Quando gli analisti di McKinsey quantificarono in un massimo di 4.400 miliardi di dollari l’impatto dell’AI generativa sulla produttività mondiale (2 volte il PIL dell’Italia), riportarono anche le 4 aree nelle quali si sarebbe concentrato il 75% del valore. Nessuno si stupì che le customer operations fossero in cima alla lista. La capacità dell’AI generativa di creare contenuti come testi e immagini in modo realistico la rende perfettamente integrabile in diverse attività specialistiche e processi che riguardano la relazione tra l’azienda e il suo cliente.
Ci riferiamo, ovviamente, a tutto l’ambito dell’assistenza virtuale, ma anche alla generazione di contenuti personalizzati, dalle email ai post social, senza dimenticare il macrocosmo dell’assistenza agli operatori, che può sfociare in attività di automazione intelligente.
Ci domandiamo, quindi, come gli operatori più innovativi stiano impiegando, nel concreto, l’AI generativa, su quali casi d’uso si stiano concentrando, quali sfide stiano affrontando e gli scenari futuri.
Indice degli argomenti
Generative AI e automazione intelligente
Per approfondire il tema e scoprire le nuove frontiere dell’AI generativa, abbiamo interpellato Sandro Parisi, CEO & Founder di Eudata, azienda italiana che da più di un decennio esplora le applicazioni dell’intelligenza artificiale, con un focus particolare sull’ottimizzazione dei processi del customer journey. La soluzione di punta dell’azienda, Convy.AI, funge infatti da orchestratore di tutti i canali e i componenti che prendono parte al customer journey e integra elementi di intelligenza artificiale al fine di ottimizzare e automatizzare i workflow, supportando così sia il cliente che l’operatore.
Secondo Parisi, l’avvento di GenAI è stato ed è dirompente. Non a caso, l’azienda la sta già utilizzando in diversi casi d’uso, alcuni assolutamente attuali, altri che verranno perfezionati insieme all’evoluzione tecnologica sottostante. L’obiettivo è quello di sfruttare al massimo le potenzialità di GenAI per plasmare una vera e propria automazione intelligente dei processi: la piattaforma, che può attingere nativamente alle informazioni dei vari sistemi (CRM, documenti aziendali, ERP…) crea prompt avanzati e li fornisce ai motori generativi, che di fatto operano in totale integrazione con i workflow sottostanti.
Per quanto concerne le applicazioni concrete, Parisi pone l’accento sul tema dell’e-mail automation: “Abbiamo realizzato un sistema che cataloga automaticamente le e-mail sulla base dell’argomento, del mittente e anche del tono (il sentiment – ndr); poi, il sistema attinge alla base di conoscenza aziendale e suggerisce all’operatore una risposta adeguata. Così facendo, la mail viene non solo indirizzata alla persona più indicata a gestirla, ma può integrare anche degli elementi personalizzati nella risposta”. I test eseguiti dall’azienda, sulla base di una knowledge base di più di 5.000 documenti, hanno dato esito positivo in più del 90% dei casi.
Assistenza virtuale e il tema dell’arricchimento dei contenuti
Non è possibile parlare di AI generativa nel customer journey (o customer service) senza citare gli assistenti virtuali, che fungono da punto di contatto tra l’azienda e il cliente ma hanno anche un ruolo importante nel supporto all’operatore.
Il tema è affascinante, perché da un lato siamo tutti consapevoli delle capacità conversazionali di strumenti come ChatGPT, dall’altro le esigenze aziendali richiedono un livello di attenzione maggiore. In particolare, occorre abbattere le cosiddette allucinazioni del modello e fornirgli un corpus di conoscenza personalizzata che sostituisca, o quanto meno abbia la precedenza su quella del training originale. C’è poi un tema di tone of voice da gestire, ma quello si affronta con maggiore semplicità.
“I contenuti del motore generativo – ci spiega Parisi – possono essere arricchiti in diversi modi, tra i quali la tecnica Retrieval-Augmented Generation (RAG) è la più comune. Questa acquisisce informazioni da documenti e da altre fonti creando il contesto per una risposta più accurata. Il metodo, di per sé efficace, vale soprattutto quando la documentazione di partenza è piuttosto statica. Noi abbiamo implementato una modalità parallela al RAG, che consiste nell’accedere al backend e acquisire documenti e informazioni per arricchire in tempo reale il prompt attraverso una logica di variabili”.
Esporre direttamente i servizi generativi in frontend comporta ancora una certa dose di rischio, perché comunque gli LLM sono pre-trained e gli SLM (small language model) usano spesso gli LLM proprio per il loro training, non risolvendo di fatto il problema. Non a caso, Eudata si sta concentrando nel mixare processi e AI generativa per aiutare il personale dell’azienda a gestire le proprie mansioni, mentre per il frontend l’approccio è più graduale: al momento l’AI generativa non fornisce direttamente una risposta ma una proposta di risposta che l’operatore valida e pubblica. Ovviamente, si tratta di una soluzione temporanea che l’azienda può superare fin da subito attraverso la valutazione attenta delle risposte del bot “Tutte le attività degli assistenti virtuali sono registrate e vengono validate da un supervisore: se questo accetta il 100% delle risposte dell’LLM in un certo ambito, l’azienda sarà propensa a passare rapidamente a una modalità automatica”.
Dal customer service all’IoT conversazionale
In ambiti come questo, sul futuro non ci sono certezze perché l’evoluzione è troppo rapida. Di sicuro, Eudata sta osservando con estremo interesse anche settori e attività che esulano dal classico customer care, proprio in virtù della versatilità e della trasversalità dell’AI generativa.
Il punto fermo è l’obiettivo sottostante: l’automazione dei workflow per tramite dell’AI generativa, ma gli ambiti di applicazione sono pressoché infiniti. Per esempio, Eudata riporta un caso nel quale l’AI confronta immagini di prodotti diversi (es, abbigliamento, ma anche componenti per auto) e, sulla base dell’esito, costruisce autonomamente la distinta base dei nuovi prodotti, senza la quale non è possibile avviare un processo produttivo. Inoltre, l’azienda sta valutando interessanti applicazioni nell’ambito del cosiddetto IoT conversazionale, che riguarda sia scenari domestici di smart home (dialogare a voce con i propri dispositivi) che articolati processi produttivi. L’idea di sviluppare, e di usare, un’interfaccia conversazionale per dialogare con le macchine e con i processi può effettivamente rappresentare un motore di efficienza notevole.
