La diffusione dell’intelligenza artificiale nei processi d’impresa ha raggiunto una quota quasi totale, ma la capacità di generare ritorni finanziari concreti rimane un traguardo insospettabilmente complesso. I dati presentati dall’Osservatorio Omnichannel Customer Experience degli Osservatori Digital Innovation del Politecnico di Milano mettono in luce una profonda distanza tra la semplice adozione di strumenti tecnologici e la capacità reale di migliorare la relazione con i clienti e i conti aziendali. L’analisi emersa dalle rilevazioni della ricerca evidenzia come l’efficacia delle soluzioni digitali sia direttamente condizionata dalle scelte strutturali, dall’organizzazione interna e dalla riprogettazione dei flussi operative e commerciali.
Indice degli argomenti
Il divario tra adozione dell’AI e ritorni sul conto economico
I numeri descrivono una penetrazione capillare delle nuove tecnologie nelle imprese, accompagnata tuttavia da diffuse difficoltà nel tradurre tali strumenti in benefici economici misurabili. Ilaria Nicolosi, Analista dell’Osservatorio Omnichannel Customer Experience del Politecnico di Milano, ha inquadrato la questione introducendo i risultati dell’indagine condotta dall’ateneo.
Sul fronte dell’apertura verso l’innovazione, l’indagine svolta dall’Osservatorio mostra una risposta unanime da parte delle aziende. Nessuna realtà dichiara infatti di voler escludere l’intelligenza artificiale dai propri piani: l’81% delle aziende adotta già soluzioni di AI, mentre il restante 19% sta iniziando a lavorarci. A fronte di questo panorama di adozione generalizzata, i riscontri di natura economica rivelano uno scenario opposto. Uno studio internazionale citato dalla ricerca e condotto dal MIT evidenzia che il 95% dei progetti aziendali di Generative AI non produce alcun ritorno misurabile sul conto economico.
Il motivo di questa distanza risiede nella natura stessa dei progetti aziendali. L’evoluzione della customer experience non fallisce a causa di deficit tecnologici, ma per barriere legate alla struttura organizzativa. In questo ambito trova applicazione la regola 10-20-70, un modello empirico secondo cui il 10% del successo dipende dagli algoritmi, il 20% dalle tecnologie e dai dati, mentre il 70% della sfida è concentrato su persone e processi.
Automatizzare i vecchi flussi o riprogettare la customer experience
I riscontri emersi indicano tre elementi di attenzione essenziali per l’evoluzione dei modelli operativi.
Il primo elemento riguarda l’inefficacia dell’automazione applicata a strutture obsolete. Nicolosi ha riportato l’esito di un progetto emblematico: «Non basta automatizzare il processo esistente: in un caso nell’ambito banking & insurance, l’inserimento di un chatbot all’interno di un processo preesistente non ha prodotto alcun risultato e, dopo diversi mesi di lavoro, non è stato effettuato alcun rilascio.»
Il secondo punto dimostra come il fattore determinante sia la revisione completa delle procedure aziendali. Nicolosi ha rimarcato questo aspetto citando l’esperienza di un operatore di telecomunicazioni: «L’importanza di ridisegnare il processo: è il ridisegno che crea il vero valore, non il semplice inserimento di un agente AI. Un’azienda telco ci raccontava che il valore è arrivato quando è stato ridisegnato interamente il processo commerciale.»
Il terzo elemento chiama in causa la necessità di un assetto organizzativo adeguato, in grado di connettere reparti differenti garantendo la coerenza dell’esperienza del cliente. Durante la presentazione della ricerca, Nicolosi ha spiegato: «Serve una nuova organizzazione: l’AI collega le diverse funzioni, ma richiede sempre governance e supervisione umana, mantenendo centrale la customer centricity per costruire un’esperienza realmente integrata. Questo obiettivo preesisteva all’AI, ma oggi l’AI accelera e potenzia il percorso, rendendo necessario ripensare organizzazione e processi.»
Dai silos aziendali all’orchestrazione end-to-end
L’Osservatorio ha ricostruito la traiettoria evolutiva seguita dalle organizzazioni nella gestione della customer experience, identificando tre modelli distinti che riflettono diversi livelli di maturità operativa.
Il modello a silos e la frammentazione del servizio
Nel modello a silos, le diverse funzioni aziendali, in particolare marketing, vendite e customer service, lavorano in modo del tutto separato. Il marketing definisce strategie rivolte a macro-segmenti e gestisce manualmente la creazione dei contenuti; la rete di vendita cura in autonomia la qualifica dei lead; l’assistenza clienti risponde alle richieste affidandosi alle decisioni dei singoli operatori. Per quanto sia un approccio superato, esso rappresenta ancora una realtà per diverse organizzazioni, generando inevitabili discontinuità lungo il percorso del cliente.
Il modello coordinato e il fenomeno del “lift and shift”
Nel modello coordinato, le funzioni aziendali iniziano a strutturare flussi di lavoro più interconnessi. La supervisione umana continua a mantenere un ruolo centrale nella definizione della strategia, negli aspetti creativi e nella gestione delle interazioni ad alta carica emotiva. Tuttavia, in questa fase emerge la difficoltà di stabilire i confini operativi tra l’attività dell’operatore umano e quella degli agenti virtuali, stabilendo quali richieste delegare all’AI e quando attivare l’escalation verso il personale.
Questo assetto risente in modo marcato del limite teorizzato dal MIT come “lift and shift”, ossia la tendenza a sovrapporre sistemi di intelligenza artificiale sopra processi datati senza modificarne la struttura. È proprio questa mancata riprogettazione a far sì che il 95% dei progetti pilota non riesca a produrre ritorni finanziari.
Il modello orchestrato e la memoria condivisa del cliente
Il modello orchestrato, definito come approccio end-to-end, vede la presenza di un sistema centrale di intelligenza artificiale che agisce da copilota per l’organizzazione. Questo sistema co-progetta e coordina i flussi di lavoro lungo l’intero customer journey. In questa configurazione, l’utente non percepisce più la separazione tra i vari dipartimenti aziendali, ma si muove all’interno di un percorso unitario.
Ogni interazione alimenta una memoria condivisa, definita come customer intelligence continua, che mette a disposizione una base informativa unica per tutti gli agenti di intelligenza artificiale e gli operatori umani. La supervisione delle persone resta fondamentale per guidare le strategie, stabilire gli obiettivi e mantenere una governance rigorosa. Raggiungere questo livello di integrazione richiede la crescita parallela delle piattaforme tecnologiche e delle strutture organizzative, unita a una marcata flessibilità aziendale.
Dalla sperimentazione alla governance degli strumenti di customer experience
Il passaggio da una fase caratterizzata da progetti pilota isolati verso un’adozione strutturata e diffusa richiede l’introduzione di regole e metodologie di controllo. Il moderatore dell’incontro, Nicola Spiller, ha posto l’accento sulla necessità di questo salto qualitativo chiedendo: «Le aziende hanno sperimentato l’introduzione dell’AI nella CX con progetti pilota e trial veloci. Ora bisogna fare il salto da una logica di sperimentazione a un’introduzione sistematica. Tra le parole chiave citate c’è la governance, cioè il governare una tecnologia disruptive nell’organizzazione. Dalla vostra esperienza, quali sono i rischi che le aziende incontrano se affrontano questa sfida senza un’adeguata governance?»
Rispondendo al quesito, Domenico Violante, Partner responsabile Customer Technology & AI di EY, ha richiamato l’attenzione sull’ampiezza dell’offerta tecnologica oggi disponibile sul mercato: «C’è una proliferazione di soluzioni di AI e LLM facilmente disponibili e accessibili a costi contenuti. Se facciamo una lista di strumenti AI nella CX, troviamo: Microsoft Copilot, ChatGPT, Google Gemini, Salesforce Agentforce, ServiceNow AI Assistant, Perplexity, Claude, Adobe GenStudio, Midjourney e molti altri. Ognuno ha caratteristiche proprie.»
L’accessibilità economica e la presenza di molteplici strumenti sul mercato rendono indispensabile l’adozione di un piano di governance coordinato. Senza una guida strategica definita, l’impiego frammentato di queste soluzioni rischia di accentuare la separazione tra le funzioni aziendali, compromettendo la coerenza della customer experience e ostacolando il raggiungimento di risultati di business stabili e duraturi.
Partecipa alla community