Chi valuta oggi come rendere il proprio catalogo visibile agli agenti di acquisto AI si trova davanti a un acronimo diverso quasi per ogni grande piattaforma coinvolta: UCP, ACP, MCP, ciascuno sostenuto da attori diversi, con uno scopo tecnico specifico e non del tutto sovrapponibile agli altri. La risposta più comune tra gli operatori del settore, di fronte a questa scelta, non è “quale implementare”, ma “quanti servirà supportarne contemporaneamente”.
Il Universal Commerce Protocol, sviluppato da Google e Shopify, copre l’intero percorso d’acquisto, dalla scoperta iniziale del prodotto fino al completamento della transazione, con l’obiettivo di permettere transazioni dirette tra agenti di piattaforme diverse — inserzionisti, sistemi di pagamento, motori di intelligenza artificiale — attraverso un unico standard condiviso. L’Agentic Commerce Protocol, sviluppato da OpenAI insieme a Stripe, si concentra più specificamente sul checkout: la parte finale della transazione, dal momento in cui un agente ha già identificato un prodotto fino al completamento del pagamento. Il Model Context Protocol, sviluppato da Anthropic, ha uno scopo diverso e più generale: fornisce ai modelli di intelligenza artificiale un accesso strutturato e in tempo reale a dati esterni, di cui il commercio è solo uno dei possibili ambiti applicativi.
La ragione per cui la scelta non si riduce a un solo protocollo è che ciascuno di questi standard è sostenuto da un ecosistema di piattaforme diverse, e un rivenditore che vuole essere raggiungibile dagli agenti di acquisto di Google, OpenAI e altri sistemi contemporaneamente deve rispettare le regole di più di uno standard alla volta. Per i commercianti su Shopify, questo lavoro è in parte già astratto dalla piattaforma stessa attraverso le cosiddette Agentic Storefronts, che gestiscono sia UCP sia ACP senza richiedere un’implementazione separata — un vantaggio concreto per chi è già lì, meno rilevante per chi opera su un’infrastruttura proprietaria che non offre lo stesso livello di astrazione.
Il primo criterio da valutare prima di investire è quale quota del proprio pubblico target usa effettivamente le piattaforme AI collegate a ciascun protocollo: investire nella conformità a uno il cui ecosistema non intercetta il proprio pubblico specifico produce un ritorno modesto, per quanto tecnicamente corretta sia l’implementazione. Il secondo è la maturità reale del canale finale che il protocollo abilita: come già visto a proposito del commercio agentico, il completamento diretto dell’acquisto dentro un’interfaccia conversazionale resta, allo stato attuale, il passaggio meno maturo dell’intero percorso, mentre la scoperta e il confronto di prodotto sono già stadi più consolidati. Un’implementazione che punta soprattutto a essere raccomandato e confrontato, piuttosto che a completare transazioni dirette in chat, è oggi la scommessa più prudente.
C’è poi un costo nascosto, distinto dall’implementazione iniziale: la manutenzione. Come per il feed prodotto discusso a proposito del Product Information Management, questi protocolli non sono un progetto da completare una volta e dimenticare. Ciascuna piattaforma aggiorna periodicamente i propri requisiti tecnici, e un’integrazione lasciata senza manutenzione rischia di smettere silenziosamente di funzionare, con l’effetto pratico di rendere un catalogo invisibile agli agenti di ricerca senza che nessuno in azienda se ne accorga fino a un calo di traffico difficile da spiegare.
Prima di investire risorse tecniche nell’implementazione di uno o più di questi protocolli, conviene mappare quali piattaforme AI intercettano davvero il proprio pubblico, verificare se la propria infrastruttura e-commerce già offre un’astrazione che copre più protocolli insieme, e concentrare l’investimento iniziale sulla scoperta e il confronto di prodotto — dove l’evidenza mostra un’adozione più solida — piuttosto che sul completamento diretto della transazione, dove anche i grandi attori del settore stanno ancora correggendo il proprio approccio.