Pronti a reimmaginare la customer experience? L’Agentic AI è arrivata

Le prime implementazioni di agentic AI stanno producendo risultati significativi in termini di velocità del servizio, successo dell'interazione e considerazione positiva del brand.

Ma la strada per il successo inevitabilmente presenta delle sfide. Come assicurarsi che le operations siano pronte? Quale strategia digitale adottare se la tecnologia è in costante mutamento? E come affrontare i problemi normativi e di privacy?

La nostra nuova serie di blog, che iniziamo qui, affronterà queste e altre domande condividendo esperienze reali vissute sul campo. 

Benvenuti nel mondo dell’agentic AI.

Per molti, la GenAI è ormai parte integrante della quotidianità. Soluzioni come ChatGPT, Claude, Gemini e, più recentemente, DeepSeek stanno plasmando il modo in cui le persone lavorano e interagiscono online.

Ora, siamo all'alba della nuova era dell’"agentic AI".

In sostanza, un agente AI è un'entità che opera su una "architettura cognitiva": orchestrazione (istruzioni) con modelli e metodi (strumenti, input, contesto), abilitando applicazioni e soluzioni per soddisfare esigenze aziendali definite (scopi, obiettivi). 
Gli agenti AI possono eseguire flussi di lavoro (da semplici e specifici, a complessi o indefiniti) e guidare il processo decisionale in modo autonomo. Imparano continuamente dalle interazioni, dai processi e da altri agenti, adattando i loro comportamenti di conseguenza.

L’agentic AI è un nuovo importante paradigma per qualsiasi azienda che desideri trasformare o migliorare il suo customer care con efficienza e scalabilità. Gartner prevede che entro i prossimi quattro anni almeno il 15% delle decisioni lavorative quotidiane sarà preso autonomamente da agenti AI, un aumento significativo rispetto a quasi lo 0% attuale.

Tuttavia, le aziende che impiegano l’AI devono mantenere le persone sempre al proprio centro. Hanno a disposizione una tecnologia estremamente potente, ma il successo a lungo termine dipende comunque dalla qualità dell'esperienza delle persone che la gestiscono. L’agentic AI non fa eccezione. Un approccio ibrido multi-agente consiste nell'integrare intelligenza artificiale e umana senza soluzione di continuità, in modo che i clienti ottengano il meglio da entrambe. Gli agenti AI potenziano le capacità degli agenti umani in modo complementare, e adattandosi dinamicamente alle esigenze in evoluzione dei clienti, mantengono l’allineamento con il brand.

Quindi, come si presenta un approccio ibrido multi-agente nelle customer operations?

In generale:

1. L’AI come assistente virtuale per gli agenti umani della customer care/experience. Gli agenti umani ottengono supporto in tempo reale e strumenti decisionali predittivi per aumentare sia le prestazioni che la produttività. Come parte di un motore di «esperienza intelligente», consentono customer experiences più mirate e personalizzate su tutti i canali. La potente analisi conversazionale estrae nuove informazioni utili da ogni singola interazione con il cliente che gli agenti umani possono quindi utilizzare facilmente per prendere decisioni e ottenere i risultati desiderati. Allo stesso tempo possono beneficiare di un supporto e di una formazione personalizzati continui.

2. Agenti di servizio intelligenti virtuali. Agenti vocali e chat virtuali possono essere pienamente integrati per un coinvolgimento dei clienti multicanale, personalizzato e lineare. Le esigenze dei clienti possono essere soddisfatte in modo rapido, fluido ed efficiente, liberando il tempo degli agenti umani. Per garantire qualità ed esperienze di livello umano, meccanismi predefiniti garantiscono la convalida e la revisione continue dell'output (“human as a supervisor"), il reindirizzamento a un essere umano per gestire decisioni o escalation specifiche («human in the loop").

3. Automazione dei processi di back-office. L'automazione intelligente ottimizza le operazioni del servizio clienti e trasforma le attività di back-office. Flussi di lavoro specifici possono essere automatizzati per aumentare la velocità e l'efficienza, riducendo i costi ed eliminando gli errori. Questo di solito si concentra su capacità e processi altamente specifici, che guidano l'ascesa degli agenti AI verticali.

Un importante progresso in atto è l'integrazione di applicazioni di agentic AI altamente specifiche e sensibili al contesto. Questo grazie agli Small Language Models (SLM), descritti da HFS Research come modelli specializzati progettati per compiti specifici e strettamente definiti. Questi possono essere addestrati e messi a punto per situazioni particolari o sfide contestuali, come la terminologia specializzata, la domanda fluttuante o la risoluzione di problemi complessi.

Un vantaggio chiave degli SLM è che possono essere eseguiti in ambienti tecnologici meno potenti, consentendo l'implementazione più vicina ai clienti (ad esempio su dispositivi edge o server locali) in cui la reattività e l'efficienza sono fondamentali. Inoltre, gli SLM possono essere significativamente più convenienti rispetto ad altre soluzioni di AI, contribuendo a ridurre i costi di implementazione AI, sebbene l'addestramento e la messa a punto possano comunque richiedere investimenti sostanziali.

Con il miglioramento costante basato sui dati, un ecosistema ibrido multi-agente alimenterà miglioramenti continui al servizio e alla soddisfazione dei clienti, oltre a garantire velocità operativa, precisione ed efficienza.

Alcune soluzioni permettono ai team aziendali e operativi di configurare e distribuire in modo indipendente anche dei customer journey basati sull’AI. Ciò può ridurre significativamente i costi e le tempistiche di implementazione, contribuendo al contempo a democratizzare le tecnologie AI, offrendo agli imprenditori maggiore chiarezza e controllo.

Sebbene molte organizzazioni siano ancora all'inizio dell'implementazione dell’agentic AI, stiamo già riscontrando risultati notevoli nelle aziende con cui lavoriamo, tra cui:

• Riduzioni significative dei tempi di avviamento degli agenti e aumento della produttività relativa di circa il 10% 
• Agenti virtuali che gestiscono il 50% degli ordini al dettaglio con percentuali di successo superiori a quelle umane 
• Elaborazione dei sinistri, che in genere raggiunge tempi di gestione fino al 30% più rapidi, riduzione degli errori del 90%, risparmio del 49% sui costi nel recupero crediti, e l'elenco potrebbe continuar

Tuttavia, sebbene i vantaggi dell’agentic AI siano evidenti, ci sono sfide che ogni leader aziendale o tecnologico deve tenere a mente, in particolare: 

1. Combinare perfettamente il meglio della tecnologia e dei talenti umani
2. Prepararsi per le operazioni di nuova generazione, formare i dipendenti e integrare il nuovo modello operativo
3. Garantire tempestività, disponibilità e qualità delle conoscenze e dei dati organizzativi
4. Assicurare che tutti i risultati AI siano allineati con il posizionamento del brand
5. Promuovere il valore fin dall'inizio evolvendo, scalando e adattando continuamente l’AI

Per affrontare ognuna di queste sfide, è fondamentale una roadmap AI incentrata sull'uomo e ben definita. Da qui, una strategia ibrida multi-agente in evoluzione offrirà un percorso scalabile e al passo con il futuro per prendersi cura dei clienti e mantenere l'organizzazione in prima linea nella rivoluzione dell’AI aziendale. 

Nei nostri prossimi blog, continueremo a esplorare come trasformare i principi incentrati sull'uomo in azione concreta, sviluppando un valore ancora maggiore per la vostra azienda. Restate sintonizzati!

-
Con il contributo di Luigi Esposito, Head of AI Deployment per EMEA e English-Speaking Market (ESM), e Diana Catalina Velasquez, Head of AI Deployment per LATAM.