Chatbot AI per il sito: assistente 24/7 per e-commerce e B2B

In breve: un chatbot AI per il sito è un assistente che risponde ai visitatori in linguaggio naturale, a qualsiasi ora, usando i dati dell'azienda: catalogo, condizioni di vendita, stato degli ordini, schede tecniche. Funziona bene se legge da fonti verificate, se passa la conversazione a una persona quando serve e se rispetta GDPR e AI Act.

Punti chiave

Il valore non sta nel modello linguistico ma nei dati a cui l'assistente può accedere: catalogo, ordini, CRM, documentazione tecnica.
Un assistente senza regole di passaggio all'umano perde proprio le conversazioni che valgono di più.
L'azienda risponde di ciò che dice la chat come di ciò che è scritto nelle pagine del sito.
Il primo timore dei clienti è non riuscire più a parlare con una persona: quell'opzione va lasciata sempre visibile.
Si parte da un perimetro piccolo, con una soglia di accuratezza decisa prima del lancio.

Un e-commerce riceve domande ripetitive a tutte le ore: tempi di spedizione, resi, taglie, disponibilità. Un'azienda B2B ne riceve di più complesse: compatibilità tra componenti, certificazioni, minimi d'ordine, tempi di consegna per volumi diversi. Un assistente AI ben progettato copre quella finestra e manda la richiesta al sistema giusto; progettato male, dà risposte sbagliate con grande sicurezza. Per il quadro più ampio su come cambiano gli acquisti online tra aziende vedi opportunità e limiti dell'e-commerce B2B.

Che cos'è un chatbot AI per il sito e in cosa è diverso da quello a regole?

Un chatbot AI per il sito è un software di conversazione basato su un modello linguistico (LLM) che interpreta domande scritte liberamente e genera risposte, invece di seguire un albero di opzioni predefinite. Un chatbot a regole, al contrario, propone pulsanti e percorsi fissi: è prevedibile, ma si blocca appena la domanda esce dallo schema.

Ma la differenza che conta è da dove l'assistente prende le informazioni. Un modello generico risponde con ciò che ha imparato durante l'addestramento, e non conosce i tuoi prezzi né le tue condizioni. Un assistente collegato ai dati aziendali usa la RAG (retrieval-augmented generation): prima recupera i documenti pertinenti dalle tue fonti, poi formula la risposta a partire da quelli.

Tipo	Come risponde	Punto forte	Limite	Adatto a
Chatbot a regole	Percorsi e pulsanti predefiniti	Prevedibile ed economico	Rigido, frustra chi ha domande fuori schema	FAQ semplici, smistamento delle richieste
Assistente AI generico	Modello linguistico senza dati aziendali	Conversazione naturale	Può inventare prezzi, policy e caratteristiche	Sconsigliato su un sito aziendale
Assistente AI collegato ai dati	RAG su catalogo e documenti, più azioni via API	Risposte specifiche e aggiornate	Richiede dati ordinati, test e manutenzione	E-commerce e B2B con catalogo e processi strutturati

Cosa può rispondere un assistente virtuale per e-commerce e B2B?

Può rispondere a tutto ciò che è scritto in una fonte affidabile e aggiornata, e a niente di ciò che non lo è. La regola pratica: se un tuo addetto dovrebbe aprire un documento o un gestionale per rispondere, l'assistente deve poter leggere lo stesso documento o lo stesso gestionale.

Esempi per un e-commerce

Disponibilità di una variante (taglia, colore, formato) letta dal catalogo in tempo reale.
Stato di un ordine, dopo una verifica con numero d'ordine ed email.
Condizioni di reso e spedizione per paese, prese dalla pagina ufficiale e non riscritte a parte.
Consigli di prodotto basati sugli attributi del catalogo, per esempio "mi serve un tappeto lavabile da 160×230".

Per il lato dei negozi fisici vedi come l'AI può potenziare il retail.

Esempi per un'azienda B2B

Specifiche tecniche e compatibilità tra codici, prese dalle schede prodotto e dai manuali.
Certificazioni, normative di riferimento, documentazione da scaricare.
Qualificazione della richiesta (settore, volumi, tempi, area geografica) prima di passarla al commerciale.
Risposte nella lingua del cliente, utili a chi esporta: in quel caso il set di test va ripetuto per ogni lingua servita e la terminologia tecnica va controllata (sul tema vedi i software di traduzione con AI).

Cosa non deve fare: inventare sconti, confermare tempi di consegna che nessuno ha verificato, dare pareri legali o tecnici che impegnano l'azienda. Questi limiti si scrivono nelle istruzioni dell'assistente e si verificano nei test, domanda per domanda.

Può consigliare prodotti e proporre offerte personalizzate?

Sì, ma conviene distinguere due livelli di personalizzazione, perché hanno requisiti diversi.

Personalizzazione sulla conversazione. L'assistente usa ciò che il visitatore scrive e la pagina che sta guardando: chiede due o tre dettagli (uso, misure, quantità), filtra il catalogo per attributi e propone le alternative compatibili o gli accessori necessari. In un e-commerce è il commesso che chiede "in quale ambiente lo userai?"; in un'azienda B2B è il tecnico che indica il kit di montaggio giusto per un certo codice.
Personalizzazione sul comportamento. Proporre contenuti od offerte in base alle visite precedenti e alle pagine viste è profilazione. Se passa da cookie o da altri strumenti di tracciamento, le linee guida del Garante privacy del 10 giugno 2021 consentono di usarli per modulare il servizio in modo personalizzato solo dopo aver acquisito il consenso dell'utente.

In entrambi i casi le offerte devono arrivare da regole decise dall'azienda: promozioni attive, listini per tipo di cliente, soglie di quantità. Il modello può spiegare un'offerta che esiste, non crearne una. Nel B2B i prezzi riservati restano dietro login oppure passano al commerciale.

C'è poi un uso spesso trascurato: le conversazioni sono un'analisi continua di ciò che manca al sito. Se in molti chiedono la stessa misura, la stessa certificazione o lo stesso tempo di consegna, quell'informazione va aggiunta alla scheda prodotto o alla pagina, non solo alla chat. Le stesse domande sono materiale per contenuti e campagne, come spiego in strumenti di digital marketing per il B2B.

Quali vantaggi porta, e a quali condizioni?

I vantaggi ci sono, ma ognuno dipende da una condizione precisa. Senza quella condizione lo stesso vantaggio diventa un costo.

Vantaggio	Si ottiene se	Si perde se
Risposte fuori orario	Le domande frequenti hanno una fonte ufficiale aggiornata	La chat promette risposte che nessuno può dare prima del giorno dopo
Meno lavoro ripetitivo per il team	Le richieste semplici si chiudono in chat e le altre arrivano con i dati già raccolti	Il cliente deve ripetere tutto all'operatore
Supporto all'acquisto	L'assistente legge disponibilità, varianti e condizioni reali mentre il cliente sceglie	Consiglia prodotti esauriti o non compatibili
Lead più qualificati	Le domande di qualificazione sono concordate con il commerciale e finiscono nel CRM	La chat raccoglie contatti senza contesto, da richiamare da zero
Dati sulle domande dei clienti	Qualcuno legge le conversazioni e aggiorna sito e catalogo	I log restano archiviati e nessuno li apre

Per la parte di acquisizione dei contatti vedi anche le soluzioni per la lead generation B2B.

Come si aggiunge un chatbot AI al sito: piattaforma pronta o sviluppo su misura?

Le strade sono tre, e la scelta dipende da dove stanno i dati e da quante azioni deve compiere l'assistente più che dal budget iniziale.

Strada	Come funziona	Adatta quando	Da controllare
Piattaforma pronta	Widget da inserire nel sito, istruito su pagine, FAQ e documenti caricati	Domande informative su contenuti che cambiano poco	Dove sono conservati i dati, esportazione delle conversazioni, passaggio al tuo helpdesk
Piattaforma con integrazioni	Widget collegato a catalogo, ordini e CRM tramite API e strumenti di automazione	E-commerce e B2B che vogliono risposte su dati aggiornati e lead nel CRM	Permessi delle integrazioni, aggiornamento degli indici, monitoraggio degli errori
Sviluppo su misura	Interfaccia, orchestrazione e accesso ai dati costruiti per il caso specifico	Processi particolari, area riservata clienti, vincoli di sicurezza stretti	Costi di manutenzione e competenze per gestirlo nel tempo

Prima di scegliere una piattaforma, verifica questi punti:

Si può limitare l'assistente alle tue fonti e vedere da quale documento arriva ogni risposta?
C'è un accordo sul trattamento dei dati (articolo 28 del GDPR) e sono indicati i paesi in cui i dati vengono trattati?
Le conversazioni si possono esportare e cancellare secondo i tuoi tempi di conservazione?
Il passaggio all'umano funziona con il tuo helpdesk o CRM, con la trascrizione allegata?
Il widget si può caricare solo al clic o dopo il consenso, senza appesantire le pagine?
Il costo a consumo resta prevedibile ai tuoi volumi di conversazione?

Se il sito è su WordPress valgono le stesse valutazioni che descrivo in AI nei CMS e WordPress.

Come si collega al catalogo, al CRM e agli altri sistemi?

Si collega in due modi: in lettura, per cercare informazioni, e in scrittura, per eseguire azioni. Entrambi passano da API e da un livello di orchestrazione che decide quale fonte interrogare e quale azione è permessa.

Lettura: il catalogo (Shopify, WooCommerce, un PIM o un database), le pagine di policy, i PDF tecnici. I documenti vengono indicizzati e aggiornati a ogni modifica, così la chat non cita un listino vecchio.
Scrittura: creare un contatto o un'opportunità nel CRM, aprire un ticket, prenotare una call, inviare un riepilogo al commerciale. Qui l'assistente usa degli strumenti (in gergo tool o function calling), cioè funzioni precise che può chiamare con parametri controllati.

Per un assistente sul mio sito ho usato questo schema in quattro passaggi: il widget invia il messaggio a un webhook di n8n; un agente AI con memoria della sessione decide se rispondere subito o chiamare uno strumento; lo strumento interroga il database (in quel caso gli articoli del blog su Supabase); la risposta torna al widget. Per un e-commerce lo strumento interroga catalogo e ordini, per un B2B schede tecniche e CRM. Lo stesso schema si realizza con Make o con codice su misura: conta tenere separati modello, fonti e azioni.

Il collegamento al CRM è il punto in cui la chat smette di essere solo un costo di assistenza e diventa parte della lead generation: ogni conversazione qualificata arriva al commerciale con il contesto già scritto. È lo stesso principio delle automazioni dei processi aziendali: i dati entrano una volta sola e passano da un sistema all'altro senza ricopiature. Altri casi simili sono raccolti nella sezione automazioni del blog.

Quando deve passare la conversazione a una persona?

Deve passarla ogni volta che la risposta impegna l'azienda, quando il cliente lo chiede o quando l'assistente non trova una fonte sicura. Il passaggio all'umano (handoff) va progettato prima del lancio, non aggiunto dopo il primo reclamo.

I criteri da cui parto, da adattare a ogni caso:

Il visitatore chiede di parlare con una persona: nessun tentativo di trattenerlo.
La domanda riguarda prezzi riservati, sconti, contratti, garanzie o reclami.
Il valore potenziale supera una soglia: un ordine B2B sopra un certo volume, un preventivo su misura.
La ricerca nelle fonti non restituisce documenti pertinenti, oppure ne restituisce di contraddittori.
Il messaggio segnala frustrazione o urgenza.

Fuori orario, il passaggio è una raccolta ordinata dei dati (nome, azienda, richiesta, recapito) con un orario realistico di risposta, non la promessa di "un operatore a breve" alle 23 di sabato.

I clienti si fidano di un assistente AI?

Non a priori. In un sondaggio Gartner su 5.728 clienti, condotto a dicembre 2023 e pubblicato a luglio 2024, il 64% ha detto che preferirebbe che le aziende non usassero l'AI nel servizio clienti e il 53% che valuterebbe di passare a un concorrente se un'azienda iniziasse a usarla. Il timore principale era che diventasse più difficile raggiungere una persona, seguito dalla perdita di posti di lavoro e dalle risposte sbagliate.

Per un sito questo si traduce in quattro scelte di progetto:

Dichiarare subito, in una riga, che si tratta di un assistente AI e che cosa sa fare.
Tenere sempre visibile l'opzione per parlare con una persona.
Quando la conversazione passa a un operatore, farlo ripartire dal punto in cui si è fermata la chat, con la trascrizione: è la stessa indicazione che dà Gartner nel comunicato.
Scrivere risposte brevi e naturali, senza formule di cortesia ripetute: nel B2B chi scrive cerca un dato tecnico, non una conversazione.

La fiducia, in pratica, si costruisce con risposte corrette e con una via d'uscita chiara, come in tutte le relazioni commerciali B2B.

Quanto ci si può fidare delle risposte di un chatbot AI?

Quanto lo si è testato. Un modello linguistico produce sempre una risposta plausibile, anche senza l'informazione: servono fonti verificate, istruzioni restrittive e controlli a campione.

Il caso più citato è quello di Air Canada. Nel novembre 2022 il chatbot del sito spiegò a un cliente che poteva chiedere la tariffa agevolata per lutto anche dopo il viaggio, cosa che la policy della compagnia non prevedeva. Il 14 febbraio 2024 il Civil Resolution Tribunal della British Columbia ha dato ragione al cliente: l'azienda risponde di tutte le informazioni presenti sul proprio sito, che arrivino da una pagina statica o da un chatbot. La compagnia ha dovuto pagare 812,02 dollari canadesi tra danni, interessi e spese.

Poi c'è il caso del McDrive. McDonald's ha testato con IBM, dall'ottobre 2021, l'ordinazione vocale automatica in circa 100 drive-thru e nel 2024 ha deciso di chiudere il test. Secondo Nation's Restaurant News, l'azienda puntava a un'accuratezza degli ordini superiore al 95% prima di estendere il sistema, mentre un report di BTIG del 2022 la collocava poco sopra l'80%; gli errori del sistema erano finiti anche nei video diffusi su TikTok. La lezione vale anche per un sito: la soglia di qualità si decide prima, e il progetto si allarga solo quando i numeri la raggiungono.

Anche i risultati positivi vanno letti con cautela. Nel febbraio 2024 Klarna ha comunicato che nel primo mese il suo assistente AI aveva gestito 2,3 milioni di conversazioni, due terzi delle chat di assistenza, con tempi di risoluzione scesi da 11 a meno di 2 minuti. Nel maggio 2025, però, l'amministratore delegato ha detto a Bloomberg che puntare soprattutto sul risparmio aveva abbassato la qualità e che l'azienda tornava ad assumere operatori, perché il cliente deve poter sempre parlare con una persona. L'AI rende sulle richieste frequenti e ben documentate; il resto ha bisogno di un passaggio all'umano.

Resta la sicurezza. La prompt injection è un attacco in cui un testo scritto dall'utente, o letto da una fonte esterna, modifica il comportamento del modello: OWASP la mette al primo posto tra i rischi delle applicazioni basate su LLM. In pratica l'assistente deve avere solo i permessi strettamente necessari, e ogni azione in scrittura deve passare da controlli lato server. Ne parlo in AI e sicurezza informatica e, per controllo e spiegabilità, in governance e spiegabilità dell'AI in azienda.

Cosa chiedono GDPR e AI Act a chi usa un chatbot sul sito?

Chiedono trasparenza e controllo sui dati. Una chat raccoglie dati personali (nomi, email, a volte numeri d'ordine o informazioni sull'azienda) e rientra quindi nel GDPR; dal 2 agosto 2026 si aggiungono gli obblighi di trasparenza dell'AI Act.

Dire che è un'AI. L'articolo 50 dell'AI Act prevede che i sistemi destinati a interagire con le persone siano progettati in modo che queste sappiano di parlare con un sistema AI, salvo che sia evidente. L'obbligo è del fornitore, cioè di chi sviluppa l'assistente (anche l'azienda stessa, se lo costruisce): in ogni caso serve una riga visibile all'apertura della chat.
Informativa privacy aggiornata. L'articolo 13 del GDPR elenca cosa comunicare quando si raccolgono dati: finalità, base giuridica, destinatari, tempi di conservazione, eventuali trasferimenti fuori dall'UE. La chat va descritta nell'informativa come qualsiasi altro modulo.
Contratto con i fornitori. Piattaforma di chat, fornitore del modello e strumenti di automazione trattano dati per tuo conto: l'articolo 28 richiede un accordo scritto con ciascun responsabile del trattamento.
Minimizzazione. Chiedi solo i dati che servono alla risposta, fissa una scadenza per lo storico delle conversazioni e verifica nei contratti che i dati non vengano usati per addestrare i modelli dei fornitori.
Consenso per gli script di terze parti. Se il widget usa cookie o strumenti di tracciamento non necessari, si carica dopo il consenso o al clic dell'utente, come il resto del tracciamento.

Come applicarlo nella tua azienda: i primi passi

Si parte da un perimetro ristretto e misurabile, poi si allarga.

Analizza le richieste reali. Raggruppa per tema le ultime 200-300 domande arrivate da email, telefono e moduli: le 10-15 più frequenti sono il primo perimetro.
Prepara le fonti. Per ogni tema indica il documento o il sistema ufficiale da cui leggere la risposta. Se una fonte non esiste o è contraddittoria, va sistemata prima della chat.
Definisci soglie e handoff. Stabilisci la percentuale minima di risposte corrette su un set di domande reali (per esempio 90-95%), i criteri di passaggio all'umano, gli orari e i canali di risposta.
Collega il CRM. Ogni conversazione qualificata deve creare o aggiornare un contatto con la trascrizione e i dati raccolti, così il commerciale non riparte da zero.
Misura per 60-90 giorni. Controlla gli indicatori della tabella qui sotto, poi decidi se allargare il perimetro.

Indicatore	Cosa misura	Dove si legge
Tasso di risoluzione	Conversazioni chiuse senza intervento umano	Log della chat
Accuratezza	Risposte corrette su un campione controllato a mano	Revisione settimanale
Handoff	Conversazioni passate a una persona e tempo di presa in carico	CRM o helpdesk
Lead qualificati	Contatti nati in chat che arrivano a un'offerta	CRM
Richieste ripetute	Clienti che riscrivono per la stessa domanda	Helpdesk ed email

Un esempio ipotetico: un distributore B2B di componenti idraulici con un catalogo di 5.000 codici. Il primo perimetro non è "rispondere a tutto", ma tre domande: compatibilità tra codici, disponibilità a magazzino, documentazione tecnica. Tutto il resto, prezzi compresi, passa al commerciale già qualificato.

Per collegare questi indicatori agli altri progetti AI vedi come misurare il valore dell'AI con i KPI giusti. La progettazione di assistenti e automazioni collegate a catalogo e CRM rientra nelle soluzioni che seguo per e-commerce e aziende B2B.

Errori da evitare

Copiare le policy dentro le istruzioni invece di leggerle dalla fonte ufficiale: alla prima modifica la chat dice una cosa e la pagina un'altra.
Nascondere il passaggio all'umano o renderlo difficile da chiedere.
Non leggere mai le conversazioni: sono la fonte migliore per capire cosa manca al sito e al catalogo.
Caricare il widget completo su ogni pagina all'apertura: la documentazione di Lighthouse (Google) cita i widget di chat tra le risorse da caricare con una facade, un elemento statico che viene sostituito dal widget vero solo quando l'utente ci clica.
Lasciare che il modello inventi sconti o condizioni: le offerte devono venire da regole e listini decisi dall'azienda.

Domande frequenti (FAQ)

Che differenza c'è tra un chatbot e un assistente virtuale AI?

Un chatbot a regole segue percorsi predefiniti con pulsanti e risposte fisse. Un assistente virtuale AI interpreta domande scritte liberamente con un modello linguistico e, se è collegato ai dati aziendali, risponde con informazioni specifiche su prodotti, ordini e condizioni. Su un sito aziendale conviene solo se esistono fonti affidabili da cui leggere.

Un chatbot AI può sostituire il servizio clienti?

No. Può gestire le richieste frequenti e ben documentate e raccogliere i dati di quelle complesse, ma le richieste che impegnano l'azienda, come sconti, reclami e contratti, devono arrivare a una persona.

Quanto costa un assistente AI per il sito?

Il costo dipende da tre voci: piattaforma o sviluppo, consumo del modello linguistico (si paga in base al volume di testo elaborato) e lavoro di integrazione con catalogo e CRM. L'integrazione è di solito la voce più variabile, perché dipende da quanto sono ordinati i dati di partenza.

Il chatbot AI deve dichiarare di essere un'intelligenza artificiale?

Sì. Dal 2 agosto 2026 l'articolo 50 dell'AI Act prevede che le persone siano informate quando interagiscono con un sistema AI, salvo che sia evidente dal contesto. Una frase chiara all'apertura della chat è il modo più semplice per rispettare la regola.

Chi risponde se il chatbot dà un'informazione sbagliata?

Risponde l'azienda che lo usa sul proprio sito. Nel caso Moffatt contro Air Canada (2024) il tribunale ha stabilito che la compagnia era responsabile delle informazioni del chatbot come di quelle delle pagine statiche. Per ridurre il rischio servono fonti ufficiali, limiti espliciti e passaggio all'umano sui temi sensibili.

Si può collegare un chatbot AI a Shopify, WooCommerce o al CRM?

Sì, tramite API. Il catalogo si legge per rispondere su prodotti e disponibilità, il CRM si aggiorna per registrare contatti e richieste qualificate. Strumenti di automazione come n8n o Make orchestrano questi passaggi senza dover riscrivere il sito.

Meglio un chatbot AI o una live chat con operatori?

Non sono alternative. L'assistente AI copre le domande frequenti a qualsiasi ora e raccoglie i dati delle altre; gli operatori gestiscono ciò che impegna l'azienda e i casi complessi. Nel sondaggio Gartner pubblicato nel 2024 il primo timore dei clienti era proprio non riuscire più a raggiungere una persona: la soluzione più solida è un assistente che passa la conversazione a un operatore senza far ripetere nulla.

Fonti

Se vuoi capire quali richieste del tuo sito può gestire un assistente AI e con quali dati, il punto di partenza è una diagnosi gratuita.