// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Complicare un problema invece di risolverlo, il caso dell'AI per fare acquisti
Sei agenti AI hanno ricevuto lo stesso compito, scegliere uno smartwatch da fitness dentro una griglia fissa di prodotti. Cambiando soltanto l'ordine in cui le recensioni venivano presentate, GPT-5.5 è passato dal 6% al 53% di probabilità di scegliere lo stesso identico prodotto. Il risultato arriva da una ricerca della Wharton School depositata il 26 agosto e ripresa dalla stampa di settore.
Gemini 3.1 Flash Lite si comporta allo stesso modo, oscillando fra il 2% e il 56%. I prodotti in gara erano identici in tutte le prove, e a cambiare era soltanto la forma in cui l'informazione arrivava.
Il test distingue due modalità di presentazione. Nella prima le recensioni arrivano tutte insieme, in blocco; nella seconda in sequenza, una dopo l'altra.
Nessuna delle due contiene informazioni diverse. Eppure la differenza di esito supera i quaranta punti percentuali su alcuni modelli, e questo significa che la raccomandazione dell'agente dipende da come il negozio ha impaginato la pagina almeno quanto dalla qualità del prodotto.
Un secondo esperimento misura l'effetto di una fonte singola autorevole. Quando le valutazioni provengono tutte da Wirecutter, la preferenza si sposta di 90-99 punti percentuali verso un prodotto specifico.
Il dato ribalta una convinzione diffusa fra chi vende online, quella per cui un agente confronta più fonti e ne fa una media. Nel test la fonte unica non viene ponderata: viene seguita, e il resto del materiale disponibile smette di contare.
Gli agenti ricevevano un prodotto descritto nella scheda come inferiore, il Garmin Vivoactive 5, in presenza di una preferenza registrata in una conversazione precedente. È l'esperimento con il risultato più netto di tutti.
Quando la preferenza salvata era coerente con quel prodotto, Claude Opus 4.8 lo ha scelto con fino a 75 punti percentuali in più rispetto al caso senza memoria. Il giudizio di qualità dichiarato nella scheda non ha spostato il risultato.
La funzione che i fornitori presentano come personalizzazione produce quindi un effetto misurabile: l'agente conferma quello che aveva già registrato, e lo fa anche contro l'evidenza che ha davanti.
Un lavoro parallelo di un gruppo della Columbia, con l'impianto di test ACES, conferma il quadro su un campione più ampio. Emergono due effetti aggiuntivi: la domanda si concentra su pochi prodotti, e le quote di mercato si ribaltano dopo un semplice aggiornamento del modello.