interno della chat, pagamento compreso, si è scontrata con risultati poco incoraggianti: secondo quanto riportato da Wired, l’Instant Checkout sperimentato con Walmart ha registrato tassi di conversione sensibilmente inferiori rispetto ai prodotti che rimandavano al sito del rivenditore. Di fronte a questa evidenza, OpenAI ha ricalibrato lo sviluppo concentrando gli sforzi sulla fase che precede l’acquisto — ricerca visuale, confronto, scoperta e aggiornamento delle informazioni — e lasciando più frequentemente la chiusura della transazione al merchant. La partita dell’intelligenza artificiale nello shopping, dunque, non si gioca tanto alla cassa, quanto nel momento esatto in cui si forma la scelta.
Ed è in questa fase – quella in cui ancora non compriamo ma stiamo decidendo – che si gioca la partita più interessante per la moda. Tra le integrazioni più recenti c’è quella con Vestiaire Collective, uno dei maggiori marketplace internazionali dedicati alla moda di lusso e designer di seconda mano. Nato a Parigi nel 2009, oggi opera in 70 Paesi e gestisce un catalogo di oltre 5 milioni di articoli, con più di 30 mila nuovi pezzi caricati ogni giorno: una scala che rende particolarmente interessante osservare cosa succede quando la ricerca viene affidata a un’interfaccia conversazionale. assets.vestiairecollective.com L’app ufficiale di Vestiaire Collective su ChatGPT, appena lanciata, permette infatti di interrogare direttamente quel catalogo descrivendo ciò che si vuole in linguaggio naturale — budget, marca, colore, occasione — e di confrontare fino a tre prodotti senza passare dalla tradizionale sequenza di filtri; l’acquisto resta invece sul marketplace. Vestiaire Collective Più che una semplice nuova funzione, è un caso utile per osservare in scala reale il passaggio che sta interessando tutto l’e-commerce: dalla domanda “dove trovo questo prodotto?” a una molto più aperta, e potenzialmente più influente, “che cosa dovrei comprare?”.
Quando cercare una borsa diventa una conversazione con l’AI
Il second hand offre un banco di prova particolarmente complesso per vedere l’AI alla prova. Nel retail tradizionale dieci esemplari dello stesso cappotto sono, almeno teoricamente, identici. Nel resale ogni articolo è un caso a sé: cambia il venditore, cambiano lo stato di conservazione, il prezzo, l’anno, eventuali segni d’uso, il materiale, talvolta persino le misure di prodotti nominalmente uguali. Nel catalogo di Vestiaire ci sono quasi sei milioni di pezzi e il confronto manuale può richiedere tempo.
“L’AI dovrebbe anzitutto rendere lo shopping più facile e accessibile“, spiega a FQMagazine Thomas Hézard, Chief Product Officer di Vestiaire Collective, arrivato in azienda nel 2019 dopo un’esperienza in BCG nel settore del lusso. “Oggi comprare second hand può essere complicato: ogni articolo è unico, proviene da un venditore diverso e si trova in condizioni differenti, quindi confrontare le alternative è più difficile”. La prospettiva che gli interessa, però, va oltre l’eliminazione di qualche filtro: “L’AI può rendere lo shopping anche più giocoso ed esplorativo. Invece di cercare un prodotto preciso, sempre più consumatori potranno esprimere un bisogno, un’ispirazione o l’occasione per cui vogliono vestirsi e ricevere raccomandazioni personalizzate, comprese proposte capaci di completare ciò che possiedono già. Lo shopping diventerà sempre più conversazionale. L’AI non dovrebbe aiutarci soltanto a trovare più velocemente quello che cerchiamo, ma anche a scoprire qualcosa che non sapevamo nemmeno di desiderare”.
La parola decisiva è proprio scoprire. Chi frequenta il second hand sa quanto una parte del piacere consista nella ricerca stessa: aprire pagine, allargare progressivamente il campo, imbattersi in un marchio dimenticato, trovare un cappotto di vent’anni prima mentre si stava cercando tutt’altro. È una forma di “serendipità” che le interfacce digitali hanno sempre tentato di riprodurre e che un assistente estremamente efficiente potrebbe paradossalmente ridurre.
Semplificare la scelta migliora l’e-commerce, ma nella moda non tutto lo sforzo è necessariamente un difetto. Cercare, confrontare, dubitare, provare e cambiare idea fanno parte dell’esperienza. Lo shopping può avere una componente gratificante, evasiva, a volte quasi terapeutica proprio perché concede uno spazio alla scelta personale. Se il processo viene progressivamente compresso in una risposta del tipo “questi sono i tre prodotti migliori per te”, il guadagno di tempo è evidente; più difficile misurare quello che perdiamo.
Può un algoritmo avere gusto?
Il problema diventa ancora più interessante quando il sistema comincia a conoscerci. ChatGPT può già utilizzare il contesto della conversazione e, dove attive, informazioni provenienti dalla memoria e dalle preferenze dell’utente per selezionare prodotti più pertinenti. In prospettiva significa poter dire: conosco i marchi che compri, quanto spendi, quali colori scegli, che cosa hai scartato nelle ricerche precedenti. Posso quindi mostrarti meno cose sbagliate. Ma un gusto costruito soltanto sulla nostra storia rischia di diventare una profezia che si autoavvera. Sempre Vogue Business aveva individuato questo problema già nelle prime sperimentazioni dello shopping su ChatGPT: modelli addestrati sui dati esistenti e ottimizzati per soddisfare l’utente tendono naturalmente verso le opzioni più sicure, i brand già popolari, i prodotti con molte recensioni e metadati facilmente leggibili. Il rischio indicato dagli esperti era una sorta di “brand monoculture”, in cui designer piccoli o proposte più eccentriche finiscono sotto la soglia di visibilità algoritmica.
Hézard parte dalla personalizzazione, ma introduce deliberatamente una quota di disturbo: “L’AI deve prima imparare dal gusto personale di ciascun consumatore, dalle ricerche, dagli acquisti e dalle interazioni, per rendere le raccomandazioni progressivamente più rilevanti. Ma non credo debba limitarsi a riprodurre quello che già ci piace. Una buona raccomandazione dovrebbe contenere anche una sorpresa, spingendoci verso designer, stili e prospettive che magari non avremmo preso in considerazione”.
Il gusto, aggiunge, “è profondamente personale e continua a evolvere. L’AI dovrebbe accompagnare questa evoluzione, non definirla“. La distinzione è sottile e sarà difficile da tradurre in codice. Se compro sempre pantaloni neri, il personal shopper più preciso è quello che mi propone il ventunesimo pantalone nero o quello che, conoscendomi, capisce quando è il momento di farmene vedere uno rosso? È un problema che gli algoritmi dei social conoscono bene. La personalizzazione aumenta la pertinenza ma può restringere progressivamente l’orizzonte. Nella moda le conseguenze vanno oltre la conversione commerciale, perché il gusto si costruisce anche attraverso incontri imprevisti, errori, influenze esterne e desideri che non assomigliano affatto a ciò che abbiamo comprato ieri.
Il rischio dell’omologazione e della spinta commerciale
Esiste poi una questione collettiva. Se milioni di persone cominciano a chiedere agli stessi modelli “che borsa dovrei comprare?”, “cosa si porta?”, “che cosa mi sta bene?”, fino a che punto le risposte continueranno a essere davvero individuali? Hézard si aspetta l’effetto contrario all’omologazione. “L’AI ha il potenziale per rendere lo stile personale ancora più distintivo, costruendo le raccomandazioni sui gusti, gli interessi e il guardaroba di ciascun utente. Naturalmente utilizzerà anche tendenze e segnali provenienti dall’industria, ma dovrebbero essere complementari. Il punto di partenza deve sempre essere il consumatore, non l’algoritmo. L’AI dovrebbe aiutare le persone a esprimere la propria individualità, non a farle vestire tutte allo stesso modo”.
Resta da capire quali segnali alimenteranno concretamente quella raccomandazione. Vendite? Recensioni? Search volume? Immagini indicizzate? Popolarità sui social? Dati forniti direttamente dai marchi? Oppure, peggio, sponsorizzazioni? La questione non è secondaria. I feed di Instagram e TikTok hanno reso visibile, almeno in parte, la formazione delle tendenze: un capo iniziava a comparire ripetutamente, passava attraverso influencer e celebrity, veniva imitato, saturava il feed. La raccomandazione AI avviene invece dentro milioni di conversazioni private. Potremmo ritrovarci con una borsa improvvisamente desiderata da migliaia di persone senza vedere più chiaramente da dove sia partita quella spinta.
Parallelamente i brand stanno entrando direttamente negli assistenti. Prada ha lanciato un’app su ChatGPT, Etsy permette di interrogare oltre cento milioni di listing in linguaggio naturale e J.Crew ha sviluppato un proprio style advisor. Nel resale, Vestiaire sta lavorando affinché i propri articoli possano apparire anche nelle raccomandazioni AI più generali accanto ai prodotti nuovi. Per una maison questo significa che la nuova giacca di stagione potrebbe concorrere, nella stessa risposta, con la versione del 2017 venduta a metà prezzo da un privato.
Una Borsa valori delle borse?
Il second hand aggiunge un’altra variabile: il prezzo futuro. Marketplace come Vestiaire dispongono di una massa di dati che il retail primario possiede solo in parte. Possono osservare quali modelli continuano a essere cercati dopo dieci anni, quali colori conservano valore, quali designer risalgono improvvisamente nelle ricerche, quanto incidono condizioni e rarità. Con l’AI diventa molto più semplice leggere questi segnali. È facile immaginare un assistente capace di dire che una determinata borsa è mediamente scambiata a una certa cifra e che quel particolare esemplare appare conveniente rispetto al mercato. Più delicato è il passo successivo: “Comprala, perché potrebbe aumentare di valore” oppure “prendila, è un prezzo più basso della media di mercato”.
“Il valore nella moda è difficile da prevedere”, frena Hézard. “Rarità, condizioni e desiderabilità contano, ma le tendenze possono cambiare da un giorno all’altro: un brand può rilanciare un modello iconico, interrompere improvvisamente la produzione di un design molto popolare o persino scomparire dal mercato”. Ridurre il resale a una specie di listino finanziario significherebbe perdere una parte essenziale del rapporto con gli oggetti. “Il valore non dipende soltanto dal potenziale investimento. Entrano in gioco emozione, attaccamento personale e rilevanza culturale“. Lo stesso vale per la fiducia. L’AI può aiutare a individuare inserzioni sospette, anomalie nelle immagini o informazioni incoerenti e diventare uno strumento potente nei processi antifrode. Ma più l’assistente acquista autorevolezza, più un errore diventa insidioso. Vestiaire specifica per esempio che la sua app su ChatGPT non autentica direttamente l’articolo, non verifica fisicamente le condizioni e non garantisce la vestibilità: il controllo va fatto sulla scheda completa e attraverso i servizi previsti dal marketplace. La stessa azienda avverte che i riassunti generati dall’AI possono contenere errori e che disponibilità e prezzi possono cambiare.
Il problema riguarda l’intero settore. Una ricerca della società di brand protection Podqi, condotta su 6.795 risposte fornite da ChatGPT, Gemini e Perplexity per 151 marchi, ha rilevato collegamenti a siti falsi, inattivi o rischiosi nell’8% delle risposte di ChatGPT analizzate, con percentuali differenti sugli altri chatbot. È uno studio commissionato da un operatore del settore e va letto come tale, ma ricorda un limite elementare: una raccomandazione formulata con grande sicurezza può comunque essere sbagliata.
L’algoritmo che ci dice di non comprare è realistico?
Rimane infine il paradosso più interessante per la sostenibilità. Se rendiamo estremamente semplice trovare il prodotto perfetto, rischiamo di rendere altrettanto semplice comprare continuamente. La promessa dell’AI applicata al retail è quasi sempre la riduzione dell’attrito. Nel caso della moda circolare, però, la versione più coerente dell’assistente potrebbe essere quella che introduce volontariamente un po’ di dubbio: “Hai già una giacca praticamente identica”. “Queste scarpe non le metti da due anni, forse è meglio rivenderle”. “Per la festa di sabato puoi combinare diversamente ciò che possiedi”.
Hézard considera plausibile questa evoluzione: “Sarebbe certamente un passo significativo. Il capo più sostenibile è quello che esiste già“, dice. “Un assistente AI che incoraggi a comprare meno ma meglio, a reinterpretare ciò che si possiede o a rivendere ciò che non si usa più sarebbe pienamente coerente con i principi della circolarità. Dovrebbe essere utile, però, non paternalista“. Vestiaire ha già eliminato progressivamente dalla piattaforma una serie di marchi di fast fashion; la domanda successiva sarà capire se un marketplace, il cui business continua comunque a dipendere dalle transazioni, possa spingersi fino a costruire una tecnologia capace a volte di suggerire nessuna transazione. È forse una delle contraddizioni più fertili di questa nuova stagione dello shopping intelligente. Perché l’AI sa diventare sempre più brava a eliminare tempo morto, pagine aperte, ricerche inconcludenti e prodotti irrilevanti. Molto più difficile sarà insegnarle che la moda non funziona soltanto attraverso l’ottimizzazione. Scegliamo una giacca anche perché ci ricorda qualcuno, compriamo una borsa che sulla carta non sarebbe “adatta a noi”, cambiamo improvvisamente stile, ci innamoriamo di un oggetto trovato per caso. Il desiderio contiene una quantità di irrazionalità che nessun buon personal shopper dovrebbe cancellare.
ChatGPT sta entrando nello shopping mentre questa tecnologia è ancora abbastanza giovane da mostrarci contemporaneamente possibilità e difetti. Può ridurre ore di ricerca a pochi minuti, aprire la scoperta a cataloghi enormi, rendere il second hand meno macchinoso, suggerire alternative e forse un giorno ricordarci che possediamo già quello che stavamo per acquistare. Allo stesso tempo concentra in un intermediario nuovo un potere enorme: decidere quali prodotti meritino di arrivare davanti ai nostri occhi. La frontiera più delicata non sarà quindi convincere un algoritmo a scegliere bene al posto nostro. Sarà costruire assistenti abbastanza intelligenti da aiutarci molto senza sostituirsi al gusto, alla curiosità e a quella parte inefficiente, personale e imprevedibile che rende ancora piacevole scegliere.
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.