I quattro livelli alla base del commercio autonomo

L'intelligenza artificiale generativa è ancora soprattutto una cosa da ricerca e da studiare, e il clic finale, almeno per ora, si fa su un sito normale e lo fa una persona, non una macchina.  

Ma mentre la maggior parte del dibattito pubblico si concentra ancora sugli assistenti all'acquisto rivolti ai consumatori, la trasformazione dell'infrastruttura che permette agli agenti di cercare, negoziare e assistere i pagamenti su larga scala è già operativa, soprattutto nei flussi B2B, dove il consenso e la responsabilità sono più chiari.  

I primi progetti pilota mostrano che l'e-commerce sta diventando un ecosistema multi-agente dove agenti pubblici, agenti commerciali, fornitori di servizi di pagamento (PSP) e agenti di reti di carte di credito si mettono d'accordo e fanno transazioni in tempo reale. Ogni livello di questa infrastruttura ha ruoli e punti di controllo diversi. Capirli sarà fondamentale per il vantaggio competitivo dei commercianti man mano che il commercio agente cresce.  

Livello uno - Piattaforme di IA per i consumatori: i nuovi guardiani della scoperta

Entro la fine del 2025, le piattaforme di intelligenza artificiale pubbliche come ChatGPT, Perplexity e altre erano diventate canali di scoperta importanti che influenzano sempre di più i commercianti che i consumatori scelgono di visitare.  

Il 29 settembre 2025, Agent Pay di Mastercard è arrivato su ChatGPT, permettendo ai titolari di carte negli Stati Uniti di fare acquisti direttamente nelle chat. Nel frattempo, OpenAI ha collaborato con Shopify per rendere più di un milione di negozi visibili e accessibili tramite le conversazioni su ChatGPT .  

A differenza di noi umani, gli agenti di intelligenza artificiale non scorre o capisce bene la gerarchia visiva: ChatGPT, Perplexity, Claude, Gemini e altri prendono dati strutturati da feed, API e markup schema.org.  

Nonostante tutto quello che fa il team del marchio commerciale, la homepage, i banner e i flussi UX non contano molto per un agente.

Gli agenti invece guardano i prodotti come righe in una tabella con caratteristiche, prezzi, disponibilità e politiche che possono analizzare e confrontare tra diversi venditori.  

I commercianti che hanno quasi tutti gli attributi (95%+) nel loro feed di prodotti spesso dicono di avere più visibilità nei consigli dell'intelligenza artificiale rispetto a quelli con cataloghi meno completi. Invece, gli agenti di solito ignorano i prodotti a cui mancano informazioni come i tempi di spedizione, le taglie o le politiche di restituzione.  

Le cose migliori da fare per far vedere di più i commercianti nel commercio con agenti:

1. Mostra dati completi e ben organizzati sui prodotti tramite feed e markup schema.org, così gli agenti possono capire bene il catalogo.  
2. Fai in modo che la struttura del catalogo segua le domande in linguaggio naturale ("scarponi da trekking impermeabili sotto i 200 euro con consegna entro venerdì"), non solo la logica interna di vendita.
3. Tieni sempre aggiornati le scorte e i prezzi in tempo reale. Gli agenti non amano i dati vecchi o sbagliati e abbasseranno subito il punteggio dei commercianti che spesso non dicono la verità sulle scorte o sulle promesse di consegna.
4. Offri API di checkout facili da usare per gli agenti o usa i nuovi standard di commercio agente per evitare il fragile scraping HTML.
5. Metti nella lista bianca gli agenti affidabili e allo stesso tempo mantieni le difese contro le frodi per distinguere l'automazione utile dai bot dannosi.

Con l'espansione del commercio agente, i commercianti che ottimizzano i dati leggibili dalle macchine piuttosto che (solo) la persuasione umana domineranno la scoperta guidata dagli agenti. Chi invece continua a puntare esclusivamente sulle visualizzazioni delle pagine rischia di diventare invisibile.

Livello due - Agenti commerciali: dalla visibilità al controllo dei risultati

Anche se hai fatto tutto il necessario per ottimizzare gli agenti pubblici, potresti avere visibilità, ma non hai ancora il controllo sull'esperienza del marchio, sul risultato delle transazioni o su come il tuo messaggio arriva ai consumatori. Recenti sondaggi nel settore dicono che la maggior parte dei grandi rivenditori pensa che i pagamenti tramite agenti diventeranno la norma entro tre anni, ma molti non hanno ancora capito come i loro sistemi gestiranno gli acquisti iniziati dagli agenti, le modifiche dopo l'acquisto o i rimborsi quando si lavora su larga scala.

È qui che entra in gioco un agente commerciale su misura.  

Quando un agente pubblico arriva con una richiesta tipo"una scarpa da corsa da 120 sterline da spedire entro martedì", un agente commerciale capisce cosa si vuole, la collega al catalogo e alla logistica del commerciante e mette insieme la migliore offerta che il commerciante può fare. Può gestire in tempo reale i limiti di inventario, scegliere le opzioni di spedizione e consegna che rispettano la scadenza e mantenere la voce del marchio nel modo in cui vengono presentati i prodotti e i compromessi. Anziché lasciare che sia un agente pubblico a setacciare le pagine e fare ipotesi, gli agenti commerciali diventano controparti negoziali attive in grado di modificare i pacchetti, applicare promozioni e proporre alternative quando non esiste una corrispondenza esatta.  

Con il tempo, gli agenti commerciali potrebbero diventare il modo standard per interagire con i PSP e gli schemi. Mostreranno in tempo reale l'inventario, i prezzi e i segnali di rischio che gli altri livelli dell'infrastruttura potranno usare per ottimizzare le cose. In questo modello, l'agente pubblico o broker coordina più commercianti, mentre ogni agente commerciale si concentra sul massimizzare la conversione, il margine e l'esperienza del cliente per la propria attività.  

In agentic commerce, the future belongs to merchants who have built agents to actively shape transactions and own outcomes, not merely waiting to be discovered.

Layer Three - Payment Agents: The operational intelligence center  

Agents within PSPs and global payment platforms like Nuvei increasingly handle the operational intelligence that turns intent into money movement at scale. They own fraud detection, routing optimization, authorization performance, dispute management, reconciliation, treasury decisions, and compliance enforcement across thousands of merchants and millions of transactions. As these control points converge in agentic commerce, the intelligence payment platforms will generate can compound across the entire value chain.  

A payment agent can operate within one of the following control points:

• Checkout and funding. Determining whether a transaction should be approved, which funding source to use, and which fraud signals to apply in real time. Intelligence here means learning new patterns of agent behavior and adapting as agents evolve. ‍
• Authorization and routing. Deciding whether to send a transaction through 3D Secure, which acquirer or route to choose based on live performance, and whether to bid dynamically on fees and routing paths. Recent case studies show that AI‑driven routing and risk optimization can reduce fraud losses by more than half and lift approval rates enough to deliver high‑single‑digit revenue uplifts for some merchants, especially in cross‑border and higher‑risk segments. ‍
• Post‑payment controls. Optimizing chargeback evidence, fund release timing, and liquidity management, with decisions that compound across thousands of transactions per day.

PSPs and payment platforms with globally distributed data, multi‑acquirer global setups, and embedded AI decisioning will be better positioned to train agent‑aware models across geographies and use cases.

The intelligence received from such PSPs can become a shared asset for merchants who want to benefit from agentic commerce without building every capability themselves and the entire infrastructure powering agentic commerce.  

Layer Four - Scheme Agents: Encoding trust and standards

Card networks are evolving beyond passive payment rails into intelligent orchestration layers that differentiate agents from human transactions and apply context‑specific security models.  

For example, in October 2025, Visa unveiled its Trusted Agent Protocol (TAP) - developed with Cloudflare - to provide cryptographic verification for AI agents during browsing and checkout. With it, merchants and PSPs can distinguish trusted agents from malicious automation with minimal changes to their infrastructure.

Meanwhile, Mastercard is working with partners including Microsoft, IBM, and Google to scale agentic commerce globally, and has announced plans to expand Agent Pay across Latin America.  

Scheme agents are beginning to detect and classify “agent-present” transactions via: ‍

• ‍Trusted Agent Protocol (Visa): Cryptographic signatures verify agent identity during browsing ‍
• Agent Pay (Mastercard): Special credentials prove "I'm ChatGPT acting for Alex B"

Scheme agents spot agent traffic through cloud IPs, automation fingerprints, and protocol flags. These distinguish legitimate agents from humans and malicious bots, then apply agent-specific rules such as lower friction for trusted agents, tighter scrutiny for unknown ones. They also coordinate authentication by preserving agent identity signals through the PSP → issuer → settlement flow.  

What remains undeveloped is broad, interoperable adoption of these standards, as well as clear liability rules that define what happens when an authorized agent makes a harmful decision on behalf of a consumer – or a business.  

As agentic commerce scales, scheme agents will increasingly be responsible for coordinating authentication, applying context‑aware fraud models, and enforcing emerging “agent‑present” categories that sit alongside today’s card‑present and card‑not‑present distinctions.  

At the same time, schemes are exploring how card network protocols (such as TAP and Agent Pay) could extend toward APM interoperability.  

Is your payment infrastructure ready for agentic commerce?

Industry surveys suggest that close to 60% of banks and large corporations expect agentic payments to be mainstream within the next three years, with early adoption clustering around recurring billing and B2B purchasing flows.  

It is likely only a matter of time before these patterns extends more broadly into B2C, particularly for repeat and low-risk purchases. eCommerce is evolving into a multi-agent ecosystem, where human intent is increasingly expressed indirectly rather than through clicks.

For merchants, the question is less whether agents are coming and more whether their infrastructure will be ready when agents become a primary interface for purchase.

‍

Asaf Ben Gal is Director of AI & Analytics at Nuvei, leading the company’s AI strategy and applied machine learning initiatives to turn advanced technologies into measurable business impact.