Un algoritmo modifica i prezzi di migliaia di prodotti, un assistente digitale suggerisce acquisti sulla base della cronologia del cliente, un sistema predittivo decide quali scorte riordinare. Nel retail, l’intelligenza artificiale entra in decisioni che incidono direttamente su margini, disponibilità della merce e relazione con i consumatori. Governare questi sistemi significa stabilire chi può utilizzarli, con quali dati, entro quali limiti e sotto la responsabilità di chi.

La diffusione della tecnologia rende questa esigenza sempre più concreta. Nel report State of AI in Retail and CPG 2026 di NVIDIA, basato su centinaia di risposte di professionisti del commercio e dei beni di largo consumo, il 91% degli intervistati dichiara che la propria organizzazione utilizza o sta valutando l’AI, mentre il 90% prevede un aumento del budget nel 2026. Sono indicazioni raccolte da un fornitore tecnologico, riferite al campione della ricerca, che mostrano quanto l’AI sia ormai presente nelle strategie del settore.

L’adozione, tuttavia, non coincide con la capacità di controllare i risultati. La ricerca Deloitte State of AI in Retail and CPG, pubblicata nel giugno 2026 su 200 dirigenti, rileva che il 75% considera l’AI una priorità strategica, ma soltanto il 16,5% riesce a quantificarne il ritorno. La governance serve anche a colmare questa distanza: collegare investimenti, responsabilità e risultati verificabili.

Come strutturare la AI governance nel settore retail

La prima scelta riguarda il perimetro. Un’azienda commerciale può utilizzare l’AI nei sistemi di gestione del magazzino, nelle piattaforme pubblicitarie, nei software per le risorse umane e negli strumenti impiegati dai singoli dipendenti. Per questo la governance deve comprendere sia i progetti sviluppati internamente sia le funzionalità acquistate insieme a servizi di terzi.

Il punto di partenza è un inventario dei sistemi e dei casi d’uso. Per ogni applicazione vanno registrati finalità, responsabile aziendale, fornitore, dati trattati, utenti autorizzati e decisioni influenzate. Occorre distinguere i sistemi che producono suggerimenti da quelli che possono eseguire azioni, come modificare un listino, autorizzare un rimborso o trasmettere un ordine.

Da questa mappatura deriva un percorso di approvazione proporzionato all’impatto. Un assistente che prepara bozze di descrizioni commerciali richiede controlli diversi da un sistema che valuta candidati o utilizza immagini raccolte nei negozi. Una classificazione interna può quindi prevedere verifiche più rapide per gli impieghi circoscritti e un esame multidisciplinare per quelli che incidono maggiormente su persone, dati e operazioni.

Quali sono i pilastri del framework di ai governance per il commercio

Un riferimento metodologico è l’AI Risk Management Framework del NIST, che organizza la gestione del rischio in quattro funzioni: governare, comprendere il contesto, misurare e gestire. Il framework considera la governance un’attività trasversale all’intero ciclo di vita dei sistemi.

Per un retailer, questo approccio può tradursi in cinque pilastri operativi:

• Obiettivi misurabili: chiarire quale problema risolve il progetto e rispetto a quale situazione iniziale valutarlo.
• Qualità e liceità dei dati: conoscere provenienza, aggiornamento, autorizzazioni e limiti di utilizzo.
• Responsabilità definite: identificare chi sviluppa, approva, utilizza e controlla il sistema.
• Limiti all’automazione: stabilire quali azioni sono consentite e quando serve un intervento umano.
• Tracciabilità e revisione: documentare versioni, verifiche, anomalie e modifiche rilevanti.

Il beneficio atteso deve essere specifico. Per il riordino può essere la riduzione delle rotture di stock senza un aumento eccessivo delle giacenze; per il servizio clienti, una maggiore capacità di risolvere le richieste mantenendo accuratezza e soddisfazione.

Sul piano organizzativo, lo standard ISO/IEC 42001 offre un riferimento per istituire e migliorare un sistema di gestione dell’AI. Può sostenere la costruzione di procedure e responsabilità, ma una certificazione del sistema di gestione non dimostra, da sola, la conformità normativa di ogni applicazione utilizzata.

Come garantire la conformità normativa con il regolamento europeo ai act

La conformità parte dalla classificazione del singolo utilizzo e dal ruolo dell’impresa. Un retailer che impiega un servizio acquistato opera normalmente come utilizzatore professionale, o deployer. Lo sviluppo e la commercializzazione di un sistema, oppure determinate modifiche, possono comportare responsabilità differenti.

Non tutte le applicazioni commerciali sono automaticamente ad alto rischio. Un sistema di previsione della domanda non ricade nella stessa situazione di un software destinato alla selezione del personale. Anche l’impiego di tecnologie biometriche richiede un esame specifico: finalità, modalità e contesto possono determinare divieti o obblighi più stringenti.

Il calendario aggiornato al 2026 va distinto dalle scadenze originarie. Dopo le modifiche dell’AI Omnibus, le regole per i sistemi ad alto rischio dell’allegato III si applicano dal 2 dicembre 2027; quelle per i sistemi ad alto rischio incorporati nei prodotti regolamentati dell’allegato I dal 2 agosto 2028. Gli obblighi di trasparenza dell’articolo 50 si applicano invece dal 2 agosto 2026, con specifiche disposizioni transitorie.

Nel retail, un esempio immediato riguarda i chatbot: il cliente deve essere informato dell’interazione con un sistema AI, secondo le condizioni previste dal regolamento. La verifica di conformità deve inoltre considerare GDPR, tutela dei consumatori e normativa sul lavoro. Il rinvio di alcune disposizioni dell’AI Act non sospende gli obblighi già applicabili in questi ambiti.

Gestione e protezione dei dati aziendali nell’era degli algoritmi

Nel commercio, il patrimonio informativo attraversa casse, eCommerce, programmi fedeltà, magazzini e piattaforme dei fornitori. Collegare questi ambienti può migliorare previsioni e servizio, ma aumenta anche la possibilità che…