Nel pieno della stagione di Black Friday e festività, OpenAI introduce in ChatGPT una funzione che punta a cambiare il modo in cui cerchiamo prodotti online: shopping research. Invece di aprire dieci schede del browser per confrontare aspirapolvere, notebook, scarpe da running o regali di Natale, l’idea è semplice: descrivi ciò che ti serve e ti fai costruire una guida all’acquisto su misura, direttamente in chat.
Shopping research è disponibile in ChatGPT per gli utenti loggati nei piani Free, Go, Plus e Pro, sia da mobile sia da web, con un utilizzo quasi illimitato durante le festività. È pensato per tutte le situazioni in cui la normale risposta “rapida” di ChatGPT non basta più perché hai bisogno di confronti, vincoli e trade-off chiari prima di scegliere.
Dalla domanda alla guida all’acquisto: come funziona shopping research
Il punto di partenza è sempre una richiesta naturale, in linguaggio semplice. Può essere una domanda molto concreta, come trovare l’aspirapolvere senza fili più silenzioso per un piccolo appartamento, scegliere tra tre passeggini o capire quale notebook gaming abbia le caratteristiche migliori sotto una certa soglia di prezzo. Oppure un’esigenza più vaga, come un regalo per una bambina di quattro anni appassionata di disegno.
Quando attivi shopping research, ChatGPT ti propone un’interfaccia pensata proprio per la ricerca prodotti. Il modello comincia con alcune domande di chiarimento: budget, caratteristiche indispensabili, preferenze su marchio, materiali, dimensioni, stile. Se hai la memoria attiva in ChatGPT, può tenere conto di informazioni che ti riguardano già note alla piattaforma, per esempio il fatto che tu sia un gamer o che viva in un piccolo appartamento.
Da lì in poi la ricerca diventa una conversazione strutturata: man mano che emergono opzioni, puoi indicare quali prodotti ti interessano di più, quali escludere e su cosa vuoi alternative “più simili a questo”. Il risultato non è una lista generica, ma un percorso iterativo in cui modelli, fasce di prezzo, pro e contro vengono raffinati in base ai tuoi feedback.
Dalle schede prodotto al buyer’s guide personalizzato
Dietro le quinte, shopping research scandaglia il web alla ricerca di informazioni aggiornate su prezzi, disponibilità, specifiche tecniche, recensioni e immagini. L’obiettivo non è sostituire i siti di e-commerce o le recensioni specializzate, ma fare il lavoro di sintesi e verifica che normalmente richiederebbe tempo: aprire e confrontare decine di schede prodotto, leggere recensioni, verificare che i dati tecnici corrispondano davvero a ciò che dichiara il produttore.
Categorie complesse come elettronica di consumo, beauty, casa e giardino, cucina ed elettrodomestici, sport e outdoor sono quelle dove shopping research dà il meglio: tante variabili tecniche, molte alternative, prezzi e promozioni che cambiano rapidamente. Proprio il tipo di scenario in cui, finora, ci si appoggiava a comparatori, blog di recensioni e community, passando da un sito all’altro.
Al termine del processo, ChatGPT produce una sorta di mini-dossier: una guida all’acquisto che mette in fila i prodotti più adatti, ne evidenzia differenze e compromessi, riporta i dati chiave (come prezzo e specifiche principali) e ti permette di andare poi sui siti dei rivenditori per concludere l’acquisto. In futuro, per chi rientrerà nei merchant aderenti, sarà possibile anche completare l’acquisto direttamente da ChatGPT tramite Instant Checkout.
Dallo scouting alle raccomandazioni proattive con Pulse
Shopping research non vive in isolamento. OpenAI la integra anche in ChatGPT Pulse, la funzionalità – al momento per utenti Pro – che propone in modo proattivo contenuti e azioni rilevanti rispetto alle conversazioni recenti.
In pratica, se nelle settimane precedenti hai parlato spesso di biciclette elettriche, Pulse potrebbe suggerirti una guida agli accessori più utili per il tuo modello, oppure aiutarti a valutare assicurazioni, lucchetti e caschi pensati per gli e-bike commuter. Lo stesso vale per chi sta valutando un nuovo PC, uno smartphone o attrezzatura sportiva: lo storico di conversazione diventa un contesto per raccomandazioni di acquisto più mirate.
È un approccio che richiama dinamiche già note in altri servizi digitali – dai motori di raccomandazione dei grandi marketplace alle piattaforme di recensioni – ma portato dentro un’interfaccia conversazionale, dove la logica non è “ti mostro prodotti simili”, bensì “ti accompagno passo passo nella scelta”.
Un mini-modello GPT-5 addestrato apposta per lo shopping
A livello tecnologico, shopping research è alimentato da una variante di GPT-5 mini, post-addestrata con reinforcement learning specifico per i compiti di ricerca prodotti. Il modello è stato ottimizzato per tre aspetti chiave: leggere siti affidabili, citare fonti di qualità ed estrarre i dettagli corretti da molte pagine diverse, mantenendo coerenza rispetto ai vincoli espressi dall’utente.
Per valutarne le prestazioni, OpenAI ha costruito una batteria di test basata su query di product discovery particolarmente complesse, con molte condizioni da rispettare: prezzo massimo, caratteristiche tecniche, materiali, colore, compatibilità con altri device e così via. Il metrica centrale è la capacità del modello di proporre prodotti che rispettano effettivamente tutti i requisiti dichiarati dall’utente, non solo in astratto ma sulla base delle schede tecniche e delle informazioni reperite sul web.
In parallelo, molto lavoro è stato fatto sull’esperienza d’uso. Shopping research non è pensato come una singola risposta “monolitica”, ma come un flusso in cui l’utente può continuamente restringere o allargare i criteri, escludere opzioni, chiedere alternative, modificare il budget. Il modello aggiorna dinamicamente la propria selezione, ricalibrando di volta in volta l’equilibrio tra qualità del prodotto, prezzo e preferenze personali.
Trasparenza, limiti e controllo sui dati
OpenAI dichiara esplicitamente alcuni paletti per la nuova funzione. In primo luogo, le conversazioni con shopping research non vengono condivise con i rivenditori: i risultati sono organici e derivano dalla lettura di siti retail pubblicamente accessibili, evitando il più possibile fonti a basso valore o spam. I merchant che vogliono essere sicuri di comparire fra i risultati devono seguire un processo di allowlisting, ma questo non si traduce in posizionamenti sponsorizzati dentro le risposte.
Nonostante il training dedicato, la piattaforma mantiene margini d’errore: prezzi e disponibilità possono cambiare rapidamente e qualche discrepanza rispetto ai dati aggiornati sul sito del rivenditore è inevitabile. L’invito esplicito è quindi a verificare sempre direttamente sulla pagina del merchant i dettagli finali prima di concludere l’acquisto, soprattutto per offerte a tempo o promozioni legate a eventi come il Black Friday.
Dal punto di vista del controllo, l’utente può decidere come e quanto utilizzare la memoria di ChatGPT per personalizzare le raccomandazioni. Chi preferisce un approccio meno profilato può limitarsi a fornire i parametri di volta in volta; chi invece usa spesso ChatGPT per pianificare acquisti, viaggi o progetti personali può sfruttare il contesto accumulato nel tempo per ottenere proposte più affini alle proprie abitudini.
Un tassello in più nell’evoluzione dello shopping online
Shopping research è solo un primo passo in una direzione abbastanza chiara: spostare il cuore dell’esperienza di acquisto dalla griglia di prodotti alla conversazione guidata. Al posto di filtri sempre più complessi e risultati infiniti da scorrere, l’utente dialoga con un assistente che capisce le sfumature delle richieste, incrocia informazioni provenienti da molte fonti e restituisce un set limitato ma ben motivato di opzioni.
Per i consumatori, soprattutto nei settori a forte componente tecnica come elettronica, smart home o sport, questo significa ridurre il tempo speso in ricerche ripetitive e aumentare la qualità delle decisioni. Per l’ecosistema digitale nel suo complesso, rappresenta un ulteriore spostamento di peso verso piattaforme di AI generativa che non si limitano a rispondere alle domande, ma diventano mediatori attivi tra utenti, contenuti e prodotti.
OpenAI, che negli ultimi mesi ha già introdotto funzionalità come i group chat e una versione di ChatGPT pensata specificamente per la scuola, aggiunge così un altro tassello alla trasformazione della propria applicazione in una sorta di “coltellino svizzero” dell’online: dallo studio al lavoro, fino allo shopping. E, se la direzione sarà confermata, la scelta del prossimo aspirapolvere o della prossima bici potrebbe passare sempre più spesso dalla stessa finestra di chat che usiamo ogni giorno per lavorare e informarci.
