Trasformare l'esperienza dei tecnici senior in una base di conoscenza: tasso di risoluzione al primo contatto più alto di circa 15 punti percentuali

Un'azienda che fornisce a clienti business prodotti tecnologici e assistenza post-vendita continuativa aveva accumulato una grande quantità di problemi dei clienti, documentazione di prodotto e soluzioni tecniche.

Tuttavia il servizio clienti dipendeva ancora fortemente da pochi collaboratori senior.

Quando si trovavano di fronte a un problema, i nuovi colleghi dovevano cercare più volte tra email storiche, chat di gruppo, wiki interna e documentazione di prodotto.

Anche se un cliente aveva già posto la stessa domanda in passato, persone diverse potevano rifare da capo l'indagine.

L'azienda possedeva una ricca esperienza storica, ma non un sistema di conoscenza organizzativa stabile e manutenibile.

Le sfide

Fonti di conoscenza disperse

Manuali di prodotto, soluzioni tecniche, procedure operative e casi storici dei clienti erano conservati in strumenti diversi.

Senza una classificazione unica e una gestione delle versioni, per il personale era difficile capire quale documento fosse il più aggiornato.

I problemi dei clienti sono scollegati dal patrimonio di conoscenza

Il sistema di ticket registra problemi ed esiti, ma questi non si trasformavano con continuità in soluzioni standard riutilizzabili.

La ricerca diretta con IA può creare rischi di autorizzazione

Tra clienti diversi possono esserci informazioni commercialmente sensibili, e alcuni documenti interni non devono essere aperti a tutti i dipendenti.

Senza controllo degli accessi, una ricerca unificata della conoscenza può comportare il rischio di fuga di informazioni.

La soluzione digitale di SHEPHARD

Fase 1: censire il patrimonio di conoscenza aziendale

Sono stati individuati documentazione di prodotto, procedure operative standard, ticket storici, registrazioni del servizio clienti e documenti tecnici interni.

La classificazione avviene per tipo di conoscenza, versione del prodotto, clienti interessati e scenario di business.

Fase 2: definire un meccanismo di governance della conoscenza

Per ogni contenuto vengono definiti responsabile, ambito di applicazione, versione, stato di revisione e validità.

Le esperienze di gestione utili dei ticket storici diventano voci ufficiali di conoscenza solo dopo la revisione.

I documenti scaduti o sostituiti vengono contrassegnati in modo esplicito, per evitare che continuino a essere usati come riferimento operativo.

Fase 3: costruire una ricerca della conoscenza consapevole delle autorizzazioni

Combinando ricerca strutturata e tecnologia RAG (Retrieval-Augmented Generation), il personale può interrogare in linguaggio naturale la conoscenza interna dell'azienda.

La ricerca eredita i diritti di accesso dell'utente, limitando l'accesso alle informazioni tra clienti e tra reparti.

Le risposte dell'IA riportano anche la fonte del documento e le informazioni sulla versione, per consentire la verifica da parte di una persona.

Fase 4: collegare CRM e ticket di assistenza

In base a cliente, modello di prodotto, tipologia di problema e storico del servizio, il sistema cerca le soluzioni pertinenti.

Gli operatori possono consultare direttamente casi analoghi, procedure standard di diagnosi e avvertenze.

Fase 5: introdurre il miglioramento continuo della conoscenza

Si registra quali problemi si risolvono con la conoscenza esistente e quali richiedono ancora l'escalation a un esperto.

I problemi frequenti non risolti vengono segnalati ai responsabili della conoscenza, per integrare e rivedere i contenuti in modo continuo.

Per le operazioni con autorizzazione esplicita e regole verificabili si può approfondire il collegamento della ricerca della conoscenza agli strumenti di business, mantenendo l'approvazione manuale per le operazioni ad alto rischio.

Percorso di implementazione

Si è iniziato scegliendo una categoria di problemi di prodotto frequenti per un pilota di riordino della conoscenza e di ricerca.

Con un insieme di domande annotate manualmente sono stati testati tasso di corrispondenza della ricerca, accuratezza delle risposte, qualità delle citazioni e isolamento delle autorizzazioni.

Raggiunti i requisiti di collaudo, ci si è estesi gradualmente a più scenari di business.

Valore per il business

L'azienda trasforma l'esperienza individuale in conoscenza organizzativa verificata e condivisibile.

I nuovi colleghi trovano più in fretta materiali affidabili, mentre i senior rispondono meno spesso a domande di base e dedicano il tempo a esigenze più complesse dei clienti.

Risultati del progetto (valori approssimativi): tasso di risoluzione al primo contatto circa +15 punti; tempo medio di gestione circa −35%; accuratezza delle citazioni nelle risposte circa 95%.

Indicatori monitorati nel tempo: tasso di risoluzione al primo contatto (FCR), tempo medio di gestione (AHT), efficacia della ricerca della conoscenza, tasso di riutilizzo della conoscenza, accuratezza delle citazioni nelle risposte, violazioni delle autorizzazioni.

Che cosa ci insegna questo caso

Una base di conoscenza aziendale non significa caricare tutti i file su un modello linguistico di grandi dimensioni.

Un'intelligenza della conoscenza davvero efficace richiede governance continua dei contenuti, gestione delle autorizzazioni, controllo delle versioni e valutazione della qualità.

Solo se le fonti di conoscenza sono affidabili, l'IA può diventare uno strumento di supporto ai dipendenti degno di fiducia.

*Per tutelare la riservatezza del cliente, le informazioni aziendali in questo caso sono state rese anonime, le schermate dell'interfaccia sono illustrative e i risultati sono valori approssimati e arrotondati.*