La verifica della realtà per il commercio tramite agenti di DoorDash è arrivata durante la conference call sui risultati del terzo trimestre: gli strumenti IA esterni hanno prodotto in totale solo «alcune centinaia» di ordini, secondo il cofondatore e CEO Tony Xu.¹ Per una piattaforma che afferma di completare circa 3 milioni di consegne al giorno, la cifra è appena rilevante.

Il messaggio di Xu non era né di liquidazione né di resa. «Non si vuole mai combattere contro la gravità», ha detto a proposito dei cambiamenti tecnologici. «Ma allo stesso tempo, non si vuole essere deliranti».¹ Le prove immediate, ha detto, mostrano che i clienti continuano in modo schiacciante a rivolgersi direttamente all’app di DoorDash per il cibo.

Questo divario riflette i limiti pratici dell’attuale lancio. Il connettore Model Context Protocol di DoorDash, che consente a servizi IA selezionati di terze parti di effettuare ordini attraverso la piattaforma, è stato introdotto solo di recente ed è disponibile per un piccolo gruppo di primi partner beta; tra i suoi principali utilizzi figura l’ordinazione di pranzi aziendali.² Per il resto, gli agenti esterni devono affrontare un percorso più macchinoso attraverso il web.

DoorDash non ha aspettato che fossero terzi a dimostrare il modello. A luglio ha introdotto un agente CLI, a settembre ha lanciato il suo strumento di ordinazione via testo e durante l’estate ha distribuito Ask DoorDash. Il chatbot può creare un carrello a partire dalla foto di una ricetta oppure dare suggerimenti in base a una richiesta generica, come la cena per una famiglia di quattro persone.¹

L’azienda non ha comunicato totali di ordini comparabili per questi strumenti interni, ma afferma che i carrelli di Ask DoorDash vengono creati cinque volte più velocemente, con ordini dal valore del carrello quasi superiore del 50% e circa il 60% di articoli unici in più rispetto agli ordini tradizionali degli stessi consumatori.²

Il contrasto è netto: gli agenti di terze parti non hanno ancora generato volumi, mentre DoorDash vede segnali che la propria IA possa migliorare gli acquisti. L’argomentazione di Xu sul lungo periodo è che gli agenti potrebbero rivelarsi più utili per acquisti che richiedono un’attenta valutazione, nei quali possono operare proattivamente in background, e non per il compito rapido e abituale di ordinare la cena.²