La dirigenza desidera l'intelligenza artificiale nell'assistenza clientie ora devi capire come integrarla con il sistema di assistenza già esistente.
Può essere più difficile che aggiungere un altro strumento di intelligenza artificiale al proprio stack. La piattaforma attuale potrebbe contenere anni di ticket, articoli della knowledge base obsoleti, tag incoerenti e campi personalizzati ereditati da vecchi flussi di lavoro. L'IA dipenderà da questi dati, quindi la loro qualità e struttura possono rapidamente diventare un problema più grande della tecnologia stessa.
Prima di investire in un nuovo strumento, consigliamo quindi di verificare le funzionalità supportate dal vostro attuale sistema di assistenza clienti . In questo articolo, analizzeremo i requisiti di una piattaforma di supporto per l'intelligenza artificiale, i problemi che possono insorgere con i sistemi più datati e come decidere se integrare l'IA nella configurazione esistente o migrare a una piattaforma più adatta alle vostre esigenze.
L'adozione dell'IA è una priorità, ma la piena integrazione è ancora limitata
I dati sull'adozione dell'IA nell'assistenza clienti possono essere fuorvianti. A seconda di cosa viene misurato in un sondaggio, "adozione" può significare qualsiasi cosa, dall'utilizzo di uno strumento di IA alla sua integrazione nelle operazioni di assistenza. Analizzare separatamente le aspettative dei dirigenti e i livelli di integrazione effettivi fornisce un quadro più chiaro.
Il 91% dei responsabili dell'assistenza clienti subisce pressioni per implementare l'IA
Gartner ha intervistato 321 responsabili dei servizi e dell'assistenza clienti. Il 91% ha dichiarato di subire pressioni da parte dei vertici aziendali per implementare l'intelligenza artificiale.
Tale pressione influisce anche sul modo in cui i team di supporto pianificano la propria forza lavoro.
Quasi l'80% degli intervistati ha dichiarato di aspettarsi che gli agenti passino a nuovi ruoli man mano che l'intelligenza artificiale si farà carico delle attività di routine.
L'84% degli intervistati prevede di aggiungere competenze o modificare i profili di assunzione per supportare il cambiamento.
Tuttavia, questi piani dipendono da ciò che l'attuale ambiente di supporto è in grado di gestire. L'help desk attuale e i dati in esso contenuti potrebbero limitare i casi d'uso dell'IA effettivamente realizzabili.
L'adozione dell'IA varia a seconda dell'applicazione
L'utilizzo dell'intelligenza artificiale in un contact center può assumere significati molto diversi. Il report Contact Center Technologies di COPC Inc. ha rilevato che il 42% dei contact center utilizza l'IA per l'assistenza e il supporto clienti, ma i tassi di adozione variano a seconda dell'applicazione. I chatbot sono risultati i più diffusi, con il 59%, seguiti dall'automazione robotica dei processi (RPA) con il 48%, dall'analisi del sentiment dei clienti con il 44% e dall'analisi del testo con il 42%. L'analisi vocale ha raggiunto il 32%, mentre i voicebot sono stati utilizzati dal 23%.
La piena integrazione dipende dalla qualità e dall'accessibilità dei dati di supporto:
- Campi dei ticket: categorie, tag e valori coerenti tra ticket attuali e storici
- Cronologia dei ticket: contesto sufficiente per comprendere il problema, le azioni intraprese e la risoluzione.
- Base di conoscenze: contenuti aggiornati con una struttura chiara e senza risposte contraddittorie.
Anche gli strumenti di intelligenza artificiale necessitano di accedere a questi dati, il che dipende da ciò che il tuo help desk mette a disposizione tramite le sue API e integrazioni.
Perché l'adozione dell'IA si blocca nell'assistenza clienti
Quando si introduce l'intelligenza artificiale in un sistema di supporto clienti consolidato, si lavora con processi sviluppati nel corso degli anni. Gli operatori seguono già le procedure di escalation e approvazione, mentre i processi di controllo qualità, le integrazioni e la knowledge base dell'IA potrebbero richiedere modifiche a seconda delle funzionalità desiderate per l'intelligenza artificiale.
Competenze, governance e adozione degli agenti possono rallentare i progetti di intelligenza artificiale
Qualcuno deve valutare le risposte generate dall'IA, identificare gli errori e definire quando un operatore può subentrare. Anche i casi d'uso a contatto con il cliente richiedono regole chiare per la gestione delle informazioni dei clienti e la revisione delle risposte generate dall'IA.
Anche gli operatori hanno bisogno della stessa chiarezza. La formazione può illustrare quando una risposta richiede una revisione, come segnalare suggerimenti inadeguati e quali casi devono essere gestiti direttamente da una persona. Questo conferisce agli operatori un ruolo ben definito quando l'intelligenza artificiale entra a far parte del loro flusso di lavoro.
L'integrazione può risultare più complessa con i sistemi di help desk più datati
I problemi di integrazione vanno oltre l'intelligenza artificiale. L'indagine Global State of CX 2025 di CX Network ha rilevato che il 31% degli intervistati considera l'integrazione con gli strumenti esistenti un ostacolo alla realizzazione dei propri investimenti in Customer Experience. Solo la dimostrazione del ROI (39%) e la reperibilità del budget (35%) hanno ottenuto punteggi più alti.
I progetti di intelligenza artificiale possono mettere in luce i limiti delle integrazioni esistenti. Un help desk obsoleto potrebbe consentire agli operatori di accedere alle informazioni tramite la sua interfaccia, offrendo al contempo meno opzioni per recuperare le stesse informazioni a livello programmatico. Un'API potrebbe omettere alcuni campi personalizzati, un'esportazione potrebbe richiedere un lavoro aggiuntivo per ricostruire le conversazioni, oppure un'integrazione esistente potrebbe recuperare solo una parte di un ticket.
Il controllo qualità è un buon esempio di come questi requisiti cambino con l'intelligenza artificiale. Secondo COPC Inc., la maggior parte dei team tradizionalmente esaminava solo il 2-5% delle interazioni con i clienti e utilizzava questo campione per la formazione degli agenti, il monitoraggio della conformità e la stima delle prestazioni del programma. Il monitoraggio della qualità supportato dall'IA può coprire una quota molto maggiore di interazioni, il che significa recuperare ed elaborare molti più dati di conversazione.
Verifica le informazioni che puoi recuperare tramite l'API, le esportazioni e le integrazioni dell'help desk in relazione al caso d'uso dell'IA che intendi implementare. Uno strumento di riepilogo dei ticket, ad esempio, richiede l'accesso al contenuto delle conversazioni, mentre la classificazione automatica dipende anche dai campi e dalle categorie utilizzati per l'addestramento o i dati di riferimento.
Confronta i dati storici con il caso d'uso dell'IA
Una knowledge base efficace per l'IA necessita di risposte aggiornate e coerenti. Se due articoli forniscono istruzioni contrastanti sullo stesso problema, una formattazione chiara da sola ha un valore limitato. Prima di decidere quale contenuto l'IA debba utilizzare, è necessario esaminare gli articoli duplicati, le versioni precedenti del prodotto e le linee guida che fanno riferimento a politiche di supporto obsolete.
Applica la stessa logica alla cronologia dei ticket. Supponiamo che la categoria "Fatturazione" corrente abbia sostituito tre categorie precedenti in seguito a una migrazione dell'help desk. Se desideri utilizzare quei ticket precedenti per la classificazione, devi prima mappare le categorie precedenti alla tassonomia corrente. Se il tuo caso d'uso si basa solo sui ticket risolti di recente, questo lavoro potrebbe essere di scarsa utilità. Inizia con i dati necessari per il caso d'uso, invece di cancellare l'intera cronologia dell'assistenza per impostazione predefinita.
Un quadro di riferimento pratico per l'adozione dell'IA nei team di supporto
Una volta individuate le funzionalità di intelligenza artificiale che desiderate implementare, valutatele confrontandole con il vostro attuale sistema di assistenza clienti. Effettuate prima dei test con i vostri dati di supporto. I risultati vi forniranno elementi concreti da confrontare con i costi e gli sforzi necessari per migrare a un'altra piattaforma.
Verifica le funzionalità della tua piattaforma attuale
Seleziona un campione rappresentativo dei ticket che verranno utilizzati dalla funzionalità. Includi le richieste più comuni, così come i casi che gli operatori trovano più difficili da classificare o risolvere.
Verifica le informazioni necessarie alla funzionalità. Quando valuti la classificazione dei ticket, confronta i risultati con le categorie assegnate da agenti esperti. Per la sintesi, controlla che la funzionalità riceva la conversazione completa e i campi del ticket pertinenti. La generazione delle risposte richiede un ulteriore controllo: fornisci gli articoli della knowledge base che i tuoi agenti utilizzano attualmente e verifica l'accuratezza delle risposte.
Documentate i problemi riscontrati e risalite alla loro origine. Classificazioni incoerenti possono indicare un problema con la tassonomia, mentre riepiloghi incompleti possono rivelare campi mancanti o dati di conversazione insufficienti. Risposte inadeguate basate su articoli della knowledge base non pertinenti potrebbero richiedere un'analisi più approfondita del contenuto.
Decidi: integrare l'intelligenza artificiale nel tuo attuale sistema di assistenza clienti o passare a strumenti nativi basati sull'IA?
Iniziate dai problemi riscontrati durante i test. Alcuni potrebbero richiedere un piccolo intervento di pulizia o modifiche a un'integrazione, mentre altri potrebbero necessitare di uno sviluppo personalizzato che dovrete gestire insieme al servizio di assistenza.
Successivamente, stima il lavoro necessario per le funzionalità di intelligenza artificiale che intendi utilizzare. Includi la preparazione iniziale dei dati e le modifiche di integrazione, oltre alla manutenzione continua. Annota anche eventuali limitazioni della piattaforma che dovrai accettare.
Confronta questo sforzo con una migrazione verso le piattaforme che stai prendendo in considerazione. Verifica se offrono l'accesso ai dati dei ticket necessari e se supportano le integrazioni alla base delle funzionalità di intelligenza artificiale che hai pianificato. La migrazione ha un suo costo, soprattutto se hai alle spalle anni di esperienza e flussi di lavoro consolidati, quindi il confronto deve tenere conto sia dell'implementazione che del lavoro continuo.
Una migrazione incentrata sull'IA include i requisiti delle funzionalità di IA pianificate nell'ambito della migrazione stessa. Ad esempio, se la classificazione dei ticket dipende da un campo specifico, è necessario preservare e mappare tale campo durante la migrazione. Se la generazione delle risposte utilizza conversazioni precedenti, è necessario determinare quali parti di tale cronologia devono essere trasmesse all'help desk di destinazione e in quale formato.
Sequenzia la migrazione per testare l'IA con i tuoi dati
Prima di trasferire l'intera cronologia, sposta un set rappresentativo di ticket recenti e i relativi contenuti della knowledge base, quindi testa le funzionalità di intelligenza artificiale pianificate con i record migrati.
Non limitarti a verificare se i record sono arrivati. Ciò significa controllare i valori all'interno dei campi mappati, i collegamenti tra i record correlati, l'ordine della conversazione, gli allegati necessari per il contesto e le autorizzazioni che influiscono sull'accesso al contenuto migrato.
Una categoria può essere trasferita correttamente con un valore di destinazione errato. Una conversazione può contenere tutti i messaggi, mentre un campo personalizzato mancante elimina il contesto necessario per la classificazione. Individuare questi problemi nel set di test consente di modificare la mappatura prima di applicarla ai record rimanenti.
Dopo aver convalidato la mappatura con il set di test, utilizzare la stessa configurazione per il resto della migrazione.
Cosa richiede l'adozione dell'IA dalla tua piattaforma di supporto
Una volta che l'intelligenza artificiale entra a far parte dell'assistenza clienti, i requisiti vanno oltre il semplice accesso ai dati storici. Gli operatori continuano a creare ticket, gli articoli della knowledge base vengono aggiornati e i processi di supporto cambiano. È necessario un modo per mantenere accurate le informazioni utilizzate dall'IA man mano che questi cambiamenti si verificano.
Prepara la tua base di conoscenza per l'intelligenza artificiale
Assicurati che ogni articolo sia incentrato su una domanda chiara e che la risposta essenziale sia fornita in un formato facilmente ricercabile. Se le istruzioni si basano su allegati, video o pagine collegate, verifica quali contenuti il tuo strumento di intelligenza artificiale è in grado di estrarre da essi.
È inoltre necessario che qualcuno si occupi della manutenzione dei contenuti. Gli aggiornamenti dei prodotti possono rendere obsolete le istruzioni esistenti, mentre diversi articoli potrebbero trattare lo stesso argomento nel tempo. Le revisioni periodiche aiutano a individuare questi problemi prima che le informazioni obsolete rimangano disponibili per le risposte generate dall'IA.
Secondo Gartner , il 58% dei responsabili dei servizi prevede di riqualificare gli addetti all'assistenza clienti trasformandoli in specialisti della gestione della conoscenza. Le loro responsabilità includerebbero la revisione, la selezione e la manutenzione dei contenuti per l'intelligenza artificiale e il self-service per i clienti.
Concentrati sulla qualità dei dati, non sulla quantità
Il numero di ticket storici fornisce poche informazioni sulla loro utilità in un caso d'uso di intelligenza artificiale. Un insieme più piccolo, con categorie coerenti e campi completi, può fornire input più utilizzabili rispetto ad anni di record creati secondo diverse tassonomie.
Secondo Gartner, il 63% delle organizzazioni non dispone di adeguate pratiche di gestione dei dati per l'IA o non è certo di possederle. L'azienda prevede inoltre che entro il 2026 il 60% dei progetti di IA verrà abbandonato se non supportati da dati pronti per l'IA.
Lo stesso problema si presenta per i ticket creati dopo l'implementazione. Quando un team modifica una categoria o introduce un nuovo campo, è necessario decidere come tale modifica debba essere applicata ai dati utilizzati dalla funzionalità di intelligenza artificiale. In caso contrario, i record attuali e storici potrebbero gradualmente assumere strutture separate.
Una migrazione incentrata sull'IA può definire queste regole sui dati durante il processo di migrazione. Documenta quali informazioni utilizza ciascuna funzionalità di IA e includi la relativa gestione nei processi che il tuo team di supporto seguirà dopo la migrazione.
Cosa significa questo per il tuo team di supporto
Prima di scegliere uno strumento di intelligenza artificiale, verifica se la tua attuale struttura di supporto è in grado di fornire ciò che il caso d'uso previsto richiede. Al termine di questa valutazione dovresti avere le seguenti informazioni:
- Quali dati di supporto utilizzerà la funzionalità di intelligenza artificiale, dalla cronologia delle conversazioni e dai campi dei ticket ai contenuti pertinenti della knowledge base.
- Quanto tempo di preparazione è necessario per quei dati? Definisci l'ambito in base ai record che intendi utilizzare, anziché ripulire l'intera cronologia dell'assistenza.
- Valuta se il tuo attuale servizio di assistenza ti garantisce un accesso sufficiente. Includi eventuali lavori di integrazione e manutenzione continua necessari per colmare le lacune.
- Quando la migrazione diventa l'opzione migliore. Confronta il lavoro necessario per adattare l'attuale help desk con i costi e la complessità del passaggio a una piattaforma che supporti più direttamente i casi d'uso previsti.
Non esiste un punto di svolta universale oltre il quale l'aggiunta dell'IA diventi meno conveniente rispetto alla migrazione. La valutazione fornisce i dati e i requisiti tecnici necessari per effettuare questo confronto in base alle esigenze specifiche della vostra struttura di supporto.
Domande frequenti (FAQ)
La pressione da parte dei dirigenti è elevata (il 91% dei responsabili dell'assistenza clienti si sente pressato ad adottare l'IA), ma l'integrazione si blocca perché gli ambienti di help desk esistenti spesso si basano su architetture obsolete. Problemi come una tassonomia dei ticket incoerente, articoli della knowledge base non aggiornati, API limitate e campi personalizzati legacy impediscono agli strumenti di IA di accedere a dati puliti e strutturati.
No. Invece di tentare una pulizia massiccia e predefinita di anni di dati storici, concentrati esclusivamente sui dati specifici necessari per il tuo caso d'uso di intelligenza artificiale. Ad esempio, se stai implementando la classificazione dei ticket, mappa e perfeziona solo le categorie e i campi dei ticket più recenti che addestrano o alimentano quello specifico modello.
È possibile valutare la piattaforma attuale eseguendo un semplice audit:
- Limitazioni dell'API e dell'esportazione: verifica se l'API del tuo sistema omette i campi personalizzati o non riesce a ricostruire intere conversazioni.
- Conflitti nella Knowledge Base: Verificare se gli articoli preesistenti contengono informazioni sui prodotti obsolete o contraddittorie.
- Test dei risultati dell'IA: Fornire alla funzionalità di IA un campione rappresentativo di ticket complessi e storici per verificare la presenza di contesto mancante, riepiloghi errati o categorizzazioni inadeguate.
Se colmare queste lacune richiede un intenso e continuo sviluppo personalizzato, potrebbe essere il momento di valutare una migrazione.
Una migrazione incentrata sull'IA integra i requisiti tecnici dei dati degli strumenti di IA previsti direttamente nell'ambito del progetto di migrazione. Invece di limitarsi a spostare i record grezzi, un approccio incentrato sull'IA garantisce che i campi critici dei ticket, l'ordine delle conversazioni, i contesti degli allegati e le strutture della knowledge base vengano puliti, mappati e preservati specificamente per le funzionalità di IA sulla piattaforma di destinazione.
Inizia pianificando la sequenza del trasferimento dei dati. Sposta prima un batch di prova rappresentativo di ticket recenti e contenuti principali della knowledge base, quindi testa le funzionalità di intelligenza artificiale su questi record specifici. Verifica l'accuratezza della mappatura dei campi, i collegamenti ai record e le autorizzazioni di accesso nell'ambiente di test prima di eseguire una migrazione completa dei dati sull'intera cronologia.
