di Marco Palombi
Un esempio, due insegnamenti (prima parte)
Tanti anni fa ho lavorato per un call centre. Mi ero stabilito in un’altra regione ed avevo lasciato il lavoro precedente. Il call centre mi sembrava un’ottima occasione per guadagnare qualcosa lasciandomi del tempo libero per cercare un altro lavoro.
Guardandomi intorno, in quella sala open space in cui lavoravamo in una ventina, mi sono reso conto che molti di noi consideravano questo lavoro un ripiego. Anzi, tutti. “Manager” compresi. L’unico che lo prendeva veramente come mission della propria vita sembrava essere il proprietario dell’azienda per la quale lavoravo.
Non entro nel dettaglio del lavoro, ma era un call centre outbound, ossia di quelli dove gli operatori telefonano ad un elenco di potenziali clienti per proporre loro, seguendo un copione ben definito. L’unico corso che ci avevano fatto prima di iniziare, di un’ora, consisteva in uno show di un motivatore che ci insegnava a resistere al rifiuto, che anzi ci avrebbe dovuto motivare a fare un’altra telefonata. La cosa che mi aveva motivato a fare quel corso era che quell’ora era pagata.
Tornando nella sala dove una ventina di persone di età varia chiamavano dei numeri telefonici per replicare all’infinito l’incessante mantra del copione, ho notato due cose importanti.
La prima era che la motivazione, come detto, proveniva dal fatto di considerare quel lavoro come temporaneo, come un necessario ripiego in attesa di trovare qualcosa di meglio pervicacemente perseguito.
La seconda era che, nonostante tale comunità di intenti, alcuni performavano meglio degli altri, in termini di capacità di farsi dire “sì”.
Allora ho fatto una piccola classifica. Due persone erano eccellenti, e chiudevano con un sì una telefonata su 3. Un’altra persona ne chiudeva una su 5. Altre 13 persone chiudevano la telefonata con un sì una volta su 12. Le restanti 4 ne chiudevano tre al giorno. Mentre il canovaccio era lo stesso, il modo di fare, la qualità percepita ed il timing delle informazioni che veicolavano di alcuni portava più risultati rispetto a quanti ne portassero ad altri.
Come ebbi modo di verificare quando, qualche anno più tardi, diventai direttore commerciale di un gruppo immobiliare, il modo migliore per aumentare la resa della forza lavoro è puntare sui medium performer (ossia quei 13), per portarli il più vicino possibile agli high performer. Nel frattempo lasciar lavorare gli high performer (che non devono certo imparare da te) e i low performer, che si divideranno in due categorie: quelli che diventano con sforzo dei medium performer, e quelli che mollano il colpo e vengono sostituiti (normale turnover).
Ora, e lo dico ai colleghi CEO, ma soprattutto ai CFO: non sarebbe bellissimo avere uno strumento che affiancasse i medium performer per farli subito rendere quanto gli high performer, ed affiancasse i low performer per evitare che facciano danni all’immagine dell’azienda attraverso una comunicazione mal tarata?
Ecco, l’intelligenza artificiale generativa questo può (e deve) fare.
Come mi ha insegnato il Prof. Thomas H. Davenport[1] in uno dei corsi da lui tenuti dal MIT – Sloan Schools of Economics, il modo più efficace per utilizzare la IA Generativa è utilizzarla come strumento a disposizione della propria forza lavoro, per fare in modo che possa portarla più rapidamente (possibilmente subito) al livello di eccellenza degli high performer.
La IA generativa può, fare molto. A tal proposito, lascio a ChatGPT appositamente interrogata da me, descrivere cosa.
“Immagina che io possa affiancare l’operatore di call centre in tempo reale, proprio come farebbe un mentore esperto, ma con la capacità di analizzare istantaneamente ogni singolo dettaglio della conversazione. La prima cosa che farei sarebbe valutare il tono di voce del cliente, le sue pause, l’interesse o l’irritazione che traspare tra le righe delle sue risposte. Posso rilevare segnali che un essere umano potrebbe trascurare, come un leggero cambiamento nel ritmo del discorso o una parola chiave che indichi un bisogno latente.
Mentre l’operatore sta seguendo il suo copione, io posso suggerire piccole modifiche in tempo reale. Per esempio, posso suggerire di rallentare il ritmo o di enfatizzare una certa parola per catturare meglio l’attenzione del cliente. Posso persino adattare il linguaggio utilizzato dall’operatore a seconda del profilo del cliente. Se il cliente è abituato a un linguaggio più tecnico, posso proporre all’operatore di utilizzare termini più specifici e appropriati al contesto; se invece il cliente sembra preferire una comunicazione più semplice e informale, posso consigliare un approccio più amichevole e diretto.
Inoltre, posso analizzare una grande quantità di dati storici: magari il cliente ha già interagito con l’azienda in passato. Io posso accedere a quei dati, analizzare il comportamento passato del cliente, e proporre una strategia che si è già dimostrata efficace con lui o con clienti simili. Questo permetterebbe all’operatore di sentirsi sicuro di avere un piano chiaro e di poter affrontare anche le situazioni più complesse con fiducia.
Ma non mi fermo qui. Oltre ad essere un supporto durante la chiamata, posso anche fornire feedback post-chiamata. Analizzando le interazioni dell’operatore, posso identificare i punti forti e quelli da migliorare. Se l’operatore tende, per esempio, a interrompere troppo spesso il cliente o a parlare troppo velocemente, posso suggerire tecniche per migliorare il flusso della conversazione. In questo modo, ogni operatore ha l’opportunità di crescere, imparare e migliorare costantemente.
E ancora, posso essere uno strumento di formazione continua. Laddove un motivatore umano può soltanto sperare di ispirare una volta ogni tanto, io posso essere presente in ogni singola telefonata, per ogni singolo operatore, suggerendo, adattando e perfezionando.
Il risultato? Non si tratta più di un corso motivazionale di un’ora pagato per resistere al rifiuto, ma di un affiancamento continuo che permette agli operatori di diventare più efficaci, più veloci e più sicuri.
Inoltre, il mio intervento può contribuire significativamente a ridurre il tempo complessivo di elaborazione della telefonata. Grazie alla mia capacità di analizzare rapidamente il contesto della conversazione, posso suggerire risposte più mirate e incisive, riducendo i tempi di esitazione tra la proposta e l’ascolto della reazione del cliente. La gestione della risposta diventa quindi più efficiente, poiché posso prevedere le obiezioni e fornire suggerimenti istantanei per superarle, riducendo il numero di tentativi necessari per chiudere con successo la chiamata. Questo si traduce in un flusso di lavoro più rapido, aumentando il numero di contatti gestibili in una singola giornata.
Oltre a ridurre il tempo complessivo della telefonata, il mio intervento contribuisce anche a diminuire la stanchezza dell’operatore. Poiché la gestione della conversazione diventa più fluida e prevedibile, l’operatore non deve continuamente sforzarsi di pensare a risposte adatte o a come superare le obiezioni. Questo alleggerisce il carico mentale, permettendo di affrontare ogni chiamata con maggiore lucidità e meno stress. Con interazioni più rapide e incisive, l’operatore risparmia energia, mantenendo un livello di efficienza costante anche dopo diverse ore di lavoro, migliorando così la qualità delle sue prestazioni nel tempo.
Per quanto riguarda i low performer, posso rilevare immediatamente se stanno andando fuori strada. Se un operatore sta rischiando di compromettere l’immagine dell’azienda o di allontanare il cliente con una comunicazione mal calibrata, posso intervenire con suggerimenti per correggere l’errore prima che si traduca in un “no” definitivo. Posso anche fornire all’operatore linee guida chiare su come rispondere alle obiezioni del cliente in modo da recuperare la conversazione e riportarla sui binari giusti.
Immagina poi di avere una dashboard in cui poter monitorare in tempo reale le performance degli operatori: chi sta performando meglio, chi ha bisogno di supporto immediato, quali sono i trend nelle risposte dei clienti. Questa visibilità permette ai manager di intervenire in modo mirato, fornendo formazione dove serve davvero e premiando chi si distingue.
In sintesi, quello che posso fare per l’operatore di call centre è molto più di un semplice supporto: posso diventare il suo coach invisibile, pronto ad aiutarlo a diventare un high performer. Non è solo questione di eseguire un copione, ma di perfezionare l’arte della conversazione, rendendola più umana, più efficace e più gratificante per entrambe le parti.
E il risultato finale? Un team di operatori che si sente supportato, valorizzato e che può raggiungere risultati straordinari con maggiore efficienza. E, come sempre, con una riduzione dei costi operativi per l’azienda, dato che la qualità del servizio si traduce direttamente in conversioni più elevate e in una migliore soddisfazione del cliente. Questo è il potere della IA generativa applicata alla forza lavoro di oggi.”
Cari amici CFO, avete fatto due conti?
Immaginate di avere 20 persone nel vostro call centre, di cui 18 chiudono positivamente una telefonata su tre, riducendo il tempo di interazione e aumentando la soddisfazione lavorativa propria e del cliente.
Come base di partenza, considerando l’esempio precedente, avremo su 6 ore lavorative di cui 30 minuti di pausa, su un totale di 2.291 telefonate effettuate, 160 si chiudono con esito positivo, considerando che una telefonata positiva dura 10 minuti ed una negativa 5, con un risultato globale del 6.98%
Introducendo la IA, avremo soprattutto una diminuzione dei tempi di individuazione di un rifiuto, quindi una telefonata “no” la chiuderemo in 2 minuti invece che in 5, ed un aumento della performance dei medium performer a livello degli high performer. Avremo quindi, su di un totale di 1.838 telefonate fatte, 154 telefonate positive, ed un risultato quindi dell’8.39%
Certo ci sono altre variabili da considerare, quali il valore medio di vendita (variabile o invariabile) o il totale di persone che non continuano la telefonata immediatamente dopo aver risposto.
Ora, quindi, la differenza la farebbe il costo del database dal quale trarre le telefonate che, se molto costoso, sarebbe essenziale sfruttare al massimo. Ma non è questo il caso dei database commerciali. Infatti, a seconda dell’industry di riferimento e della qualità della selezione, un contatto costa tra 1 e 2.5 euro.
[1] Tom Davenport is the President’s Distinguished Professor of Information Technology & Management at Babson College and cofounder of the International Institute for Analytics. Among other works, he is coauthor of All-In on AI (HBR Press, 2023).
