AI nel supporto: dalla risposta automatica a un nuovo sistema di servizio

Il passaggio dagli assistenti agli agenti

Nel supporto, la prima ondata di AI si è concentrata sulla risposta: suggerire articoli, classificare ticket, riassumere conversazioni e assistere l’operatore. La nuova fase riguarda invece l’esecuzione. Un agente può raccogliere il contesto, interrogare fonti autorizzate, avviare workflow, verificare l’esito e comunicare con l’utente. È un cambiamento sostanziale perché l’AI non si limita più a produrre testo: partecipa alla catena operativa.

Il Work Trend Index 2026 di Microsoft descrive un divario tra la capacità crescente delle persone di usare AI e sistemi organizzativi ancora non pronti a catturarne il valore. Nel Service Desk questo divario è particolarmente evidente. È relativamente semplice dimostrare un chatbot; è molto più complesso inserirlo in processi con identità, autorizzazioni, segregazione dei compiti, dati personali, audit e responsabilità chiare.

La qualità della conoscenza diventa infrastruttura

Un agente è affidabile quanto il contesto che può utilizzare. Articoli obsoleti, duplicati, privi di ownership o scritti senza distinguere tra informazione e procedura producono risposte apparentemente fluide ma operativamente deboli. Con l’AI, il knowledge management smette definitivamente di essere un archivio accessorio e diventa una componente dell’infrastruttura di servizio.

Questo richiede un ciclo editoriale: proprietari nominati, date di revisione, livelli di autorizzazione, feedback proveniente dalle risoluzioni, analisi delle ricerche senza esito e ritiro controllato dei contenuti. Anche le conversazioni risolte possono diventare segnali utili, ma non dovrebbero alimentare automaticamente la conoscenza senza controllo, perché potrebbero incorporare eccezioni, errori o dati sensibili.

• Contenuti separati per pubblico, rischio e livello di autorizzazione.
• Procedure con prerequisiti, controlli di esito e percorso di rollback.
• Ownership e revisione periodica della conoscenza.
• Feedback degli operatori e degli utenti integrato nel miglioramento.

Human handoff come capacità progettata

Le persone non devono essere considerate il fallback di un’automazione fallita. Il passaggio a un operatore è una capacità del servizio e va disegnato con la stessa cura del percorso automatico. L’agente deve riconoscere bassa confidenza, impatto elevato, ambiguità, rischio o segnali emotivi; trasferire contesto e azioni già compiute; evitare che l’utente ripeta tutto da capo; lasciare chiara evidenza della decisione.

Le ricerche di ServiceNow sul customer service evidenziano una tensione utile anche per l’IT interno: gli utenti apprezzano velocità e accuratezza dell’AI, ma continuano a preferire interazioni umane nei casi che richiedono qualità relazionale e giudizio. Non è un argomento contro l’automazione. È un invito a progettare il rapporto umano-AI come un unico flusso, non come due canali in competizione.

Governance prima della scala

Un agente con accesso a password reset, provisioning, configurazioni o dati operativi amplia la superficie di rischio. Per questo l’adozione dovrebbe procedere per casi d’uso classificati: informativi, transazionali a basso rischio, transazionali con approvazione e attività non delegabili. A ogni classe corrispondono controlli, log, autorizzazioni, limiti e supervisione differenti.

Occorrono inoltre una responsabilità di prodotto, una responsabilità di servizio e una responsabilità sul rischio. Il modello deve chiarire chi approva il caso d’uso, chi verifica la qualità, chi gestisce incidenti generati dall’automazione e chi può sospenderla. L’AI è una componente del sistema di servizio: va governata nel suo intero ciclo di vita, inclusi modelli, prompt, fonti, integrazioni e metriche.

Le metriche che evitano l’illusione dell’automazione

Contare conversazioni o ticket deviati è insufficiente. La misura più interessante è la risoluzione automatica verificata: l’utente ha ottenuto l’outcome, il servizio ha controllato l’esito e non è ricomparsa domanda sullo stesso tema entro una finestra coerente. A questa vanno aggiunti tasso di escalation, accuratezza, effort risparmiato, errori recuperati, qualità del passaggio umano e soddisfazione per tipologia di caso.

Il beneficio manageriale più promettente non è soltanto fare di più con meno. È liberare capacità umana per problemi complessi, relazione, miglioramento e prevenzione. Se l’AI riduce i contatti semplici ma lascia agli operatori soltanto casi difficili, anche workforce management, competenze e metriche individuali devono evolvere. Un tempo medio più alto potrebbe essere il segnale di un lavoro più complesso, non di una performance peggiore.

Una roadmap responsabile

Un percorso credibile parte da pochi casi ad alta frequenza e basso rischio, con baseline misurate prima dell’introduzione. Si valida la conoscenza, si progetta l’handoff, si definiscono soglie e controllo umano, quindi si osservano outcome e failure mode. Solo dopo si estende l’autonomia, mantenendo reversibilità e trasparenza.

Il punto non è installare AI nel Service Desk, ma costruire un sistema di supporto capace di apprendere. Tecnologia, persone, partner, flussi e conoscenza devono muoversi insieme. L’AI può aumentare enormemente la capacità del servizio; senza disegno e governance, aumenta con la stessa velocità anche la capacità di produrre errori su scala.