AI agents nel customer care:cosa funziona oggi e cosa no.

Gli agenti AI nel customer care non sono la rivoluzione promessa dai vendor, ma non sono nemmeno il flop che i puristi del "customer experience umano" continuano a sperare. La verità sta dove sta sempre: nella parte noiosa che nessuno racconta ai keynote.

Nell'ultimo anno abbiamo lavorato su setup di AI agents per aziende B2B e B2C tra Lombardia e Marche, dalla PMI manifatturiera al retailer con e-commerce da qualche milione di fatturato. Alcuni progetti hanno tagliato i tempi di risposta di oltre il 60%. Altri sono stati spenti dopo due mesi perché stavano erodendo la fiducia dei clienti più fedeli. La differenza non era il modello sotto il cofano, né il budget: era la lucidità con cui l'azienda aveva mappato il proprio flusso di assistenza prima di automatizzarlo. Questo articolo mette in fila cosa funziona davvero, cosa peggiora le cose, e dove conviene fermarsi prima di firmare il preventivo.

1. cosa intendiamo davvero per "ai agent" nel 2025

Chiariamo il perimetro, perché il termine è diventato un contenitore vuoto. Un AI agent, in un contesto di customer service, non è un chatbot con qualche prompt gonfiato. È un sistema che riceve una richiesta in linguaggio naturale, la interpreta, ha accesso a strumenti (CRM, gestionale, knowledge base, ticketing) e può eseguire azioni — non solo rispondere.

La differenza operativa è enorme. Un chatbot ti dice "per modificare l'indirizzo di spedizione contatta il servizio clienti". Un agent modifica l'indirizzo, ti manda la conferma, aggiorna il ticket e chiude la conversazione. Questa è la promessa. Il problema è che tra il "può farlo" e il "lo fa in modo affidabile su mille casi diversi" c'è un abisso di ingegneria che quasi nessun vendor racconta bene.

I casi in cui l'agent lavora davvero come agent, oggi, sono quelli con perimetri stretti e API pulite. Tutto il resto è ancora, di fatto, un chatbot avanzato con retrieval semantico.

2. cosa funziona bene, senza margine di dubbio

Ci sono tre aree in cui gli AI agents, ben configurati, stanno restituendo valore misurabile.

La prima è la **gestione del primo livello ripetitivo**: tracking ordini, stato pratiche, orari, disponibilità, informazioni prodotto. Un buon setup con RAG su base documentale aggiornata assorbe tra il 40% e il 70% dei ticket entrati, con soddisfazione superiore al canale email tradizionale (perché la risposta è immediata, non perché sia più empatica).

La seconda è il **triage e l'instradamento**. L'agent classifica la richiesta, arricchisce il ticket con contesto dal CRM, propone all'operatore umano una bozza di risposta e i tre link utili. Qui il tempo medio di gestione crolla senza toccare la qualità percepita, perché il cliente parla sempre con una persona — solo che quella persona lavora molto meglio.

La terza è il **supporto asincrono multilingua**, particolarmente utile per aziende marchigiane e lombarde che esportano. Un agent gestisce dignitosamente conversazioni in inglese, tedesco, francese e spagnolo senza dover strutturare un team H24. Non sostituisce un native speaker per trattative complesse, ma copre l'assistenza post-vendita con un livello che tre anni fa era impensabile.

*In tutti e tre i casi, il denominatore comune è lo stesso: il cliente non chiede empatia, chiede una risposta rapida e corretta.*

3. cosa peggiora, e nessuno lo dice ai meeting commerciali

Poi c'è l'altra metà del quadro. Le aree in cui gli agent, oggi, fanno più danno che valore.

Le **richieste emotive o di reclamo** sono il primo campo minato. Un cliente arrabbiato che riceve una risposta impeccabile ma chiaramente sintetica peggiora la sua percezione, non la migliora. Abbiamo visto NPS scendere di dieci punti in tre mesi su un e-commerce che aveva automatizzato la gestione resi senza escalation intelligente. La regola pratica: se nel messaggio c'è frustrazione, l'agent dovrebbe riconoscerla e passare la mano, non provare a gestirla.

Le **casistiche fiscali, contrattuali o legali** sono il secondo problema. Un agent che risponde con sicurezza a una domanda su garanzie, recesso o fatturazione, sbagliando anche solo una sfumatura, espone l'azienda. Qui la tentazione di "risolvere tutto in autonomia" va compressa. Meglio un agent che dice "questa parte la gestisce il nostro ufficio amministrativo, ti richiamiamo entro X ore" che un agent che inventa un articolo del codice civile.

Il terzo problema è più subdolo: la **degradazione silenziosa**. L'agent funziona bene il primo mese, poi il catalogo cambia, la knowledge base non viene aggiornata, le policy si modificano, e nessuno se ne accorge. Dopo sei mesi l'agent risponde con informazioni obsolete al 15% dei casi. Nessuno lo nota finché non arriva la crisi reputazionale.

4. il setup che funziona (per quello che vediamo dai nostri progetti)

Un'architettura realistica per una PMI italiana, oggi, poggia su alcuni pilastri.

• **Un modello LLM affidabile** (GPT-4 class o equivalenti) come motore conversazionale, non come oracolo. Il modello non deve "sapere" le cose sull'azienda: deve recuperarle.
• **Un layer di retrieval (RAG)** su una knowledge base curata e versionata, con un processo interno chiaro su chi la aggiorna e ogni quanto. Senza questo, il progetto muore in sei mesi.
• **Un set di tool ben definiti**: query sul gestionale, apertura ticket, aggiornamento anagrafica, invio email transazionali. Ogni tool deve avere confini stretti e log completi.
• **Regole di escalation esplicite**: parole chiave, sentiment negativo, richieste fuori perimetro, ripetizione della stessa domanda. Quando scattano, l'agent passa a un umano senza esitazione.
• **Un dashboard di monitoraggio** che il responsabile customer care guarda ogni settimana. Non ogni tanto. Ogni settimana.

Il costo di un setup del genere per una PMI, tra sviluppo iniziale e mantenimento del primo anno, si colloca in una fascia che va da qualche migliaio a qualche decina di migliaia di euro, in base al perimetro. Chi promette meno, di solito consegna un chatbot travestito. Chi promette molto di più, di solito sta vendendo complessità che non serve.

5. le tre domande da porsi prima di partire

Prima di aprire un progetto di AI agent nel customer service, tre domande fanno chiarezza più di venti call con vendor.

La prima: **quali sono i cinque motivi più frequenti per cui i clienti ci contattano, e di questi, quanti hanno una risposta procedurale?** Se la risposta è "tre su cinque", il caso d'uso c'è. Se è "uno su cinque, gli altri sono tutti diversi", forse serve prima lavorare sulla knowledge interna, non sull'automazione.

La seconda: **chi in azienda è responsabile di tenere aggiornata l'informazione che l'agent userà?** Se non c'è un nome, il progetto non deve partire. È la causa numero uno di fallimento nel medio termine.

La terza: **cosa succede quando l'agent sbaglia?** Deve esistere un processo chiaro di detection, correzione, e comunicazione al cliente. Non un'idea vaga di "ci pensiamo se succede".

*Un agent AI ben progettato non è un prodotto che si compra: è un processo aziendale che si costruisce, con dentro un pezzo di software.*

6. il punto di equilibrio, per una pmi, nei prossimi 12 mesi

Il quadro pragmatico, per un'azienda italiana di medie dimensioni che voglia muoversi ora, è questo. Automatizzare il primo livello ripetitivo: sì, con priorità alta. Usare l'agent come co-pilota per gli operatori: sì, con impatto immediato sui tempi. Aprire canali multilingua asincroni: sì, se c'è export. Sostituire integralmente il customer care umano: no, e chi lo propone sta vendendo aria.

Il ritorno dell'investimento, quando il setup è fatto bene, arriva tra il quarto e il nono mese. Non prima, perché i primi tre mesi servono a tarare il sistema sulla realtà dei ticket veri. Non dopo, perché se non arriva entro il nono mese vuol dire che qualcosa di strutturale è sbagliato — di solito la knowledge base o l'assenza di escalation intelligente.

C'è un'ultima considerazione che vale la pena mettere sul tavolo. Il vantaggio competitivo, per una PMI italiana, non sta nell'avere l'agent più sofisticato. Sta nell'avere un customer care che risponde in due minuti invece che in due giorni, con informazioni corrette e con una persona vera quando serve. L'AI è lo strumento. Il vantaggio è operativo, non tecnologico.

***Il customer care assistito da AI oggi funziona per chi ha già le idee chiare su cosa vuole automatizzare, aggiornare e presidiare. Per tutti gli altri, l'agent più utile è quello che non si è ancora comprato — e che si costruirà bene, tra sei mesi, dopo aver messo a posto i processi che oggi nessun software può sistemare al posto di chi guida l'azienda.***