Adobe mostra siti web che si adattano in tempo reale all’intento di ogni visitatore

Un sito diverso per ciascun visitatore

Adobe sta esplorando un’idea che potrebbe cambiare il modo in cui vengono costruite le esperienze web: una pagina non più definita interamente in anticipo, ma assemblata al momento in base a ciò che il singolo visitatore sembra voler fare.

Carlos Sanchez, principal scientist di Adobe, ha presentato un prototipo di “agentic site”, cioè un sito capace di interpretare l’intento dell’utente e comporre in tempo reale un’esperienza su misura. L’obiettivo è passare dalla segmentazione tradizionale — per esempio “clienti abituali” o “appassionati di attività all’aperto” — a un’“audience of one”, un pubblico composto da una sola persona. 27

La precisazione più importante riguarda il livello di maturità: le informazioni disponibili descrivono una demo funzionante e una serie di prodotti Adobe collegati all’intelligenza artificiale, non un servizio generalmente disponibile che generi una pagina di produzione unica per ogni visitatore su larga scala. 434

La demo della macchina da caffè per il campeggio

La dimostrazione ruotava intorno a un sito dedicato alle macchine da caffè. Dopo una ricerca relativa a una macchina adatta al campeggio, il sistema ha modificato contenuti, consigli e presentazione della pagina per riflettere un intento legato all’uso all’aperto.

La sessione di Sanchez all’AI Engineer World’s Fair 2026 aveva un titolo esplicito: “Agentic Sites: Building Hyper Personalized Websites”. 33

Il concetto, però, è più controllato di quanto potrebbe suggerire l’espressione “sito generato dall’AI”. Il modello non riceve carta bianca per inventare un’intera pagina. Prima identifica l’intento dell’utente a partire da segnali come la ricerca e il comportamento di navigazione; poi recupera materiali pertinenti da un archivio di contenuti esistente e li ricompone nell’esperienza finale. 234

Come funziona l’architettura

In forma semplificata, il flusso è il seguente:

1. Interpretazione dell’intento: il sistema analizza la ricerca o il contesto dell’interazione per capire se il visitatore sta esplorando, facendo ricerche, valutando un acquisto o cercando un prodotto per un uso specifico, come il campeggio.
2. Recupero dei contenuti approvati: la generazione aumentata dal recupero, o RAG (retrieval-augmented generation), fornisce al modello informazioni pertinenti provenienti dai sistemi dell’organizzazione.
3. Selezione dei componenti: la pagina viene trattata come un insieme di blocchi, non come un documento indivisibile. Il sistema può quindi scegliere o adattare singole sezioni.
4. Composizione dell’esperienza: hero, schede prodotto, navigazione, testi e inviti all’azione vengono assemblati in base all’intento stimato.

Questo approccio è rilevante soprattutto per il controllo del brand. Ancorare la risposta a contenuti aziendali e asset approvati può ridurre il rischio di affermazioni non supportate sui prodotti e mantenere l’esperienza coerente con l’identità visiva ed editoriale dell’azienda. Le descrizioni della demo parlano infatti di contenuti recuperati e ricomposti, non di pagine create dal nulla. 434

Perché contano Gemma 4 e Cerebras

Secondo le informazioni riportate, l’implementazione utilizza il modello Gemma 4 di Google sull’infrastruttura di inferenza di Cerebras. Nel proprio catalogo, Cerebras indica per Gemma 4 31B una velocità di circa 1.850 token al secondo; in un caso d’uso con Gemma 4, l’azienda ha inoltre riportato una velocità di circa 2.300 token al secondo. 36

La velocità di generazione è importante perché un sito “agentic” potrebbe dover eseguire diversi passaggi durante la stessa interazione: interpretare l’intento, recuperare il contesto, scegliere i componenti, generare o modificare i testi e restituire il risultato.

Un’inferenza più rapida rende più plausibile il ciclo recupera–ragiona–assembla all’interno di un’esperienza interattiva, invece di relegarlo alla produzione di contenuti offline.

Va però distinta la velocità del modello dalla latenza dell’intera pagina. Rete, recupero dei contenuti, chiamate al catalogo, controlli sul consenso, rendering del browser, cache e distribuzione dal backend contribuiscono tutti al tempo percepito dall’utente.

1,64 secondi e pochi centesimi per pagina

Secondo le ricostruzioni della discussione di Sanchez, una richiesta relativa a una macchina da caffè per il campeggio ha prodotto un risultato personalizzato in 1,64 secondi, con circa un secondo attribuito alla chiamata al modello. Lo stesso resoconto cita 4,6 secondi per un’altra configurazione e un costo stimato di circa 0,01–0,02 dollari per pagina. 1

Sono numeri interessanti, ma vanno letti per quello che sono: benchmark riportati per un prototipo e stime di costo, non impegni contrattuali verificati né un listino Adobe pubblicato. Non dimostrano inoltre che ogni pagina, ogni visitatore o ogni carico di traffico otterrebbe gli stessi risultati.

Cosa renderebbe possibile una risposta in meno di due secondi

La personalizzazione deve arrivare prima che l’utente percepisca l’attesa come un ostacolo. Un obiettivo nell’ordine di uno o due secondi potrebbe consentire al sito di reagire a una ricerca, al contesto di arrivo o a un cambiamento significativo dell’intento mentre l’interazione è ancora “calda”.

In questo modo, la personalizzazione potrebbe diventare più precisa rispetto a un segmento predefinito. Il sito non si limiterebbe a riconoscere un “cliente abituale”, ma potrebbe capire che quella persona sta cercando una macchina da caffè per il campeggio, confrontando prodotti o cercando una raccomandazione pronta all’acquisto.

Il traguardo, però, non elimina il resto dell’infrastruttura web. Gestione del consenso, identità, validazione di prezzi e disponibilità, tempi del catalogo, CDN, rendering della pagina e gestione degli errori devono rientrare nello stesso budget complessivo di latenza.

Il rapporto con i prodotti Adobe già esistenti

Il prototipo non va confuso con tutte le funzionalità di intelligenza artificiale già presenti nell’offerta Adobe. Gli agenti documentati per Adobe Experience Manager (AEM) sono disponibili per AEM as a Cloud Service ed Edge Delivery Services, con modalità e tempi di disponibilità che possono variare in base all’ambiente. 17

Adobe Experience Platform Agent Orchestrator è descritto come il livello di ragionamento e coordinamento per gli agenti di Experience Platform. Utilizza i dati della piattaforma e può coordinare agenti Adobe e di terze parti con supervisione umana. Adobe ha annunciato la disponibilità generale di Agent Orchestrator, mentre la documentazione indica accesso su richiesta e prove soggette a limiti di utilizzo per alcune capacità. 18192122

Tra le funzionalità collegate rientrano:

• Brand Experience Agent: Adobe lo descrive come uno strumento per aggiornare pagine, creare nuovi contenuti e modernizzare esperienze digitali in vista della scoperta da parte dei sistemi di intelligenza artificiale. 202344
• Content Advisor Agent: aiuta i team a trovare contenuti aziendali pertinenti e a creare varianti visive a partire da asset sorgente approvati. 202743
• Agent Orchestrator: offre il livello di piattaforma per gestire e coordinare agenti appartenenti all’ecosistema Adobe e a ecosistemi esterni. 182230

Questi prodotti mostrano che Adobe sta costruendo uno stack “agentic” attorno a contenuti, dati dei clienti ed esperienze digitali. Non dimostrano però, da soli, che il prototipo di assemblaggio delle pagine per singolo visitatore presentato da Sanchez sia già una funzione standard e disponibile per la produzione su larga scala.

Cosa manca prima dell’adozione su larga scala

La demo risponde alla domanda tecnica: l’assemblaggio di una pagina in tempo reale è plausibile? Non risponde ancora alla domanda operativa ed economica: è sensato farlo per ogni sito e per ogni visitatore?

Servono test con clienti reali

Le aziende dovrebbero sperimentare il sistema sui propri repository AEM, cataloghi di prodotto, sistemi di identità, regole sul consenso e obiettivi di conversione. Non basta generare rapidamente una pagina: bisogna verificare se l’esperienza migliora i risultati utili senza aumentare errori e rischi operativi.

Le informazioni pubbliche indicano che il concetto specifico di “agentic site” non è ancora stato distribuito presso i clienti su larga scala. 4

Le integrazioni devono essere numerose e affidabili

Una distribuzione in produzione richiederebbe connessioni solide tra inferenza, gestione dei contenuti, dati dei clienti, identità e consenso, sistemi di commercio e catalogo, analisi, sperimentazione, CDN e librerie degli asset di marca.

Un modello veloce non può compensare dati di prodotto obsoleti o un servizio di catalogo lento.

Il costo va verificato sul traffico reale

Uno o due centesimi possono sembrare una cifra trascurabile per una singola interazione. Moltiplicati per milioni di visite, però, diventano una voce significativa, soprattutto se l’esperienza viene rigenerata dopo ogni interazione rilevante.

Cache, riutilizzo dei blocchi approvati, rigenerazione selettiva e regole chiare per stabilire quando non chiamare il modello saranno quindi centrali per la sostenibilità economica. Le informazioni disponibili non definiscono un modello di prezzo Adobe per uno scenario in cui ogni visitatore riceva un’esperienza generata individualmente.

Ogni blocco generato deve essere governato

Un’implementazione credibile avrebbe bisogno di controlli espliciti su:

• fonti approvate e limiti del recupero dei contenuti;
• attributi, disponibilità e prezzi dei prodotti;
• layout, componenti e call to action consentiti;
• tono di voce e identità visiva del brand;
• accessibilità e localizzazione;
• dichiarazioni vietate o soggette a regolamentazione;
• approvazioni e registri di audit;
• monitoraggio, rollback e rilevamento degli scostamenti; e
• soglie per il controllo umano.

La versione più solida dell’idea, dunque, non è un sito web lasciato alla creatività incontrollata dell’AI. È un sistema governato di assemblaggio, in cui l’intelligenza artificiale decide rapidamente quali componenti approvati mostrare e come adattarli all’intento attuale del visitatore.

La conclusione pratica

La dimostrazione di Sanchez suggerisce che il sito possa diventare un livello decisionale eseguito in tempo reale, anziché una semplice raccolta di pagine scritte in anticipo. L’inferenza di Cerebras e Gemma 4 rendono abbastanza rapida la fase di ragionamento da permettere di esplorare casi d’uso in tempo reale, mentre AEM e il grounding basato sul recupero offrono una strada per mantenere contenuti accurati e coerenti con il brand. 13617

Il titolo più prudente, però, è ancora “prototipo”, non “nuova categoria di prodotto già pronta”. La vera prova arriverà quando gli agentic site dovranno mantenere velocità, accuratezza, accessibilità, governance e valore misurabile su cataloghi reali, con requisiti reali di consenso e volumi di traffico reali.