Un'IA gestisce un e-shop per un anno: capitale cresciuto circa 14 volte

100.000 yuan, circa 2.350.000 yen. Tanto viene affidato a un'IA perché gestisca per un anno un negozio online. Il team Qwen di Alibaba e i ricercatori dell'Università di scienza e tecnologia di Hong Kong (HKUST) hanno presentato lo studio «E-Commerce Bench», che propone un benchmark (una prova comune per confrontare più modelli nelle stesse condizioni) per misurare la capacità dei modelli di IA di svolgere autonomamente un'attività commerciale in simulazioni di lunga durata. Lo studio è una prestampa (preprint) pubblicata su arXiv.

Lo scenario è un modello di mercato basato sui dati reali di Taobao e Tmall, due piattaforme di e-commerce. Ci sono 6.886 prodotti e 576 fornitori, e l'IA gestisce fino a quattro negozi contemporaneamente. Con 18 strumenti si occupa in autonomia di tutto il ciclo: dalla ricerca di mercato alla trattativa sui prezzi, dagli acquisti alla definizione dei prezzi, fino a spedizioni, gestione dei resi e della liquidità. Circa un quarto dei fornitori è impostato come azienda truffaldina: vende a prezzi superiori a quelli di mercato, falsifica il numero di ordini o invia merce scadente, con tassi di reso che salgono rapidamente.

Anche i flussi di cassa sono una trappola. Costi di acquisto e spese di gestione vengono addebitati subito sul conto bancario, mentre gli incassi restano per nove giorni dalla spedizione su un conto di garanzia (escrow, il meccanismo in cui una terza parte custodisce il pagamento a tutela della transazione) prima di confluire nel portafoglio. Così, anche in presenza di utili, se i prelievi non sono pianificati il saldo del conto bancario resta negativo per dieci giorni consecutivi e si arriva al fallimento. Inoltre, le vecchie cronologie delle conversazioni vengono cancellate automaticamente oltre una certa soglia, quindi l'IA deve usare fino a 20 voci di memoria per ricordare le informazioni sulle transazioni.

Nei risultati, in testa c'è «GPT-5.6 Sol», che ha fatto crescere il capitale iniziale in media di circa 14,3 volte (circa 1,43 milioni di yuan). Tuttavia, la quota di spesa verso i fornitori truffaldini è stata la sedicesima su 18 modelli. Al secondo posto, «Fable5» (circa 8 volte) ha guadagnato con costanza usando meno della metà delle chiamate agli strumenti rispetto a GPT-5.6 Sol, ed è primo per efficienza di profitto per mossa. «Claude Opus 4.7» ha mostrato la massima accuratezza sia nelle trattative sui prezzi sia nell'evitare le truffe, ma non è riuscito ad ampliare il volume d'affari e chiude all'ottavo posto per patrimonio complessivo. Tra i modelli a pesi aperti, il migliore è «Qwen3.8-Max-Preview» di Alibaba (circa 4,2 volte, quinto posto complessivo), che nei riacquisti prende come riferimento il prezzo più basso mai pagato e ottiene sconti: la sua capacità di apprendimento a lungo termine è la prima tra i 18 modelli.

Il risultato interessa le aziende che vogliono affidare processi all'IA e gli sviluppatori che scelgono i modelli. Lo studio dimostra con i numeri che il modello che fa crescere di più il patrimonio non coincide necessariamente con quello che evita truffe e fallimenti. Su 10 prove su 90 complessive si è arrivati al fallimento a metà percorso: GPT-5.5, Claude Opus 4.6 e Gemini 3.1 Pro hanno fallito 2 volte su 5, Qwen3.5-Plus 4 volte su 5. Va però considerato che ogni modello è stato testato solo 5 volte e che il mercato è simulato.