Chatbot e assistenti AI nel customer journey

Fino a poco tempo fa, un chatbot su un sito era quasi sempre uno strumento con menu a scelta multipla e risposte precompilate, utile solo per le domande più semplici. I chatbot basati su modelli linguistici di ultima generazione funzionano in modo diverso: leggono la domanda in linguaggio naturale, cercano la risposta nella documentazione dell'azienda e la formulano in tempo reale. Questa lezione guarda a come questi assistenti si inseriscono nel percorso che un cliente compie dal primo contatto all'acquisto, e dove restano dei limiti da conoscere.

## In breve

Gli assistenti AI conversazionali non sono più confinati al servizio clienti: piattaforme come Intercom Fin e customer journey, assistenza, vendita, ecommerce, passando da uno all'altro in base al contesto della conversazione. Il meccanismo alla base è quasi sempre la retrieval-augmented generation (RAG): il sistema recupera le informazioni pertinenti dalla documentazione dell'azienda e le usa per generare una risposta ancorata a fonti reali, invece di "inventare" sulla base della sola conoscenza generale del modello. Le percentuali di risoluzione automatica pubblicizzate dai vendor variano molto da un caso all'altro e vanno lette con cautela: non sono un risultato garantito per ogni implementazione.

Che cos'è

Un assistente AI conversazionale è un sistema che interpreta il linguaggio naturale di chi scrive, recupera le informazioni pertinenti da una base di conoscenza (documentazione, articoli di supporto, cataloghi prodotto, policy aziendali) e genera una risposta in tempo reale, spesso capace di eseguire azioni concrete (aprire un ticket, proporre un rimborso, prenotare un appuntamento) oltre che rispondere.

Nel customer journey, questi assistenti possono intervenire in fasi diverse: durante la scoperta (rispondere a domande su prodotti prima dell'acquisto), durante la decisione (confrontare opzioni, gestire obiezioni), durante il post-vendita (assistenza, gestione ordini). Intercom, per esempio, distingue esplicitamente ruoli Fin for Service, Sales, Ecommerce, proprio per riflettere questa presenza lungo tutto il percorso, non solo nell'assistenza post-acquisto.

Cosa NON è

Un assistente AI ben progettato non è un sistema che risponde a tutto senza supervisione umana. La quasi totalità delle piattaforme serie prevede un meccanismo di escalation: quando il sistema non è sufficientemente sicuro della risposta, o rileva contenuti ad alto rischio (temi medici, legali, finanziari, o situazioni sensibili), escalation a operatore umano invece di rispondere comunque. Non è nemmeno, ancora oggi, un sostituto completo dell'assistenza umana per le richieste complesse o che richiedono empatia genuina: resta uno strumento che scala le domande ripetitive, non che elimina il bisogno di persone.

Come funziona

Il funzionamento tipico si articola in tre passaggi. Primo, l'ingestione: il sistema legge e indicizza i contenuti dell'azienda (centro assistenza, PDF, pagine web, policy interne). Secondo, il recupero: quando arriva una domanda, il sistema cerca nella base di conoscenza i passaggi più pertinenti, questo è il cuore della retrieval-augmented generation, pensata proprio per ridurre le "allucinazioni" tipiche di un modello linguistico che risponde solo dalla sua conoscenza generale. Terzo, la generazione: il sistema formula una risposta basata su quei passaggi, nel tono di voce configurato, e la restituisce all'utente o esegue un'azione se necessario.

Sul fronte della misurazione, le piattaforme di settore parlano di un "tasso di risoluzione" o "automation rate" come indicatore chiave, conversazioni chiuse dall'AI. Questo numero varia moltissimo in base al settore, alla qualità della documentazione caricata e alla complessità delle domande: i valori comunicati pubblicamente dai vendor per i propri casi migliori non vanno considerati una media realistica per qualunque azienda.

## Perché conta

Il motivo per cui questi strumenti contano nel marketing, e non solo nel customer service, è che intervengono in un momento del customer journey che prima restava spesso senza risposta immediata: la domanda fatta fuori orario, il dubbio dell'ultimo minuto prima di completare un acquisto, la richiesta di confronto tra due prodotti. Gartner prevede che AI gestirà interazioni di ricerca, un segnale di quanto le persone si stiano abituando a interagire con sistemi conversazionali invece che con pagine statiche. Rispondere a un dubbio in tempo reale, invece che 24 ore dopo via email, può fare la differenza tra una conversione e un abbandono.

## Esempio lampante

Immagina una piattaforma SaaS B2B che vende un software di gestione magazzino, con un ciclo di vendita che prevede spesso domande tecniche prima della demo.

### INPUT

il team commerciale nota che molte richieste di demo arrivano da persone che poi non si presentano all'appuntamento, spesso perché avevano un dubbio tecnico irrisolto (compatibilità con un gestionale specifico, per esempio) che non hanno posto prima.

### ANALISI

il sito non ha nessun canale per rispondere a domande tecniche prima della richiesta di demo: l'unica opzione è compilare un form e aspettare una risposta via email, spesso il giorno dopo. Nel frattempo, chi ha un dubbio semplice ("è compatibile con [gestionale X]?") spesso abbandona senza nemmeno prenotare.

### DECISIONE

si implementa un assistente AI addestrato sulla documentazione tecnica di compatibilità e sulle domande frequenti pre-vendita, con l'obiettivo dichiarato di rispondere a queste domande specifiche prima della richiesta di demo, e con un'escalation immediata al commerciale per domande su prezzo o casi non standard.

### OUTPUT

una riduzione delle richieste di demo "a vuoto" (senza presentazione), perché chi arriva alla prenotazione ha già risolto i dubbi tecnici di base, e un canale in più che qualifica i lead prima ancora del primo contatto umano.

Come farlo

1. Definisci il ruolo dell'assistente prima di implementarlo: serve per l'assistenza post-vendita, per qualificare lead pre-vendita, per accompagnare la decisione d'acquisto? Il ruolo determina quali contenuti servono come base di conoscenza.
2. Costruisci una base di conoscenza solida prima di lanciare: un assistente è utile solo quanto i contenuti su cui si basa. Documentazione incompleta o non aggiornata produce risposte incomplete o sbagliate.
3. Imposta regole di escalation chiare per i casi in cui il sistema non è sicuro, per le domande sensibili, e per quando l'utente chiede esplicitamente di parlare con una persona.
4. Personalizza tono di voce e lunghezza delle risposte in coerenza con il resto della comunicazione del brand, un assistente troppo formale o troppo informale rispetto al resto del sito stona.
5. Misura il tasso di risoluzione reale sul tuo caso, non fidarti solo dei numeri comunicati dal fornitore, e monitora periodicamente le conversazioni non risolte per capire dove mancano contenuti.

## Errori comuni

Lanciare l'assistente senza una base di conoscenza aggiornata

Un sistema addestrato su documentazione vecchia risponde con sicurezza anche quando l'informazione non è più corretta.

Non prevedere un'escalation chiara verso un umano

Un utente bloccato in un loop di risposte automatiche che non risolvono il problema è un'esperienza peggiore di nessun assistente.

Prendere per buone le percentuali di risoluzione pubblicizzate dai vendor come garanzia per il proprio caso. Sono risultati medi su larga scala, spesso relativi ai clienti con l'implementazione più matura: il proprio tasso reale va misurato, non assunto.

Usare l'assistente solo per l'assistenza, ignorando le altre fasi del funnel

Molte aziende limitano questi strumenti al post-vendita, perdendo l'opportunità di usarli anche per qualificare lead o rispondere a dubbi pre-acquisto.

Quando NON serve

Per attività con un volume di richieste molto basso, o con un catalogo di domande così vario e specifico da non poter essere coperto da una base di conoscenza strutturata, un assistente AI rischia di generare più frustrazione che valore, meglio un contatto diretto (telefono, email personalizzata) gestito da una persona. Anche per interazioni ad alto valore emotivo o relazionale (una vendita consulenziale complessa, un reclamo delicato), affidarsi solo all'automazione, senza un rapido accesso a un umano, può danneggiare la relazione più di quanto la velocità di risposta la migliori.

## In sintesi

Gli assistenti AI conversazionali, quando sono costruiti su una base di conoscenza solida e con regole di escalation chiare, possono intervenire in più fasi del customer journey, non solo nell'assistenza post-vendita, rispondendo in tempo reale a dubbi che prima restavano senza risposta immediata. I tassi di risoluzione comunicati dai fornitori vanno trattati come riferimenti di scenario, non come garanzie: il dato che conta è quello misurato sul proprio caso specifico, dopo l'implementazione.

## Cosa imparare dopo

Campagne automatizzate, segmentazione predittiva e assistenti conversazionali sono tre pezzi dello stesso quadro più ampio, nella prossima lezione li mettiamo insieme parlando di automazione del marketing con l'AI nel suo complesso, dai workflow trigger-based agli agenti che eseguono azioni in autonomia.