Agenti AI per il customer service: cosa fanno, dove sbagliano e come si introducono

Il servizio clienti è il primo posto dove le aziende pensano di mettere l’AI. Quasi sempre per la ragione giusta: una parte grande delle richieste è la stessa domanda scritta in cento modi diversi. Chi risponde passa la giornata a cercare un numero di spedizione e a copiarlo in un’email.

La differenza fra un vecchio chatbot e un agente sta qui. Il chatbot risponde con testo preparato. L’agente va a prendere il dato vero nel sistema e lo usa per rispondere a quella persona su quell’ordine.

Cosa fa un agente AI nel servizio clienti

Quattro lavori, quasi sempre in quest’ordine.

Legge e classifica. Ogni richiesta che arriva da email, modulo del sito, chat o WhatsApp viene letta e messa in una categoria: informazione, stato dell’ordine, prenotazione, reclamo, richiesta tecnica, spam.

Recupera i dati. Numero d’ordine, tracciamento, scheda tecnica, stato della pratica. È il passaggio che distingue un agente da un chatbot e che richiede di collegarlo ai sistemi dell’azienda.

Risponde o prepara la risposta. Sui casi ricorrenti risponde da solo. Sui casi più delicati prepara una bozza che una persona controlla.

Passa la mano. Quando la richiesta esce dallo schema o il cliente è arrabbiato, avvisa una persona e le consegna la conversazione con il contesto già raccolto.

Tre casi in produzione

Un e-commerce di ricambi con cinquecento email al giorno. Per Ecommerceparts il problema era il volume: circa 500 email al giorno, quasi tutte sulle stesse domande. Dov’è il mio pacco, quando arriva, perché non è partito, questo pezzo va bene per la mia auto. Abbiamo costruito un agente su WhatsApp collegato al tracciamento degli ordini: per ogni acquisto recupera numero d’ordine e tracciamento, avvisa il cliente che può chiedere aggiornamenti in chat e da lì risponde da solo. Quando capisce che il cliente è insoddisfatto manda un’email al team, che interviene. Il risultato riportato nel caso Ecommerceparts è di circa 200 email in meno al giorno.

Una clinica che riceve pazienti, non clienti. Per la Clinica Oculistica Santa Lucia di Cosenza abbiamo costruito due pezzi. Un assistente sul sito che distingue le richieste di appuntamento dalle domande generali e guida il paziente nella prenotazione raccogliendo nome, motivo, data e orario. Poi un sistema che legge la posta in arrivo, la mette in una di sei categorie (domande generali, appuntamenti, spam, candidature, reclami e richieste amministrative, bollette) e la inoltra al reparto giusto. Il caso della Clinica Santa Lucia riporta tempi di risposta ridotti di circa il 60% e più della metà del carico amministrativo in meno.

Un’azienda industriale dove il servizio clienti è anche tecnico. Kerby, l’agente che abbiamo costruito per Kerberos Energy, legge la casella aziendale e quelle dei commerciali e classifica ogni email in cinque categorie, fra cui il supporto tecnico. Durante l’avvio un cliente ha chiesto le schede tecniche di sette o otto dispositivi: Kerby ha risposto in 20 secondi, segnalando quali schede non erano disponibili e mettendo in copia il referente commerciale.

Tre settori diversi, la stessa forma: richieste ripetitive, una risposta che sta in un sistema, una persona che interviene quando serve giudizio.

Dove un agente di customer service sbaglia

Inventa quando non trova. Se l’agente non trova il dato e nessuno gli ha detto cosa fare in quel caso, rischia di rispondere qualcosa di plausibile e sbagliato. La regola si scrive prima: se il dato non c’è, lo dice e passa a una persona.

Promette quello che non può decidere. Un rimborso, uno sconto, una data di consegna garantita. L’agente non deve avere il permesso di farlo e deve saperlo.

Non riconosce il cliente arrabbiato. Una risposta cortese e automatica a chi scrive per la terza volta peggiora le cose. Il caso Ecommerceparts funziona anche perché l’agente riconosce l’insoddisfazione e chiama una persona.

Parla con dati vecchi. Orari cambiati, prodotti fuori catalogo, condizioni nuove. Se nessuno aggiorna le fonti, l’agente risponde con quello che sapeva il mese prima.

Come si introduce, passo per passo

1. 01

   1

   Leggere le richieste vere

   Si prendono qualche centinaio di richieste degli ultimi mesi e si contano per tipo. Quasi sempre poche categorie fanno la maggior parte del volume.

2. 02

   2

   Collegare i sistemi

   Ordini, tracciamento, gestionale, catalogo, calendario. Senza i dati l'agente è un chatbot con un tono migliore.

3. 03

   3

   Partire in bozza

   Per le prime settimane l'agente prepara le risposte e gli operatori le approvano. Si vede dove sbaglia senza che lo veda il cliente.

4. 04

   4

   Liberare per categoria

   Le categorie dove le bozze vengono approvate senza modifiche passano in automatico. Le altre restano in bozza.

Le persone del servizio clienti vanno coinvolte dalla prima fase. Sono loro che sanno quali domande sono davvero uguali e quali sembrano uguali ma non lo sono. Nel caso Kerberos il team era scettico finché non ha visto le prime risposte: il segnale che lo strumento è stato adottato sono state le segnalazioni quotidiane su cosa migliorare.

Le regole da rispettare

L’AI Act mette i sistemi che parlano con le persone nel rischio limitato: l’obbligo è dire a chi scrive che sta parlando con un sistema di intelligenza artificiale, a meno che sia evidente. Un agente di servizio clienti non entra nell’alto rischio finché risponde e smista senza valutare le persone. Come si classifica un uso caso per caso è nella guida sulla classificazione del rischio nell’AI Act.

Poi c’è il GDPR. Un agente che legge le richieste tratta dati personali: va detto nell’informativa, va scelto dove girano i dati e chi può vederli. Cosa si può mettere dentro un modello AI è spiegato nella guida su intelligenza artificiale e GDPR.

Chi lo costruisce

Le strade sono tre. Le piattaforme di help desk offrono agenti già pronti dentro il loro software: vanno bene se usi già quella piattaforma e le richieste sono standard. Le agenzie di automazione collegano gli strumenti che hai. Le società di sviluppo costruiscono l’agente su misura sui tuoi sistemi, quando le risposte dipendono da dati che stanno nel tuo gestionale o nei tuoi ordini.

Martes AI sta nella terza strada: nello sviluppo agenti AI per aziende italiane abbiamo oltre 75 soluzioni in produzione, fra cui gli agenti di servizio clienti raccontati qui. Le categorie di fornitore con i criteri per confrontarle sono nella guida su chi sviluppa agenti AI in Italia. Per i costi c’è quella su quanto costa un agente AI su misura.

Da dove partire

Apri la casella del servizio clienti e conta le richieste di una settimana per tipo. Se due o tre tipi fanno più della metà del volume e la risposta sta in un sistema, hai il primo agente. Se le richieste sono tutte diverse, il problema non è il servizio clienti: è a monte. Lì l’agente non serve.