La gestione delle informazioni sui prodotti (PIM) è sempre andata oltre la semplice archiviazione delle caratteristiche dei prodotti. Nella sua forma ottimale, il PIM fornisce alle organizzazioni la struttura, la governance e i processi necessari per trasformare dati frammentati sui prodotti in informazioni affidabili per i clienti, i canali di distribuzione e i team aziendali.
Si tratta di una base che sta assumendo un’importanza sempre maggiore.
I dati di prodotto circolano ormai attraverso una rete sempre più estesa di sistemi, marketplace, applicazioni, processi aziendali e tecnologie di intelligenza artificiale. Sono alla base di ogni attività, dal commercio digitale e dalla collaborazione con i fornitori alla conformità normativa e al processo decisionale operativo. E, ora più che mai, devono anche fornire il contesto di cui i sistemi e gli agenti di intelligenza artificiale hanno bisogno per generare risultati accurati e intraprendere le azioni appropriate.
Man mano che queste aspettative si ampliano, si espande anche il ruolo del PIM. Il mercato si sta evolvendo per collegare dati di prodotto affidabili, contenuti accattivanti e IA governata lungo l’intero ciclo di vita dei dati di prodotto.
In qualità di Leader nel Magic Quadrant™ 2026 di Gartner® per le soluzioni di gestione delle informazioni di prodotto, riteniamo che la prossima generazione di PIM combinerà solide basi di dati di prodotto, contenuti di prodotto ad alte prestazioni e IA regolamentata, estendendo il valore dei dati di prodotto a casi d’uso commerciali, operativi, normativi e relativi agli agenti. E individuiamo cinque importanti cambiamenti che stanno plasmando il futuro del PIM.
1. L’intelligenza artificiale sta alzando l’asticella per le basi dei dati di prodotto
La rapida adozione dell’IA potrebbe indurre a concentrarsi su ciò che la tecnologia è in grado di generare. Tuttavia, i risultati affidabili dell’IA hanno origine molto prima che entrino in gioco il prompt, il modello o l’agente.
I sistemi di IA necessitano di dati di prodotto strutturati, accurati, leggibili da macchina e ricchi di contesto. Il PIM fornisce le funzionalità fondamentali che conferiscono all’IA tale contesto, compresa la capacità di gestire gerarchie complesse, classificazioni, attributi, relazioni, governance e modelli di dati articolati.
Queste funzioni conferiscono significato ai singoli elementi dei dati di prodotto. Stabiliscono come i prodotti si relazionano tra loro, quali attributi si applicano a categorie specifiche, quali informazioni sono richieste nei diversi mercati e quali regole dovrebbero governare il modo in cui i dati vengono creati, approvati e utilizzati.
Senza tale struttura, l’IA potrebbe avere accesso alle informazioni sui prodotti senza comprenderne appieno il significato o il modo in cui dovrebbero essere applicate.
Ecco perché l’ascesa dell’IA porterà una rinnovata attenzione alla base dei dati di prodotto. Le organizzazioni devono creare e pubblicare contenuti più rapidamente, ma devono anche garantire che tali contenuti rimangano collegati a dati accurati e governati provenienti da più fonti, settori, mercati, canali e casi d’uso.
Soluzioni puntuali, semplificate o altamente specializzate, possono aiutare ad affrontare una fase del percorso. Ma man mano che i dati di prodotto diventano sempre più strettamente collegati alle operazioni aziendali e alle iniziative di IA, le organizzazioni avranno bisogno di una governance che si estenda all’intero ciclo di vita. Gerarchie, classificazioni, relazioni, governance e modelli di dati articolati forniscono il contesto di cui l’IA ha bisogno per operare con precisione. Quando i dati sottostanti sono errati o incompleti, l’IA può replicare il problema su larga scala.
In breve, piuttosto che vedere l’IA sostituire le discipline fondamentali del PIM, riteniamo che le renda prerequisiti indispensabili per utilizzare i dati di prodotto con maggiore velocità e su scala più ampia.
2. Un ottimo contenuto di prodotto parte dalla veridicità del prodotto
Per molte organizzazioni, i contenuti di prodotto sono stati tradizionalmente uno dei risultati più visibili del PIM. Specifiche complete, descrizioni accattivanti e risorse digitali pronte per i canali rimangono fondamentali per creare esperienze cliente efficaci.
I contenuti danno vita ai dati di prodotto nei momenti che plasmano le esperienze dei clienti e generano ricavi.
Le stesse informazioni sul prodotto potrebbero dover convincere un acquirente, supportare una descrizione coinvolgente e in linea con il marchio e fornire a un agente di IA dettagli sufficienti per agire. Un agente potrebbe dover determinare se un prodotto soddisfa un requisito particolare, se può essere venduto in un mercato specifico, se è compatibile con un altro articolo o se deve essere incluso in un processo aziendale.
Sia i contenuti rivolti ai clienti che le azioni guidate dall’IA dipendono da una “verità” governata.
La veridicità del prodotto riunisce gli attributi verificati, le classificazioni, le relazioni, le regole e il contesto che definiscono un prodotto. Aiuta le persone, i sistemi e l’IA a comprendere non solo cosa dice un’informazione, ma anche cosa significa, da dove proviene, come si relaziona ad altre informazioni e se è affidabile.
Questa distinzione diventa sempre più importante man mano che i dati di prodotto supportano una gamma più ampia di risultati. Trasferire informazioni da un sistema all’altro non equivale a gestirle in modo controllato. La pubblicazione di una descrizione di prodotto non garantisce, di per sé, che le specifiche su cui si basa siano accurate, aggiornate, approvate e appropriate per ogni uso previsto.
Una scheda prodotto gestita può servire a molteplici scopi. La stessa base affidabile può supportare una scheda di e-commerce, una descrizione localizzata, un processo normativo, un flusso di lavoro operativo o un’azione intrapresa da un agente di IA. Ogni risultato può apparire diverso, ma tutti dipendono da informazioni di prodotto coerenti e veritiere.
Stiamo constatando che gli agenti di IA necessitano di dati di prodotto affidabili, leggibili da macchina e dotati di contesto semantico, mentre i contenuti rivolti ai clienti rimangono uno dei numerosi output di valore generati da quella base gestita. Ciò significa che il futuro del PIM dipenderà dal collegamento di entrambe le esigenze, gestendo la veridicità del prodotto alla base dei contenuti, delle esperienze, delle decisioni e delle azioni che determinano i risultati aziendali.
3. L’IA deve operare sulla base di dati di prodotto gestiti
L’IA generativa sta già cambiando il modo in cui le organizzazioni arricchiscono, traducono, localizzano e creano informazioni sui prodotti. Ciò può aiutare i team a gestire le crescenti esigenze di contenuti su prodotti, canali, lingue e mercati.
Ma il valore dell’IA nel PIM non deriverà dalla sola generazione.
La considerazione più rilevante è se l’IA operi sulla base di dati di prodotto autorevoli. Se i risultati generati sono scollegati dai record gestiti, le organizzazioni potrebbero guadagnare in velocità senza guadagnare in affidabilità. I team devono comunque sapere quali informazioni sono state utilizzate, se sono state approvate e se il risultato riflette accuratamente il prodotto.
L’IA governata collega gli strumenti di IA a dati di prodotto affidabili, a regole aziendali consolidate e al contesto pertinente. Ciò consente alle organizzazioni di accelerare il lavoro mantenendo al contempo i controlli che proteggono la qualità e la coerenza dei dati di prodotto.
Ad esempio, nell’ambito del nostro approccio, la nostra soluzione di IA ProductGen attiva i dati regolamentati presenti nel Product Experience Data Cloud di Stibo Systems per creare descrizioni PDP, traduzioni, localizzazioni e contenuti specifici per canale direttamente dal “golden record” regolamentato, contribuendo a scalare i contenuti senza allontanarsi dalla realtà del prodotto.
Gli agenti di IA aggiungono un’altra dimensione a questa evoluzione. Anziché generare un risultato che una persona debba poi revisionare, gli agenti possono individuare informazioni, interpretare il contesto o agire sui dati di prodotto nell’ambito di un flusso di lavoro più ampio. Il MCP Server di Stibo Systems consente agli agenti di IA di individuare e agire sui dati di prodotto governati nel loro contesto semantico.
Con l’avanzare di queste tecnologie, la governance non può terminare quando i dati di prodotto lasciano il sistema PIM. Deve estendersi dal momento in cui i dati entrano nell’azienda attraverso l’arricchimento, la distribuzione, il consumo e l’utilizzo guidato dall’IA.
In definitiva, le persone e l’IA hanno bisogno di una base condivisa e affidabile di dati di prodotto su cui lavorare.
4. Il valore del PIM si sta espandendo lungo tutto il ciclo di vita dei dati di prodotto
I dati di prodotto non hanno origine in una pagina di dettaglio del prodotto, né il loro valore si esaurisce una volta che i contenuti sono stati distribuiti su un canale.
Prima che le informazioni sui prodotti possano essere arricchite e pubblicate, devono essere raccolte da fornitori, produttori, sistemi interni e altre fonti. Potrebbe essere necessario normalizzare, convalidare e mappare i dati allo schema di destinazione prima che entrino a far parte di un record di prodotto autorevole.
Una volta gestite, le informazioni devono essere adattate ai diversi mercati, lingue, canali e requisiti aziendali. Potrebbe inoltre essere necessario che supportino processi a valle di natura operativa, normativa, analitica e basati sull’intelligenza artificiale.
La gestione di queste fasi tramite soluzioni puntuali separate può rendere più difficile mantenere la governance, il contesto e la coerenza stabiliti a livello centrale. Con l’evolversi del mercato PIM, le organizzazioni cercheranno sempre più funzionalità interconnesse che supportino i dati di prodotto dall’acquisizione fino al consumo.
Product Experience Data Cloud è la nostra soluzione per il PIM e per il più ampio ciclo di vita dei dati di prodotto. Collega l’acquisizione, la governance, l’arricchimento e la distribuzione dei dati di prodotto, aiutando le organizzazioni a trasformare i dati di prodotto in informazioni affidabili sui prodotti. ProductGen AI amplia questa base con funzioni di arricchimento, traduzione e localizzazione basate sull’intelligenza artificiale.
Questo approccio integrato riflette un cambiamento più ampio nel modo in cui le organizzazioni concepiscono il PIM. Anziché considerare l’acquisizione, la governance, l’arricchimento e la distribuzione dei dati di prodotto come attività isolate, le aziende possono riunirle come parti di un unico ciclo di vita continuo.
Tale continuità acquisirà sempre più valore man mano che gli stessi dati di prodotto serviranno un numero crescente di utenti e casi d’uso. Risultati affidabili dell’IA, esperienze di prodotto efficaci, processi normativi e decisioni operative dipendono tutti dal mantenimento della fiducia mentre i dati circolano all’interno dell’azienda.
5. Le organizzazioni hanno bisogno di flessibilità per perseguire le proprie roadmap di IA
Man mano che il panorama dell’IA si evolve, anche i modelli, le piattaforme, le applicazioni e le priorità aziendali cambieranno. Tuttavia, le organizzazioni non dovrebbero essere costrette a ricostruire la propria strategia sui dati di prodotto ogni volta che cambia la tecnologia che la circonda.
Ciò rende l’architettura aperta una considerazione importante per la prossima generazione di PIM. I dati di prodotto devono connettersi con piattaforme di e-commerce, applicazioni aziendali, ambienti di analisi, ecosistemi di fornitori e tecnologie di IA. Le organizzazioni hanno inoltre bisogno della libertà di scegliere i modelli e le piattaforme che si adattano alle loro esigenze.
Un’architettura aperta, indipendente e indipendente dal modello consente alla base dei dati di prodotto di rimanere stabile mentre l’ecosistema tecnologico circostante si evolve. Le organizzazioni possono collegare i dati di prodotto a diversi ecosistemi e piattaforme di IA, ottenendo così la flessibilità necessaria per perseguire le proprie roadmap di IA secondo le proprie condizioni e tempistiche. La risorsa strategica duratura non è un singolo modello di IA. Sono i dati gestiti, le relazioni, il contesto aziendale e la conoscenza organizzativa che l’IA utilizza.
I modelli possono cambiare, i casi d’uso possono ampliarsi e emergeranno nuovi agenti e applicazioni. Una base di dati di prodotto affidabile e adattabile consente alle organizzazioni di evolversi di pari passo con tali tecnologie senza perdere il controllo dell’intelligenza che le alimenta.
Costruire la base di dati di prodotto per il futuro
Il futuro del PIM inizia con dati di prodotto affidabili.
Quando tale base alimenta contenuti accattivanti e un’IA gestita, le organizzazioni possono creare esperienze migliori, supportare decisioni più accurate e trasformare la verità sui prodotti in valore aziendale.
Immaginiamo un futuro in cui gerarchie, classificazioni, relazioni, governance e modelli di dati articolati forniscano la struttura di cui l’IA ha bisogno. La governance del ciclo di vita mantiene la fiducia mentre i dati circolano all’interno dell’azienda, l’IA governata aiuta le organizzazioni ad arricchire e applicare le informazioni sui prodotti su larga scala e l’architettura aperta offre la flessibilità necessaria per adattarsi all’evoluzione degli ecosistemi e delle strategie di IA.
Insieme, queste funzionalità portano il PIM verso un ruolo più ampio: creare informazioni affidabili sui prodotti in grado di supportare le esperienze dei clienti, i requisiti normativi, i processi operativi, le decisioni aziendali e le azioni guidate dall’IA.
Man mano che l’IA amplia le possibilità di utilizzo dei dati di prodotto, le organizzazioni dovranno pretendere di più dalle loro piattaforme PIM, non di meno.
Dal nostro punto di vista, il successo sarà appannaggio di coloro che investiranno non solo in ciò che l’IA è in grado di produrre, ma anche nella base di dati di prodotto che rende affidabili tali risultati.
Stibo Systems nominata Leader PIM da Gartner
Stibo Systems è stata nominata Leader nel Magic Quadrant™ di Gartner® 2026 per le soluzioni di gestione delle informazioni sui prodotti. Crediamo che questo riconoscimento rifletta la nostra capacità di governare un'intelligenza di prodotto affidabile, la base per contenuti coinvolgenti, esperienze di prodotto fidate e risultati di intelligenza artificiale più accurati.
Scarica il rapporto per esplorare la valutazione di Gartner dei fornitori riconosciuti, rivedere la valutazione identificata per Stibo Systems e saperne di più sul mercato PIM in evoluzione.
Gartner, Magic Quadrant per le soluzioni di gestione delle informazioni sui prodotti, Jason Daigler, Greg Carlucci, Nicholas Mortensen, 12 ottobre 2026
Gartner e Magic Quadrant sono marchi registrati di Gartner, Inc. e/o delle sue affiliate.
Questo grafico è stato pubblicato da Gartner, Inc. come parte di un documento di ricerca più ampio e deve essere valutato nel contesto dell’intero documento. Il documento Gartner è disponibile su richiesta presso Stibo Systems.
Gartner non avalla alcuna azienda, fornitore, prodotto o servizio descritto nelle proprie pubblicazioni e non consiglia agli utenti di tecnologia di selezionare esclusivamente i fornitori con le valutazioni più elevate o altre designazioni. Le pubblicazioni di Gartner riflettono le opinioni dell’organizzazione di analisi aziendale e tecnologica di Gartner e non devono essere interpretate come affermazioni di fatto. Gartner declina ogni garanzia, espressa o implicita, relativa alla presente pubblicazione, incluse eventuali garanzie di commerciabilità o idoneità per uno scopo particolare.
