Chi decide quale venditore ti consiglia un agente AI? Oggi, nessuno può dirlo con certezza

Immagina di chiedere a un assistente AI di trovarti un fornitore per un prodotto. L'assistente ti risponde con un nome, magari due. Non sai se te lo ha consigliato perché è davvero la scelta migliore per te, perché ha il catalogo più leggibile tecnicamente, perché ha un accordo commerciale con la piattaforma che gestisce l'assistente, o per una combinazione di fattori che nemmeno chi ha costruito il modello saprebbe elencare con precisione.

Oggi non esiste un modo affidabile per saperlo. E non è un problema che si risolverà con una legge, prima che si risolva con uno strumento.

Cosa esiste già, e cosa manca

Il commercio agentico si sta dotando rapidamente di infrastruttura per la transazione: AP2, il protocollo pagamenti sostenuto da un consorzio che include Mastercard, PayPal e altri grandi operatori, usa mandati firmati crittograficamente che collegano intento d'acquisto, carrello e pagamento. Questo crea una traccia verificabile di cosa è stato autorizzato, da chi, per cosa. È un progresso reale.

Ma quella traccia riguarda la transazione, non la decisione che l'ha preceduta. Nessun meccanismo equivalente esiste oggi per rendere verificabile perché un agente ha mostrato il venditore A invece del venditore B tra le opzioni disponibili. Non un log pubblico, non uno standard che imponga di esporre quali segnali — prezzo, disponibilità, completezza dei dati strutturati, o un accordo commerciale a monte — hanno pesato nella scelta.

Perché "audit" viene prima di "antitrust"

È facile inquadrare questo vuoto come un problema di concorrenza sleale, e in parte lo è. Ma c'è un livello ancora più a monte che spesso si salta: prima di poter accertare che un comportamento violi le regole di concorrenza, serve la capacità stessa di ispezionare cosa è successo. Senza un modo per un terzo indipendente di rieseguire la stessa richiesta e ottenere una spiegazione consistente, la domanda antitrust resta teoricamente legittima ma praticamente inaccertabile — nessuno può arrivare al punto di dimostrare la violazione, perché manca lo strumento per guardare dentro la decisione.

Le uniche leve regolatorie che esistono oggi in Europa impongono trasparenza sui sistemi di raccomandazione alle piattaforme molto grandi — ma sono state scritte pensando a social network e marketplace tradizionali, non ad agenti d'acquisto autonomi costruiti su protocolli come UCP e ACP. Come, e se, questo quadro normativo si estenderà a coprire il nuovo scenario è oggi una domanda aperta, non una risposta acquisita.

Cosa servirebbe

Un audit del ranking degli agenti d'acquisto, per essere credibile, dovrebbe funzionare sul modello degli audit algoritmici "black-box" già usati storicamente per studiare i motori di ricerca tradizionali: non ricostruire l'algoritmo interno — impossibile, e nemmeno necessario — ma osservare sistematicamente il comportamento con query controllate e correlarlo a caratteristiche note e verificabili dei venditori coinvolti. Non ti dice il "perché" causale interno, ma ti dice cosa predice l'essere scelti — che per chi vende online è già l'informazione che conta.

È un lavoro che richiede rigore metodologico, tempo, e — non trascurabile — un'attenzione seria ai termini di servizio delle piattaforme coinvolte, che oggi non regolano esplicitamente questo tipo di osservazione ma nemmeno la escludono con chiarezza.

Noi in Agentabile stiamo iniziando a esplorare proprio questo terreno, con un approccio piccolo e dichiaratamente esplorativo prima ancora che definitivo. Non abbiamo risultati da condividere oggi. Abbiamo, per ora, solo la domanda giusta — e la convinzione che vada fatta ad alta voce, prima che qualcun altro decida di rispondere per noi.