Ciò non significa tuttavia che l’AI non possa fornire un valore aggiunto. Il vero problema risiede nel modo in cui le aziende pianificano e implementano le proprie iniziative di AI.
In occasione dell’eventoXperience 2026, due esperti di Genesys, Juan Perez, Director of AI Solutions & Services, e Niels Kusters, Senior CX Advisory Consultant, hanno presentato un approccio pratico in cinque fasi che consente di identificare e implementare casi d’uso dell’AI in grado di generare benefici misurabili.
Il valore aggiunto nasce laddove si eliminano gli attriti
La maggior parte delle organizzazioni avvia iniziative di AI partendo dalla domanda sbagliata: “Cosa può fare questa tecnologia per noi?” In questo modo, concentrano immediatamente l’attenzione su funzionalità quali agenti virtuali, routing intelligente, engagement predittivo o copiloti, per poi cercare contesti applicativi adeguati. Questo approccio guidato dalla tecnologia sembra a prima vista ovvio. Alla fine, però, spesso si ottiene un portafoglio di funzionalità di AI tecnicamente impressionanti che non producono risultati realmente significativi per le organizzazioni.
Chi parte dalle cause della frustrazione anziché dalle possibilità tecnologiche, orienta le iniziative di AI in modo coerente verso i risultati di business e non verso la tecnologia in sé.
Vedere più della punta dell’iceberg
Per illustrare quanto sia facile concentrarsi sugli aspetti sbagliati, Perez e Kusters hanno utilizzato la metafora di un iceberg. Alla sua sommità si trovano le funzionalità di AI. Sono proprio queste a essere solitamente al centro dell’attenzione quando le organizzazioni riflettono sull’impiego dell’AI. Subito sotto si trova il livello tecnologico e dei dati: piattaforme, integrazioni e flussi di dati che garantiscono che i modelli di AI possano essere utilizzati in modo sensato.
La parte di gran lunga più grande dell’iceberg rimane tuttavia nascosta sotto la superficie. Qui rientrano le persone, i processi e le procedure di gestione del cambiamento, indispensabili per ottenere risultati positivi. Questa è la zona che quasi nessuno mette a budget. Allo stesso tempo, è proprio questo il motivo principale per cui molte iniziative di AI finiscono per naufragare. Infatti, anche con le giuste funzionalità di AI e una solida base di dati, il successo non è garantito. Servono persone che abbiano fiducia negli strumenti di AI e li utilizzino effettivamente, supervisori che sostengano nuovi approcci alla valutazione delle prestazioni, nonché processi adattati ai cambiamenti determinati dall’AI a livello di CX.
Se questo aspetto viene trascurato, si ottiene sì una soluzione tecnicamente funzionante, ma l’adozione rimane bassa e i ritorni risultano di conseguenza limitati.
Proprio nel settore dei servizi finanziari si vedono già chiari segnali di quanto questi fattori siano determinanti per il successo delle iniziative legate all’AI.
Cinque passaggi per casi d’uso dell’AI che generano valore
Ecco i cinque passaggi per sviluppare il tuo caso d’uso dell’AI che ti aiuteranno a tenere conto dell’intero iceberg per ottenere rendimenti sostenibili dall’investimento nell’AI.
Fase 1: Parti dalle esperienze che contano davvero
Prima di pensare a soluzioni o funzionalità concrete di AI, individua le esperienze dei clienti che hanno il maggiore impatto sulla tua attività. Tra queste figurano, ad esempio, l’onboarding, la fatturazione, la gestione dei sinistri o reclami, i resi e la pianificazione degli appuntamenti. Sono questi i journey in cui si decide se i clienti rimangono fedeli o abbandonano l’azienda. Ciò consente di definire per ogni caso d’uso un business case chiaro con un indicatore concreto, come ad esempio la quota di soluzioni self-service o la fidelizzazione dei clienti. Questo approccio garantisce che l’intera iniziativa rimanga orientata ai risultati di business e non all’innovazione tecnica fine a se stessa.
Perez e Kusters lo hanno dimostrato con un esempio reale: un operatore di telecomunicazioni che gestisce oltre 1,5 milioni di interazioni vocali al mese ha identificato la fatturazione come una delle esperienze più critiche in assoluto, il tipo di journey in cui una singola interazione negativa può vanificare mesi di lavoro per costruire la fidelizzazione.
Fase 2: Individua l’attrito
Mappa le esperienze individuate e identifica con precisione i punti in cui sorgono problemi. Ripercorri il journey come farebbe un cliente: la fattura poco chiara, il bot che fornisce più volte le stesse risposte generiche, la spiegazione ripetuta da capo a un altro agente, la risoluzione che lascia dubbi sul dover pagare una penale per ritardato pagamento. Ciascuno di questi punti di attrito offre l’opportunità di intervenire in modo mirato e creare valore aggiunto.
Costringere i clienti a ripetere le informazioni è uno dei segnali più evidenti di un’orchestrazione fallimentare. Il report Genesys 2026 sullo Stato della Customer Experience ha rilevato che il 95% dei consumatori desidera che le proprie informazioni vengano trasferite tra i vari canali per non doversi ripetere, eppure il 52% delle aziende non le inoltra ancora a un agente umano.
Mappato nel dettaglio, il journey di fatturazione dell’esempio dell’operatore di telecomunicazioni si presentava così: il cliente rileva un addebito imprevisto. Si rivolge al self-service trovandosi tuttavia intrappolato in un loop di articoli generici. Quindi chiama il servizio clienti e deve spiegare il problema da zero. A questo punto la sua pratica viene passata da un team all’altro dovendo ricominciare ogni volta. Infine viene emesso un ticket che non chiarisce se la penale di mora sia effettivamente dovuta. Cinque momenti di cui almeno tre sono causa di attrito.
Fase 3: Pratica l’arte del possibile
Una volta individuati i punti di attrito, resisti alla tentazione di cercare una soluzione immediata. Perez e Kusters raccomandano invece di considerare il problema da tre diverse prospettive. La prima è senza vincoli: nessun budget, nessun sistema legacy, nessun limite. A ogni punto di attrito o momento della verità nel customer journey, qual è lo scenario migliore in assoluto? Quindi, nella seconda segui un’analisi volutamente critica: quali sono i rischi reali? Dove si collocano i problemi di sicurezza e i limiti tecnici? La terza prospettiva adotta un approccio equilibrato, ottimista ma pragmatico. Questi tre punti di vista ti impediscono di scegliere automaticamente la soluzione che il tuo team ritiene più fattibile.
L’analisi del processo di fatturazione da tutte e tre le prospettive ha portato a una riprogettazione del customer journey: il cliente riceve un avviso proattivo prima che l’addebito lo colga di sorpresa, un processo di self-service guidato risolve autonomamente i casi semplici e, quando è necessario l’intervento di un agente, quest’ultimo ha già a disposizione l’intero contesto e può risolvere la richiesta in un unico contatto.
Fase 4: Sviluppa una soluzione sulla tua visione
Con un’idea chiara di ciò che è possibile realizzare, si tratta ora di definire concretamente la soluzione. Definisci le capacità tecnologiche e di piattaforma necessarie, quali dati devono essere disponibili e quali metriche indicheranno se il caso d’uso sta funzionando. I relativi KPI spesso differiscono dagli indicatori di business, al cui miglioramento il caso d’uso contribuisce. Avrai bisogno di entrambi per misurarne il successo.
Per il processo di fatturazione, la visione si è tradotta in casi d’uso specifici e con propri KPI: un journey self-service agentico per aumentare il tasso di contenimento, il predictive routing per migliorare la risoluzione al primo contatto e Genesys Cloud Agent Copilot per fornire agli agenti un’assistenza in tempo reale per migliorare la Customer Experience.
Fase 5: Costruisci, sperimenta e monitora
È fondamentale assicurarsi di aver definito un caso d’uso in grado di stimolare cambiamenti positivi e generare un valore che si moltiplica nel tempo. Pertanto, prima di impegnare risorse, sottoponilo a una verifica di idoneità in quattro ambiti:
Supporta chiaramente il business case?
È tecnicamente fattibile?
I dati necessari sono già disponibili?
L’organizzazione è pronta al cambiamento?
Quindi parti in piccolo, misura costantemente i risultati e tratta l’AI implementata come un soluzione che richiede feedback continui e riaddestramento, non come un progetto che una volta completato viene abbandonato a se stesso. Un sistema di AI privo di un ciclo di feedback finisce per allontanarsi dai risultati che dovrebbe raggiungere. Per far sì che un sistema di AI continui a migliorare anziché perdere efficacia è necessario misurare i KPI in tempo reale, analizzare i segnali quotidianamente, individuare le deviazioni settimanalmente, riaddestrare mensilmente i modelli e convalidare i risultati trimestralmente. Assicurati che i KPI monitorino sia la prestazioni tecniche che il risultato di business che la soluzione è chiamata a fornire.
Effetti a catena e ritorni cumulativi
Uno dei maggiori errori nelle iniziative di AI consiste nel sottovalutare quanto una singola decisione di automazione possa rimodellare l’operatività nel suo complesso. L’introduzione di una singola funzionalità nel cuore di un flusso di lavoro produce effetti a catena sulla logica di routing, sugli strumenti degli agenti, sulla governance dei dati e persino sulla misurazione dei risultati.
L’impulso iniziale è di trattare tutto questo come un rischio da tenere sotto controllo. Consideralo invece come il segnale che stai andando nella direzione giusta. Perez e Kusters offrono un consiglio chiaro al riguardo: non limitarti a tollerare questi effetti a catena, stimolali in modo mirato. Sono proprio loro, infatti, il meccanismo alla base di un valore aggiunto cumulativo.
Tuttavia, tali effetti portano a risultati sostenibili solo se si basano sul caso d’uso corretto. Ecco perché la verifica di idoneità descritta nella fase 5 è così importante. Il tuo caso d’uso deve rispondere al business case, essere tecnicamente realizzabile, basarsi su dati di cui disponi ed essere supportato da agenti, supervisori e responsabili dei processi.
Più casi d’uso introduci, maggiore sarà il loro impatto, poiché i dati, la fiducia e l’infrastruttura provenienti da quelli precedenti vengono capitalizzati e trasferiti in quelli successivi. Un singolo caso d’uso ben scelto può offrire valore di per sé. Tuttavia, il peno potenziale si manifesta solo quando l’AI smette di essere una soluzione isolata, ma diventa un elemento fondamentale della tua CX.
Adatta, guida e scala
Il modo in cui scali conta tanto quanto la scelta del punto di partenza, quindi procedi in modo graduale e consapevole. Valida innanzitutto il concetto con un piccolo progetto pilota, mettilo alla prova in condizioni reali, ampliane progressivamente la portata e passa alla piena produzione solo dopo aver predisposto i cicli di feedback e i controlli di sicurezza. È un percorso che richiede più pazienza rispetto alle implementazioni immediate che in passato caratterizzavano la tecnologia dei contact center. L’AI si comporta, tuttavia, in modo diverso rispetto ai sistemi che l’hanno preceduta. Nel suo caso, la scalabilità è un traguardo che si conquista per fasi, non qualcosa che si ottiene semplicemente premendo un pulsante.
Scalare il valore richiede disciplina, proprio come la metodologia in cinque fasi descritta in precedenza. Quindi, parti da un’esperienza in cui i tuoi clienti percepiscono ancora l’attrito, collegala a un business case rilevante per la tua leadership e lascia che ogni caso d’uso diventi il banco di prova per quello successivo. È qui che sta la differenza tra l’inseguire le singole funzionalità e costruire un’orchestrazione agentica, in cui persone, AI, dati e strumenti operano come un unico sistema unificato. Le organizzazioni che già oggi registrano un vantaggio tangibile non ci sono riuscite semplicemente introducendo più AI. Orientano in modo coerente le loro iniziative di AI, così come le persone, i processi e il change management, verso i risultati che contano davvero.
Genesys empowers organizations of all sizes to improve loyalty and business outcomes by creating the best experiences for their customers and employees. Through Genesys Cloud, the AI-Powered Experience Orchestration platform,...
