Il customer service nell'era dell'IA: come far convivere efficienza ed esperienza con l'assistenza intelligente

Il customer service è uno dei primi ambiti, e tra i più attivi, in cui le aziende hanno adottato l'IA. Dalle risposte automatiche fino agli agenti in grado di verificare un ordine o gestire un rimborso, l'assistenza intelligente permette davvero di gestire più richieste con meno personale. Ma i clienti non sempre apprezzano: risposte fuori tema o giri a vuoto senza riuscire a parlare con un operatore peggiorano l'esperienza e possono persino esporre l'azienda a responsabilità legali. L'obiettivo dell'assistenza intelligente non dovrebbe essere «ricevere meno telefonate», ma «risolvere i problemi dei clienti in modo più rapido e preciso»: efficienza ed esperienza vanno conteggiate insieme.

Come trovare allora l'equilibrio? In questo articolo presentiamo l'evoluzione dell'assistenza intelligente, dai bot a regole ai grandi modelli linguistici e agli agenti, l'atteggiamento reale dei clienti verso l'assistenza basata sull'IA, la lezione del caso del chatbot di Air Canada, quali richieste affidare all'IA, e poi i principi di progettazione, il metodo di avvio graduale e gli indicatori che contano davvero.

Come si è evoluta l'assistenza clienti intelligente?

L'assistenza intelligente ha attraversato grosso modo tre fasi: bot basati su regole, assistenti basati su grandi modelli linguistici e agenti di customer service. A ogni fase le capacità crescono, ma cambia anche il modo di sbagliare: da «non capisco» a «lo dice in modo così convincente che sembra vero, ma è sbagliato».

• Bot basati su regole. I primi chatbot di assistenza funzionavano con parole chiave e alberi di domande e risposte predefiniti. Se il cliente scriveva «reso», proponevano il link alla policy sui resi. Raramente dicevano cose sbagliate, ma appena la domanda usciva un po' dagli schemi previsti riuscivano solo a rispondere «non ho capito, prova a riformulare».
• Assistenti basati su grandi modelli linguistici. L'assistenza basata su un grande modello linguistico (LLM) comprende il linguaggio naturale e compone le risposte a partire dalla knowledge base, con un'esperienza di conversazione molto migliore. Ma dove la knowledge base non arriva può «improvvisare», fornendo risposte plausibili che però non rispettano la policy aziendale.
• Agenti di customer service. Un agente di IA non si limita a rispondere: può richiamare i sistemi aziendali per eseguire operazioni, per esempio controllare una spedizione, modificare l'indirizzo di consegna o avviare un rimborso. Risolve più problemi e, se sbaglia, le conseguenze ricadono direttamente su ordini e denaro.

Questo cambiamento sta avvenendo rapidamente. Il rapporto «State of Service: AI Agents Edition» di Salesforce, pubblicato a maggio 2026, ha coinvolto 3.075 professionisti del customer service e rileva che la quota di organizzazioni di assistenza che usano agenti è salita dal 39% del 2025 al 66% del 2026; tra i team che già li usano, il 70% dichiara di aver visto un valore misurabile entro 60 giorni dall'implementazione (fonte). Va precisato che l'indagine è stata promossa da un fornitore di software per l'assistenza clienti e che gli intervistati sono professionisti del settore, non clienti finali: le conclusioni riflettono quindi la percezione lato azienda.

Come vedono i clienti l'assistenza basata sull'IA?

Le aziende sono entusiaste dell'IA nell'assistenza, i clienti decisamente più cauti. Ciò che i clienti temono davvero non è l'«IA» in sé, ma di essere tenuti fuori dalla porta dall'IA, senza riuscire a trovare qualcuno in grado di risolvere il problema.

Gartner ha intervistato 5.728 clienti a dicembre 2023 e ha pubblicato i risultati a luglio 2024: il 64% dei clienti preferirebbe che le aziende non usassero l'IA nel customer service e il 53% dichiara che, venendo a sapere che un'azienda usa l'IA nell'assistenza, valuterebbe di passare a un concorrente. La preoccupazione principale è «diventa più difficile raggiungere un operatore umano», seguita dal timore che l'IA sostituisca posti di lavoro e che dia risposte sbagliate (fonte). L'indagine è stata conclusa a fine 2023 e da allora capacità e diffusione dell'assistenza basata sull'IA sono cambiate molto, per cui le percentuali di oggi potrebbero non essere le stesse; tuttavia, le diverse preoccupazioni dei clienti restano un riferimento valido.

Tra aziende e clienti c'è anche un evidente divario di percezione. Il già citato rapporto Salesforce mostra che il 65% dei professionisti del customer service ritiene che i propri clienti si fidino pienamente dell'IA, mentre l'indagine sui consumatori di Metrigy, citata nello stesso rapporto, rileva che solo il 44% dei consumatori si fida dell'IA per gestire le proprie esigenze di assistenza (fonte).

Anche il giudizio di Gartner stessa è piuttosto misurato. A settembre 2025 prevede che, entro il 2028, nessuna delle aziende Fortune 500 avrà eliminato completamente il customer service umano; e che, entro il 2027, la metà delle aziende che avevano pianificato di ridurre drasticamente il personale di assistenza grazie all'IA abbandonerà il progetto perché non raggiungerà l'obiettivo di un servizio «senza persone» (fonte). Secondo gli analisti di Gartner, l'IA fatica ancora a gestire eccezioni e scenari ad alto rischio, e la direzione più realistica è un modello ibrido «persone più IA», non un contact center completamente privo di operatori.

Che cosa insegna il caso del chatbot di Air Canada?

Il caso Moffatt v. Air Canada del 2024 è la lezione più citata nel campo dell'assistenza intelligente. Dimostra un principio semplice: ciò che dice il chatbot di assistenza è ciò che dice l'azienda.

Secondo la decisione del Civil Resolution Tribunal della Columbia Britannica (Canada) del 14 febbraio 2024, i fatti sono in sostanza i seguenti (fonte):

• A novembre 2022 muore la nonna del passeggero Jake Moffatt. Sul sito di Air Canada, Moffatt chiede al chatbot di assistenza informazioni sulle tariffe agevolate per lutto.
• Il bot gli dice che può acquistare il biglietto a prezzo pieno e, dopo il viaggio, chiedere entro 90 giorni dalla data di emissione il rimborso della differenza secondo la tariffa agevolata. La pagina ufficiale collegata nella risposta del bot, però, precisava che la tariffa per lutto non si applica alle richieste presentate dopo la conclusione del viaggio.
• Moffatt acquista il biglietto di andata e ritorno secondo quanto detto dal bot e, in seguito, la richiesta di rimborso della differenza viene respinta. Air Canada ammette che l'indicazione del bot era fuorviante, ma sostiene di non dover rispondere delle informazioni fornite dai propri agenti o rappresentanti, chatbot compreso.
• Il tribunale ritiene che ciò equivalga a dire che il chatbot sia un soggetto giuridico autonomo, responsabile delle proprie azioni, definisce la tesi «un'argomentazione straordinaria» e conclude infine che Air Canada ha commesso una dichiarazione inesatta per negligenza. La decisione osserva che il chatbot, pur essendo interattivo, resta comunque una parte del sito web di Air Canada, e che l'azienda è responsabile di tutte le informazioni presenti sul sito, che provengano da una pagina statica o da un chatbot.
• Alla fine, Air Canada è condannata a risarcire la differenza di 650,88 dollari canadesi che, con interessi e spese del procedimento, arriva a un totale di 812,02 dollari canadesi.

L'importo è modesto, ma l'impatto è profondo. Per le aziende, il caso offre almeno tre indicazioni: primo, non si può scaricare la responsabilità dicendo «l'ha detto il bot»; secondo, i dettagli di policy contenuti nelle risposte del bot devono coincidere con la policy ufficiale, perché quando le due versioni sono in contrasto è difficile pretendere che il cliente «verifichi da sé»; terzo, le promesse su rimborsi, compensazioni ed eccezioni di prezzo sono quelle che generano più facilmente problemi e richiedono confini più rigorosi.

Quali richieste affidare all'IA e quali passare a un operatore?

Per decidere chi deve gestire una richiesta contano soprattutto due aspetti: quanto è chiara la risposta e quanto costa un errore. Le richieste con risposta chiara, verificabile e facilmente correggibile in caso di errore sono adatte all'IA; quelle che implicano giudizio, emozioni, denaro o conseguenze legali devono andare a una persona, o almeno essere confermate da una persona.

La tabella seguente è un riferimento comune per la ripartizione:

La tabella ha valore indicativo: i confini concreti vanno adattati alle caratteristiche del settore, ai requisiti normativi e alla tolleranza al rischio dell'azienda.

Quali principi seguire nella progettazione dell'assistenza intelligente?

Una buona assistenza intelligente non cerca di «far sì che il cliente non trovi un operatore», ma di «permettergli di risolvere il problema nel percorso più breve». Il cuore dei cinque principi che seguono è che il cliente sappia sempre con chi sta parlando e chi risponde del problema.

Passaggio a un operatore sempre possibile. L'accesso al passaggio a un operatore deve essere evidente e facile da trovare, non nascosto dopo vari turni di conversazione. Nell'indagine citata, Gartner consiglia che, quando il bot non riesce a risolvere il problema, dica proattivamente al cliente che lo passerà a un operatore (fonte).

Dichiarare di essere un'IA. Far sapere al cliente fin dall'inizio che dall'altra parte c'è un'IA è un segno di rispetto e aiuta a gestire le aspettative. Per le aziende che si rivolgono a clienti dell'UE, è ormai un obbligo di legge: l'articolo 50, paragrafo 1, del Regolamento sull'intelligenza artificiale dell'UE (Regulation (EU) 2024/1689) stabilisce che i fornitori garantiscano che i sistemi di IA destinati a interagire direttamente con persone fisiche siano progettati in modo che le persone sappiano di interagire con un sistema di IA, salvo che ciò risulti evidente per una persona ragionevolmente informata, attenta e avveduta; il paragrafo 5 richiede che tali informazioni siano fornite in modo chiaro e distinguibile al più tardi al momento della prima interazione (fonte). Ai sensi dell'articolo 113, questi obblighi si applicano dal 2 agosto 2026; ai sensi dell'articolo 99, la violazione degli obblighi di trasparenza dell'articolo 50 può comportare sanzioni fino a 15 milioni di euro o al 3% del fatturato annuo mondiale, se superiore. L'analisi dello studio legale irlandese McCann FitzGerald di luglio 2026 osserva che il successivo «Digital Omnibus» dell'UE ha modificato soltanto i tempi di applicazione ai sistemi esistenti dell'articolo 50, paragrafo 2 (marcatura leggibile da macchina dei contenuti generati dall'IA), mentre l'obbligo di informativa per i chatbot continua a seguire il calendario di agosto 2026 (fonte). Per la ripartizione concreta delle responsabilità di conformità, è consigliabile rivolgersi a un legale.

Passare il contesto al momento del trasferimento. Dopo il passaggio a un operatore, ciò che i clienti sopportano meno è dover raccontare di nuovo il problema da capo. Il bot dovrebbe consegnare all'operatore l'identità del cliente, le informazioni già confermate, le operazioni già tentate e la cronologia della conversazione. Anche Gartner raccomanda un passaggio «senza soluzione di continuità», in cui l'operatore riprenda dal punto in cui il bot si è interrotto.

Nessuna promessa oltre le proprie competenze. Il caso Air Canada ha già mostrato che la promessa del bot è la promessa dell'azienda. Per tutto ciò che riguarda importi di rimborso, risarcimenti ed eccezioni di prezzo, il bot può solo illustrare policy e procedure, senza promettere in autonomia; se necessario, la conferma passa a un operatore con l'autorità per darla.

Rispondere solo con una knowledge base reale e aggiornata. Le risposte del bot devono basarsi su documenti di policy, schede prodotto e dati di business verificati dall'azienda, e per quanto possibile indicare la fonte; per ciò che non è nella knowledge base, meglio rispondere «serve la conferma di un operatore» che lasciare che il modello faccia supposizioni. Quando una policy cambia, la knowledge base va aggiornata in parallelo.

Come avviare gradualmente l'assistenza intelligente e quali indicatori osservare?

Il modo più prudente di avviare l'assistenza intelligente è partire da richieste circoscritte e a basso rischio, lasciando che siano i dati a indicare il passo successivo. Prima si dimostra che sa risolvere bene le richieste semplici, poi si amplia gradualmente il suo perimetro.

Passo 1: analizzare le richieste esistenti e individuare quelle frequenti e semplici. Esporta i ticket e le chat degli ultimi mesi e conta, per tipo di richiesta, volumi e tempi di gestione. In genere poche categorie (come stato degli ordini, fatture, tempi di consegna) coprono gran parte delle richieste: sono il punto di partenza ideale.

Passo 2: riordinare e verificare la knowledge base. Riunisci policy, schede prodotto e domande frequenti in una versione unica e aggiornata, e assegna una persona responsabile della manutenzione. La qualità della knowledge base determina il limite massimo delle risposte del bot.

Passo 3: progettare le regole di passaggio a un operatore e il processo di trasferimento. Definisci quali richieste vanno direttamente a una persona, in quali casi il bot deve fermarsi e quali informazioni trasmettere al trasferimento. Assicurati inoltre che i turni degli operatori siano in grado di assorbire le richieste trasferite.

Passo 4: test interni e funzionamento in ombra. Fai prima simulare ai dipendenti le domande dei clienti; poi lascia che il bot elabori in background richieste reali, generando solo risposte suggerite che una persona confronta e verifica. Controlla soprattutto che non sbagli su dettagli di policy, importi ed eccezioni.

Passo 5: avvio su scala ridotta, poi ampliamento graduale. Apri prima su un solo canale o su un solo tipo di richiesta, per esempio solo le richieste sullo stato degli ordini sul sito; quando le prestazioni sono stabili, estendi a più canali e ad attività operative.

Passo 6: revisione continua e ciclo di miglioramento. Ogni settimana verifica a campione le conversazioni, analizzando in particolare i casi di passaggio a un operatore, le valutazioni negative dei clienti e le richiamate ripetute, e usali per integrare la knowledge base e adeguare le regole.

Nel misurare l'assistenza intelligente, l'errore più comune è guardare solo al «tasso di contenimento» (containment rate), cioè quante richieste non vengono passate a un operatore. Un tasso di contenimento alto può significare che i problemi sono stati risolti, ma anche che i clienti non hanno trovato un operatore e hanno rinunciato. Un approccio più affidabile è considerare insieme indicatori di efficienza e di esperienza:

• Tasso di risoluzione. Se il problema del cliente è stato davvero risolto, valutabile con la conferma a fine conversazione o con un successivo ricontatto.
• Tasso di ricontatto. Quando lo stesso cliente ricontatta in poco tempo per lo stesso problema, spesso significa che la volta precedente non era stato risolto.
• Tasso di passaggio a un operatore e relativi motivi. Un tasso di passaggio più basso non è di per sé migliore: conta analizzarne le cause, cioè se dipende da capacità insufficienti del bot, da lacune nella knowledge base o dal fatto che la richiesta andava comunque gestita da una persona.
• Soddisfazione del cliente. Misura separatamente la soddisfazione per le richieste gestite dall'IA e da operatori umani, prestando particolare attenzione a come cambia dopo il passaggio dal bot a una persona.
• Errori e reclami. Monitora i reclami causati da informazioni errate o promesse improprie del bot: anche se pochi, vanno riesaminati uno per uno.

Domande frequenti sull'assistenza clienti basata sull'IA

Le piccole e medie imprese hanno bisogno dell'assistenza intelligente? Se i volumi di richieste sono alti e i problemi ripetitivi, vale la pena valutarla; se i volumi sono contenuti e i clienti apprezzano soprattutto il contatto umano, si può partire dal riordino della knowledge base e dalle risposte automatiche. L'importante è prima calcolare quali richieste assorbono più risorse.

Bisogna dire ai clienti che stanno parlando con un'IA? Sì, è consigliabile. Aiuta a costruire fiducia e a gestire le aspettative; per i servizi rivolti a utenti dell'UE, dal 2 agosto 2026 è anche un requisito dell'articolo 50 del Regolamento sull'intelligenza artificiale.

Se il bot sbaglia, l'azienda ne risponde? Dal caso Air Canada risulta che un'azienda difficilmente può sottrarsi alla responsabilità sostenendo che «l'ha detto il bot». Per questo conviene limitare le promesse del bot su rimborsi, risarcimenti e simili, e verificare periodicamente che le sue risposte coincidano con la policy ufficiale.

Con l'assistenza intelligente si può ridurre drasticamente il personale di assistenza? Con cautela. Gartner prevede che la metà delle aziende che pianificano di ridurre drasticamente il personale di assistenza grazie all'IA abbandonerà il progetto entro il 2027. L'approccio più prudente è lasciare all'IA le richieste semplici e ripetitive e concentrare l'energia degli operatori sui casi complessi e sulla relazione con il cliente.

Fonti

• State of Service: AI Agents Edition (comunicato: AI service agents improve customer satisfaction), Salesforce, maggio 2026
• Gartner Survey Finds 64% of Customers Would Prefer That Companies Didn't Use AI For Customer Service, Gartner, luglio 2024
• Gartner Predicts None of the Fortune 500 Companies Will Have Fully Eliminated Human Customer Service by 2028, Gartner, settembre 2025
• Moffatt v. Air Canada, 2024 BCCRT 149, Civil Resolution Tribunal (Columbia Britannica, Canada), febbraio 2024
• Regulation (EU) 2024/1689 (Artificial Intelligence Act), EUR-Lex, giugno 2024
• One Month to Go: EU AI Act Transparency Compliance, McCann FitzGerald, luglio 2026