I dati di prodotto erano una preoccupazione di back-office. Nel 2026, determinano la velocità di lancio di un'azienda, se un assistente IA fa emergere un prodotto e se le merci superano la dogana dell'UE. La disciplina è passata dall'organizzazione di fogli di calcolo alla gestione del livello dati che alimenta ogni canale, agente e autorità di regolamentazione.
Il mercato riflette il cambiamento. Le stime variano a seconda di come ogni analista traccia i confini, ma la direzione è coerente. Precedence Research ha stimato il mercato PIM globale a 20,95 miliardi di dollari nel 2025, proiettando 121,48 miliardi di dollari entro il 2035 con un CAGR del 19,22%. Mordor Intelligence stima 19,95 miliardi di dollari nel 2026, raggiungendo 37,39 miliardi di dollari entro il 2031. I numeri differiscono. La crescita a due cifre no.
Di seguito sono riportate le tendenze che hanno un peso pratico nel 2026, con i dati e le conseguenze operative per i team che gestiscono le informazioni di prodotto.
Punti Chiave
- Il mercato PIM globale si attesta intorno ai 20 miliardi di dollari entrando nel 2026, con crescita a due cifre prevista per il decennio.
- L'IA nel PIM si sta muovendo da singoli suggerimenti all'esecuzione multi-fase tra onboarding, arricchimento, classificazione e validazione.
- Gli acquirenti ora ricercano attraverso assistenti IA, quindi gli attributi leggibili da macchina decidono cosa viene visualizzato e cosa viene filtrato.
- L'EU Digital Product Passport Registry è entrata in funzione il 20 luglio 2026. Le batterie hanno il primo obbligo obbligatorio il 18 febbraio 2027.
- La qualità dei dati è il vincolo che limita ogni altra tendenza. Agenti, discovery IA e passaporti falliscono tutti su record disordinati.
L'IA Passa dall'Assistenza all'Esecuzione
L'arricchimento dell'IA ha lasciato la fase pilota per molti team negli ultimi due anni. Gli usi pratici sono consolidati: estrazione di attributi da PDF e immagini di fornitori, classificazione di prodotti in arrivo rispetto a una tassonomia, traduzione e localizzazione di descrizioni su larga scala, segnalazione di anomalie su cataloghi ampi. Questi compiti riducono il carico manuale e liberano le persone per il controllo di qualità.
Il cambiamento nel 2026 è l'ambito di ciò che l'IA fa in una sola passata. I fornitori si stanno spostando da un modello in cui l'IA suggerisce una descrizione o riempie un campo a uno in cui gli agenti svolgono un compito da inizio a fine. Un agente carica un feed di fornitore, lo mappa al tuo modello di dati, arricchisce i record sparuti, valida la completezza e prepara il risultato per la revisione. La persona governa il risultato invece di fare ogni passaggio.
Questo funziona solo su una base su cui l'agente può agire. L'esecuzione autonoma dipende da dati puliti e strutturati e da un'API che espone le operazioni al livello di cui l'agente ha bisogno. Un agente che decide cosa fare in fase di esecuzione non può funzionare attraverso una sola chiave di amministrazione notturna. Ha bisogno di endpoint granulari e autorizzazioni granulari, in modo che possa modificare un singolo attributo in un singolo mercato esattamente sui prodotti che ne hanno bisogno.
La dipendenza funziona anche nell'altro senso. I dati disordinati interrompono l'esecuzione autonoma più velocemente di quanto lo facciano con un umano, perché una persona nota il disordine e un agente lo propaga.
Questo schema si ripete nella distribuzione. I clienti arrivano con feed di fornitori in formati incoerenti, rimappati a mano ogni volta che un nuovo fornitore firma. Un modello di dati configurabile e regole basate su eventi rimuovono questi passaggi manuali, il che rende l'onboarding guidato da agenti realistico piuttosto che aspirazionale. Questo riflette ciò che vediamo negli implementazioni, non un benchmark controllato, quindi pesalo come contesto pratico piuttosto che prova misurata.
I Dati di Prodotto Diventano l'Input per la Discovery IA
Gli acquirenti ora ricercano prodotti attraverso strumenti IA prima di raggiungere una pagina di prodotto. Secondo la ricerca 2026 Consumer Research di Salsify, il 22% degli acquirenti utilizza strumenti di ricerca IA come ChatGPT per la ricerca di prodotti, davanti ai siti di recensioni di prodotti al 19% e ai forum online al 14%. L'adozione è più alta tra i più giovani, al 30% dei millennials e al 26% della Gen Z, rispetto al 5% dei baby boomer. Leggi la fonte tenendo presente il suo interesse. Salsify vende software di gestione dell'esperienza di prodotto, quindi la sua ricerca misura la domanda di una capacità che vende anche. La divisione generazionale e la classifica rispetto ad altre fonti di ricerca si allineano con dati di sondaggi più ampi, il che rende la direzione credibile anche dove le quote esatte portano un interesse di casa.
La fiducia è indietro rispetto all'adozione. Solo il 14% degli acquirenti si fida di una raccomandazione IA da sola, e un altro 27% si fida ma verifica altrove prima di acquistare. Ciò che chiude il divario è il dettaglio. Quando gli strumenti IA presentano specifiche e descrizioni approfondite, il 31% degli acquirenti dice che li convince a comprare. I dati scadenti fanno il contrario. Tra gli acquirenti più giovani, il 55% ha restituito un articolo perché i dati di prodotto erano sbagliati.
I dati sul traffico mostrano perché questo è importante commercialmente. Adobe Analytics ha riferito che il traffico indirizzato da IA verso i siti di vendita al dettaglio statunitensi è cresciuto del 393% anno su anno nel Q1 2026, e questi visitatori hanno convertito il 42% meglio del traffico non IA a marzo, con il 37% di ricavi per visita più elevati. Un anno prima lo stesso canale aveva convertito il 38% peggio.
Queste figure hanno una avvertenza. La crescita misurata da una piccola base 2024 sembra drammatica per costruzione, e Adobe ha iniziato a tracciare gli indirizzi IA solo alla fine del 2024, quindi i confronti anno su anno mescolano la crescita reale con una metodologia ancora in via di maturazione. Adobe vende anche analitiche di e-commerce e uno strumento di visibilità IA, il che gli dà un interesse nella storia della scoperta IA. I dati di piattaforma indipendenti da Shopify e altri puntano nella stessa direzione, quindi la direzione è corretta. Le magnitudini esatte vanno lette come direzionali piuttosto che precise.
Il canale si è spostato dalle peggiori fonti di conversione nella vendita al dettaglio statunitense alle migliori, e ha continuato a crescere mentre lo faceva.
Adobe ha anche misurato cosa i modelli IA possono effettivamente leggere. Circa il 34% del contenuto della homepage del rivenditore era invisibile ai modelli IA, e le pagine di prodotto avevano una visibilità media del 66%. Il contenuto che il modello non può analizzare non viene visualizzato.
Da questo deriva una nuova pratica. Answer Engine Optimization, o AEO, struttura i dati di prodotto in modo che i sistemi IA possano leggerli, confrontarli e consigliarli. Gli attributi incompleti o non strutturati vengono filtrati prima che un acquirente li veda. I prodotti con specifiche ricche e leggibili da macchina vengono visualizzati. Il lavoro è nel PIM, perché è lì che vengono definiti attributi, valori, unità e relazioni. La copia di marketing da sola non decide più la visibilità. Lo fanno gli attributi strutturati.
I Passaporti Digitali dei Prodotti Trasformano la Conformità in una Responsabilità PIM
Le informazioni di prodotto ora hanno peso normativo nell'UE. Il Regolamento sull'ecodesign per i prodotti sostenibili (UE) 2024/1781 è entrato in vigore nel luglio 2024 e crea il Passaporto Digitale dei Prodotti, un record digitale collegato a un prodotto fisico attraverso un vettore di dati come un codice QR. Il passaporto contiene la composizione dei materiali, il contenuto riciclato, l'impronta di carbonio, le informazioni su riparazione e disassembly, le dichiarazioni di sostanze pericolose, l'origine della catena di approvvigionamento e le istruzioni di fine vita.
Il 2026 è l'anno dell'infrastruttura. L'EU Digital Product Passport Registry è diventato operativo il 20 luglio 2026, insieme a un ambiente di test in cui gli operatori economici possono iscriversi ed esplorare i flussi di lavoro di registrazione. Il registro memorizza l'identificatore univoco di ciascun prodotto e i dati di registrazione obbligatori, e le autorità doganali e di sorveglianza del mercato lo utilizzano per l'applicazione.
Nessun prodotto ha bisogno di un passaporto oggi da solo l'ESPR, perché la Commissione introduce i requisiti per gruppo di prodotti attraverso atti delegati, ognuno con un periodo di transizione di almeno 18 mesi. Il primo scadenza fissa arriva da una legge separata. Secondo il Regolamento sulle batterie (UE) 2023/1542, un passaporto digitale diventa obbligatorio per determinate batterie il 18 febbraio 2027, coprendo batterie per veicoli elettrici, mezzi di trasporto leggeri e batterie industriali.
Il calendario indicativo della Commissione per i gruppi prioritari è il seguente:
- 2026 — Atto delegato su ferro e acciaio, più diritti di accesso alle batterie
- 2027 — Tessili, pneumatici e alluminio; prodotti da costruzione secondo il CPR rivisto
- 2028 — Mobili
- 2029 — Materassi, prodotti ICT e regole sul contenuto riciclato
I prodotti correlati all'energia vengono affrontati uno per uno tra il 2026 e il 2029, e alcuni potrebbero continuare a utilizzare il registro EPREL esistente invece di un passaporto separato. Alimenti, medicinali, piante e animali vivi si trovano al di fuori del quadro ESPR.
Per i produttori in un gruppo coperto, il punto operativo è chiaro. I dati del passaporto devono provenire da qualcosa di strutturato, versionato e collegato al record del prodotto. Fogli di calcolo e PDF sparsi tra i dipartimenti non possono alimentare una voce del registro o un vettore di dati leggibile da macchina. Ciò attira dati di sostenibilità e ciclo di vita nello stesso sistema che già contiene attributi e asset, che per la maggior parte delle aziende è il PIM. I team nelle catene di approvvigionamento di ferro, acciaio, tessili e batterie che iniziano a strutturare questi dati nel 2026 evitano una corsa quando il loro atto delegato arriva.
L'Architettura si Muove Verso Composability e Agent-Ready
Il PIM monolitico costruito su una grande base di codice diventa un collo di bottiglia con la crescita dei cataloghi e dei canali. Gli aggiornamenti impiegano più tempo, le integrazioni si accumilano e i team trascorrono più tempo a mantenere i connettori che a migliorare i dati.
L'architettura composable risponde con principi MACH: microservizi, API-first, cloud-native e headless. Il PIM diventa un livello di dati di prodotto che si siede insieme all'ERP, PLM e MDM che un'azienda già gestisce, attingendo da essi e modellando dati per ogni canale a valle. Lo stesso record convalidato alimenta lo storefront, i marketplace, il catalogo stampato e gli agenti IA, invece di essere intrappolato dietro una sola schermata.
La composability ha il suo costo, e vale la pena nominarlo prima di impegnarsi. L'assemblaggio di servizi best-of-breed significa possedere l'integrazione, l'orchestrazione e il monitoraggio che un monolite ha gestito internamente. I piccoli team e i cataloghi semplici spesso si lanciano più velocemente su una singola suite ben integrata che su uno stack di servizi debolmente accoppiati che devono collegare e mantenere. Il caso composable diventa più forte man mano che aumentano il numero di canali, la complessità del catalogo e la necessità di scambiare componenti. Al di sotto di quella soglia, l'overhead può superare la flessibilità.
L'API-first ha più peso nel 2026 rispetto a prima, e il motivo sono gli agenti. Un'API di diffusione backend con pochi endpoint ampi era costruita per un lavoro notturno con nessuno in attesa. Un agente funziona diversamente. Chiama operazioni in tempo reale, ha bisogno di endpoint a livello di attività, ha bisogno di autorizzazioni più strette di una chiave tutto-o-niente, e ha bisogno di risposte abbastanza veloci da guidare un ciclo di ragionamento. Un'architettura in cui ogni operazione di interfaccia ha un equivalente richiamabile da macchina è il test pratico di se un PIM è pronto sia per gli agenti che per i stack composable.
PIM, MDM e DAM Convergono in Piattaforme di Dati di Prodotto
I confini tra discipline adiacenti continuano a assottigliarsi. PIM gestisce il contenuto di prodotto, Master Data Management gestisce i record autorevoli condivisi tra i sistemi, e Digital Asset Management gestisce immagini, video e documenti. Nel 2026, questi sempre più spesso vengono eseguiti su una sola piattaforma e un modello di dati unico piuttosto che tre strumenti cuciti insieme.
Due forze guidano la convergenza. I fornitori stanno raggruppando MDM e IA generativa in singole suite, il che aumenta il costo di gestire sistemi separati. E le nuove esigenze tirano insieme i tipi di dati. Un Passaporto Digitale dei Prodotti ha bisogno di attributi di prodotto, record di fornitori, documenti tecnici e asset nello stesso posto, collegati e governati come uno. Answer Engine Optimization ha bisogno di attributi e media ricchi descritti in modo coerente. Nessuno dei due funziona bene quando i dati si trovano in strumenti disconnessi.
Il modello a piattaforma unica si adatta a questo cambiamento. AtroCore gestisce i dati di prodotto su un modello configurabile che contiene anche record di fornitori, asset ed entità personalizzate, in modo che un'azienda possa aggiungere domini senza passare a un altro sistema. Nei progetti che abbiamo implementato, i team che hanno iniziato con un catalogo di prodotti hanno successivamente aggiunto onboarding di fornitori e gestione di asset sulla stessa istanza, il che ha mantenuto la proprietà e la cronologia di audit in un'unico posto.
L'approccio a piattaforma unica non è la risposta giusta ovunque, e qui è dove la decisione effettivamente si sposta. Un'azienda che gestisce un DAM specializzato maturo o un MDM best-of-breed già sintonizzato sui suoi flussi di lavoro può perdere capacità piegandoli in un sistema. La convergenza sposta la complessità tanto quanto la rimuove. Un modello unificato ha bisogno di una governance disciplinata, e consolidare gli strumenti aumenta i costi di commutazione e la dipendenza dal fornitore. Il compromesso dipende dalla complessità del catalogo, dagli investimenti esistenti e da quanto strettamente i domini devono condividere i dati. Dove i dati di prodotto, fornitore, asset e conformità sono strettamente collegati, una piattaforma riduce l'attrito. Dove non lo sono, gli strumenti separati best-of-breed possono ancora essere la scelta migliore.
La Qualità dei Dati Diventa il Fattore Limitante
Ogni tendenza sopra si basa sulla stessa fondazione, ed è quella in cui le aziende spesso investono meno. Gli agenti falliscono su record incompleti. La discovery IA filtra i prodotti con attributi sparuti. Un Passaporto Digitale dei Prodotti ha bisogno di dati di ciclo di vita verificabili e strutturati. Nessuno di questi ha successo su dati incoerenti, duplicati o mancanti.
Il lavoro pratico è senza gloria e decisivo. Il punteggio di completezza mostra cosa manca prima che un prodotto esca. Le regole di convalida catturano gli errori all'ingresso piuttosto che alla dogana o sullo scaffale digitale. La governance assegna la proprietà in modo che un attributo sbagliato abbia una persona responsabile di esso. Unità standardizzate, tassonomie e elenchi di valori consentono a una macchina di confrontare i prodotti senza indovinare.
I team che trattano la qualità dei dati come l'abilitatore ottengono ritorni composti, perché i dati puliti rendono l'automazione, la discovery IA e la conformità tutti più economici contemporaneamente. I team che la saltano scoprono che l'acquisto di un agente o una funzione IA non risolve il disordine sottostante. Lo scala.
La Sindacazione Basata su Standard Rimane Essenziale
La storia dell'IA non sostituisce quella industriale. Distributori e produttori spostano ancora dati attraverso standard B2B consolidati, e quegli standard ora contano di più, non meno. Formati come BMEcat, ETIM, ECLASS e GS1 rimangono la spina dorsale dello scambio di cataloghi tra fornitori, distributori e rivenditori.
Mappare gli attributi a uno standard una volta, quindi generare il file richiesto secondo una pianificazione, sostituisce l'esportazione ricostruita a mano che consuma tempo prima di ogni ciclo di catalogo. Lo stesso mapping strutturato che produce un file ETIM o GS1 conforme produce anche i dati leggibili da macchina su cui la discovery AEO e i Passaporti Digitali dei Prodotti dipendono. Le discipline si rafforzano a vicenda. Un'azienda che già mantiene dati puliti e mappati su standard ha svolto la maggior parte del lavoro che AEO e DPP ora richiedono.
Priorità Pratiche per il 2026
Le tendenze indicano azioni concrete piuttosto che l'attesa vigile. Per i team che pianificano l'anno:
- Audita la completezza e la leggibilità da macchina degli attributi adesso, usando i tuoi stessi dati come test di ciò che i sistemi IA possono leggere.
- Correggi il modello di dati, la convalida e la governance prima di aggiungere agenti, perché l'automazione scala qualunque qualità inizi.
- Verifica se i tuoi gruppi di prodotti rientrano nella cronologia del Regolamento ESPR o Batterie e inizia presto a strutturare i dati di ciclo di vita e conformità.
- Passa verso un'architettura API-first con accesso granulare a livello di attività, in modo che sia gli stack composable che gli agenti possano funzionare contro i tuoi dati.
- Tratta i dati di prodotto come infrastruttura condivisa tra marketing, merchandising, catena di approvvigionamento e conformità, non come asset di un solo team.
Lo schema in tutto è semplice. Le informazioni di prodotto sono diventate operative, poi strategiche, e nel 2026 sono diventate l'input che i sistemi IA e le autorità di regolamentazione leggono direttamente. Le aziende che investono in dati puliti, strutturati e ben governati si sposteranno più velocemente su ogni tendenza che ne deriva.