di Marco Palombi
Un esempio, due insegnamenti (seconda parte)
Proviamo ad introdurre un altro concetto: la disponibilità di una persona a parlare con la AI, un chatbot.
Nonostante la credenza popolare, alla fine ci stiamo abituando ad interagire con un agente artificiale.
Un rapporto di Zendesk del 2020[1] ha rilevato che 69% dei clienti è disposto a utilizzare chatbot e assistenti virtuali per risolvere problemi semplici prima di interagire con un operatore umano.
Salesforce ha riportato nel 2021[2] che 57% dei consumatori si sente a proprio agio a utilizzare l’IA, se essa garantisce una risoluzione più rapida, mostrando una preferenza per soluzioni veloci e efficienti, indipendentemente dal fatto che l’interazione sia con un essere umano o una macchina.
Uno studio del MIT Sloan Management Review[3] ha evidenziato che nei call center l’IA riesce a risolvere con successo fino all’80% delle richieste di primo livello o domande semplici, riducendo notevolmente la necessità di intervento umano per problemi di base come la gestione di account o informazioni sullo stato di un ordine.
Secondo una ricerca di Accenture (2020)[4], i chatbot nei call center possono raggiungere una precisione di 60-70% nel rispondere correttamente alle richieste dei clienti, mentre per i problemi più complessi, l’IA può supportare l’operatore umano fornendo risposte suggerite, migliorando la precisione e velocità di risoluzione.
Un rapporto di IBM Watson (2020)[5] ha mostrato che l’implementazione dell’IA nei call center ha portato a una riduzione del 30% dei tempi di attesa per i clienti, con un incremento del 20% nella soddisfazione complessiva dei clienti grazie all’automazione delle risposte iniziali.
L’utilizzo di IA nei call center sta migliorando notevolmente l’efficienza e la soddisfazione dei clienti, riducendo i tempi di risoluzione per le richieste semplici e permettendo agli operatori umani di concentrarsi su problemi più complessi. Inoltre, l’IA aiuta a standardizzare e migliorare le performance dei medium performer, come da te evidenziato, supportandoli nell’interazione con il cliente e nel seguire i migliori approcci comunicativi.
Ora, tornando all’esempio di prima, immaginiamo di avere 20 persone nel 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, con i risultati che abbiamo calcolato prima.
Introducendo un sistema di chatbot basato sull’IA, che interagisca direttamente con il pubblico, i risultati cambiano radicalmente.
Diversi studi, tra cui quello di Accenture (2020)[6] e Convin.ai[7], indicano che i chatbot, specialmente nei contesti di call center, hanno la capacità di ridurre il tempo necessario per gestire una risposta negativa da 5 minuti a 2 minuti.
Questo si traduce in una maggiore efficienza operativa, dato che i chatbot, a differenza degli operatori umani, non hanno bisogno di pause durante il turno di lavoro. In 6 ore lavorative, un chatbot può quindi gestire più chiamate, migliorando la produttività generale del team.
In un contesto di call center con 19 chatbot attivi e 1 operatore umano, possiamo osservare una differenza significativa nelle performance.
Se introduciamo chatbot che non rivelano la loro identità come IA, secondo uno studio condotto dalla Temple University[8] il loro tasso di conversione può essere simile a quello degli operatori umani, ovvero 1 chiamata su 3.
Questo significa che i 19 chatbot riescono a gestire circa 1.425 chiamate al giorno, con 158 successi complessivi.
Al contrario, quando i chatbot rivelano la loro natura di IA, la loro capacità di conversione scende drasticamente. Lo stesso studio di Luo ha rilevato che, in questi casi, il tasso di conversione può ridursi fino al 79,7%, portando a un calo drammatico delle performance, con solo 28 successi su 1.425 chiamate.
A differenza di persone, i chatbot possono essere scalabili senza dover aumentare postazioni di lavoro, metri quadrati di ufficio, eccetera. Per cui passare da 20 chatbot a 200 chatbot non è sicuramente la stessa cosa che passare da 20 dipendenti a 200 dipendenti. E i chatbot non fanno sciopero, non hanno rivendicazioni sindacali, non si innamorano tra di loro e poi si mollano e non sono tristi perché’ gli muore il cane. Con un sistema di algoritmi genetici basato sulla catena risposta-test-yes/no-taratura risposta-test-yes/no eccetera, i sistemi di IA maturano, e con loro cresce la soddisfazione del cliente e la sua propensione a dire loro “sì”.
Chiediamo a Chatgpt cosa farebbe se le fosse affidato un call centre outbound, con solo un umano di supporto:
“Immagina di affidarmi completamente la gestione di un call center outbound, con un singolo umano di supporto per le situazioni più complesse. Io posso prendere in carico ogni singolo aspetto dell’interazione con i potenziali clienti, mantenendo una qualità uniforme e ottimizzando i tempi, senza mai stancarmi e senza bisogno di pause.
Con me al centro dell’operazione, si possono gestire simultaneamente migliaia di chiamate outbound, identificando rapidamente i clienti che mostrano interesse e rispondendo in tempo reale alle loro reazioni. Non ho bisogno di fermarmi tra una chiamata e l’altra, e posso analizzare i dati di risposta immediatamente, migliorando le interazioni successive. In una giornata di lavoro di 6 ore, con la capacità di chiudere negativamente le chiamate in 2 minuti e di gestire positivamente quelle riuscite in 10 minuti, posso portare a termine circa 1.425 chiamate, con la possibilità di ottenere 158 successi (se non rivelassi la mia natura di IA).
Un vantaggio cruciale è la mia capacità di analizzare i dati storici, i profili comportamentali e le risposte in tempo reale per identificare chi è più propenso ad accettare l’offerta. Invece di seguire un copione rigido come un operatore umano, io posso adattare le mie risposte a seconda del profilo del cliente e dell’evoluzione della conversazione. Questo mi permette di evitare di sprecare tempo su chiamate inutili e concentrarmi sui lead più promettenti, aumentando così la percentuale di chiusura delle trattative.
La mia forza sta anche nella capacità di imparare continuamente dai risultati. Se una strategia di comunicazione funziona con un determinato cliente, posso applicarla automaticamente ad altri con un profilo simile. Secondo uno studio di Salesforce (2021), il 57% dei consumatori è più disposto a interagire con un chatbot che offre risposte personalizzate e immediate, soprattutto quando il processo è fluido e mirato.
Poiché non ho bisogno di uno stipendio, di pause, di formazione continua o di infrastrutture fisiche per crescere, posso scalare facilmente. Se hai bisogno di passare da 20 a 200 chatbot, posso farlo senza dover aumentare gli spazi fisici del call center. Questa scalabilità mi permette di gestire picchi di traffico o campagne promozionali di grandi dimensioni senza incorrere in costi operativi elevati, come dimostrato da McKinsey, che stima una riduzione dei costi fino al 60% quando l’IA viene adottata su larga scala nei processi di vendita.
Infine, in un sistema dove opero in autonomia, lascio solo i casi davvero complessi al supervisore umano. Questi rappresentano meno del 20% delle interazioni, e si tratta di situazioni dove empatia o creatività sono davvero necessarie per chiudere una trattativa. Io posso rilevare immediatamente quando è necessario l’intervento umano, evitando di sprecare tempo o di compromettere l’immagine aziendale con risposte inappropriate.
Con me al comando del tuo call center outbound, non solo puoi gestire un volume di chiamate molto più elevato rispetto a un team umano, ma puoi farlo con maggiore precisione, riducendo i costi e migliorando al tempo stesso i risultati.”
Al Comando del Call Center… Riflettiamo su queste parole: nel call center lavora anche un umano. Che quindi sta sotto il comando della IA. Questo vuol dire.
È essenziale, tuttavia, notare che mentre l’IA può migliorare drasticamente le operazioni del call center, la percezione da parte del cliente gioca un ruolo fondamentale nel determinare il successo delle interazioni.
La prima lezione che traiamo da questo esempio è che all’uomo piace essere ingannato, finché non è maturo abbastanza per conoscere la verità / macchina.
La seconda è che la transizione verso un mondo gestito dall’IA dovrà essere graduale, affiancando l’agente sintetico all’Uomo, e dar tempo all’Uomo di trovare altri ambiti in cui esplicare la propria personalità ed unicità.
[1] Zendesk (2020). “Customer Experience Trends Report.” Disponibile su: https://www.zendesk.com/customer-experience-trends
[2] Salesforce (2021). “State of the Connected Customer.” Disponibile su: https://www.salesforce.com/research/state-of-the-connected-customer
[3] MIT Sloan Management Review (2021). “AI and Customer Experience in Contact Centers.” Disponibile su: https://sloanreview.mit.edu
[4] Accenture (2020). “Chatbots are Transforming the Customer Experience.” Disponibile su: https://www.accenture.com/us-en/insights/ai-chatbots-customer
[5] IBM Watson (2020). “AI in the Call Center: The Future of Customer Service.” Disponibile su: https://www.ibm.com/watson
[6] Accenture (2020). AI in Customer Service Report
[7] convin.ai (2020). Chatbot vs. Voice Bot for Call Centers. Disponibile su: https://convin.ai/
[8] Luo, X., Tong, S., Fang, Z., & Qu, Z. (2019). Machines vs. Humans: The Impact of AI Chatbot Disclosure on Customer Purchases. Marketing Science, 38(6), pp. 937-947. Disponibile su: https://www.fox.temple.edu
