Smetti di ottimizzare i chatbot: perché l'assistenza clienti ha bisogno di un'orchestrazione agentica

Oggi, le soluzioni automatizzate risolvono solo circa il 14% delle domande dei clienti. I clienti si aspettano di fare una domanda a un chatbot, ottenere una risposta chiara, mettere a punto la domanda, cambiare direzione ed essere comunque compresi. Si aspettano che i sistemi mantengano il contesto, gestiscano l'ambiguità, ricordino le loro esigenze durante più sessioni e rispondano in modo naturale, perché chatbot consumer come ChatGPT offrono queste esperienze.

Poi, si rivolgono alla loro banca, alla compagnia assicurativa o al fornitore di servizi di telecomunicazione e si imbattono in una diversa esperienza con il loro team di servizio clienti. Si chiedono: "perché questo chatbot non funziona allo stesso modo di quello che uso io?"

Al contrario, ottengono flussi rigidi, domande ripetute e vicoli ciechi che li spingono a richiedere un agente umano. Quando ciò accade abbastanza spesso, i clienti perdono completamente la fiducia nei canali digitali. Potrebbero ricorrere a strumenti di AI esterni come interfaccia principale per comprendere prodotti, politiche e servizi, esponendo le aziende al rischio di perdere il controllo della relazione con il cliente.

Per i leader dell'assistenza clienti, la conseguenza di questa esperienza è immediata: aumento dei costi del servizio, calo della capacità di contenimento e deterioramento dell'esperienza del cliente. Sostituire gli agenti umani con chatbot che non riescono a risolvere problemi lascia i clienti frustrati e senza supporto. Quando un cliente non riesce a ottenere assistenza, non si limita a lasciar perdere, ma se ne va.

La maggior parte dell'automazione del servizio clienti si basava su un modello semplice: guidare il cliente attraverso un percorso predefinito. Premi 1 per questo, 2 per quello. Anche se i chatbot hanno sostituito i menu telefonici, l'architettura di base è rimasta sostanzialmente la stessa. Questi sistemi utilizzavano una logica basata su regole con un'AI limitata dietro le quinte. Potevano trasformare il parlato in testo, rilevare l'intento, catturare alcune entità e spostare gli utenti attraverso flussi predefiniti, ma solo quando la conversazione seguiva esattamente il percorso previsto dal sistema.

Tuttavia, i clienti cambiano idea, pongono domande di approfondimento e combinano diverse problematiche. Si aspettano che il sistema comprenda e interpreti correttamente il loro significato. Ecco dove le generazioni precedenti di automazione tendevano a fallire e perché molte organizzazioni continuano a vedere un basso contenimento nonostante anni di investimenti nell'automazione del servizio clienti.

Per soddisfare le crescenti aspettative, è necessario un approccio diverso. Un sistema che non costringa i clienti a percorsi rigidi, ma che sia in grado di comprendere le intenzioni, adattarsi in tempo reale e portare a termine il compito.

I problemi di servizio, ampi e complessi, diventano più gestibili quando vengono suddivisi in compiti più piccoli e mirati. Invece di chiedere a un sistema di fare tutto, le organizzazioni possono assegnare parti dell'interazione ad agenti AI specializzati.

Un operatore può avviare la conversazione e interpretare le esigenze del cliente. Contemporaneamente, un altro può recuperare informazioni rilevanti, mentre un terzo può eseguire una transazione come l'aggiornamento di un account o il controllo dello stato delle richieste, e così via. Ogni Agente AI svolge un compito specifico in modo eccellente e, insieme, contribuiscono a risolvere il problema nella sua interezza.

Questo modello è l'idea centrale dietro l'orchestrazione agentica nell'assistenza clienti. Sposta l'automazione da programmi monolitici if-then a un sistema coordinato di agenti AI progettato per la risoluzione.

Una cliente si trova ad affrontare un'emergenza medica e ha pochi contanti a disposizione per il mese. Deve richiedere una proroga per il pagamento di una rata dell'auto di 500 euro. Invece di chiamare il call center, si rivolge all'assistente AI della sua banca.

Ecco come un sistema agentico gestisce l'interazione:

• L'agente principale comprende la richiesta e la suddivide in attività.
• Un agente di credito recupera il suo punteggio di credito per valutare l'idoneità.
• Un agente di cronologia dei pagamenti controlla i mancati pagamenti negli ultimi anni.
• Un agente di idoneità al differimento verifica se ha richiesto un differimento recente.
• Un addetto al calcolo dei prestiti determina le condizioni aggiornate del prestito, inclusi gli interessi maturati e una nuova data di rimborso.

Ogni agente completa un compito specifico e condivide i risultati attraverso un livello contestuale condiviso. Il livello di orchestrazione assembla quindi il risultato e presenta le condizioni di prestito aggiornate al cliente per l'approvazione.

Se accetta:

1. Un agente aggiorna il contratto di prestito.
2. Un altro aggiorna il sistema CRM.
3. L'interazione si completa end-to-end senza richiedere un agente umano.

Nei sistemi tradizionali, ogni fase di questo processo avrebbe richiesto una logica esplicitamente programmata. Gli sviluppatori dovrebbero definire in anticipo ogni regola, condizione e possibile percorso, rendendo il sistema rigido e difficile da adattare.

Con l'orchestrazione agentica, il modello cambia. Invece di programmare ogni risultato, i team possono definire obiettivi, vincoli e politiche. Gli agenti determinano dinamicamente come completare il compito, entro i limiti stabiliti. Questo processo riduce significativamente i tempi di sviluppo, da settimane di programmazione a ore di configurazione, e risulta in sistemi molto meno fragili quando inevitabilmente si presenta la complessità del mondo reale.

Identifica i 10-15 intenti che generano il maggior volume, il maggior costo o la maggiore frustrazione dei clienti. In molte organizzazioni, ciò include casi d'uso come dispute sulla fatturazione, reclami, aggiornamenti dell'account, domande sullo stato della consegna o del servizio e altre interazioni che sono comuni e difficili da risolvere in modo efficiente.

Questi viaggi sono spesso quelli in cui gli aspetti economici risultano più chiari. Le interazioni automatizzate costano tipicamente tra 0,03 e 0,25 USD per chiamata, mentre le interazioni con agente umano variano da 3,00 a 6,50 USD per chiamata. Quando troppe di queste interazioni degenerano, le aziende rimangono intrappolate in un modello economico basato sui canali umani. L'opportunità è migliorare la percentuale di interazioni risolte attraverso l'automazione, soprattutto nei percorsi ad alto volume e ad alto attrito.

L'obiettivo non è rimuovere completamente gli agenti umani dal processo. Si tratta di coinvolgerli nei momenti opportuni, quando sono richiesti giudizio, empatia, capacità di negoziazione o gestione delle eccezioni.

Se eseguita bene, l'orchestrazione agentica migliora la qualità del passaggio umano trasmettendo tutto il contesto, riducendo la ripetizione e aiutando gli agenti a cogliere l'interazione senza costringere il cliente a ricominciare da capo.

Un altro vantaggio dell'orchestrazione è che crea un loop di feedback più forte.

Analizzando gli esiti delle interazioni e le prestazioni degli agenti, le organizzazioni possono perfezionare i workflow, migliorare il coordinamento tra gli agenti, individuare lacune nella conoscenza o nell'integrazione dei sistemi e aumentare costantemente i tassi di risoluzione nel tempo.

IBM watsonx Orchestrate dà ai team di assistenza clienti un modo per passare dall'automazione frammentata a un modello più coordinato e orientato all'azione. Permette alle organizzazioni di costruire e gestire agenti AI che lavorano su sistemi e workflow esistenti, aiutando i team a migliorare la risoluzione senza richiedere il rip-and-replace dell'ambiente del contact center.

Supporta inoltre un approccio di ecosistema aperto, includendo funzionalità vocali e conversazionali da partner come Deepgram e ElevenLabs. Questo approccio consente alle aziende di progettare esperienze con le tecnologie più recenti che riflettano meglio il modo in cui i clienti vogliono interagire.

La cosa più importante è che unisce coordinamento, azione e governance. Ciò significa che le organizzazioni di assistenza clienti possono fare più che generare risposte migliori: possono collegare le conversazioni ai sistemi aziendali, preservare il contesto tra le interazioni e operare entro i controlli richiesti dalle aziende. Il risultato è una base più solida per migliorare il contenimento, ridurre la dipendenza dagli agenti umani e fornire un'assistenza clienti più coerente su larga scala.

Guarda IBM watsonx Orchestrate in azione con Farmers State Bank

Esplora IBM watsonx Orchestrate