Journey, dati e relazione: il racconto di CXO 2026

Al CXO di Milano, quest’anno ho avuto il piacere di moderare tre panel incentrati su temi cruciali per il business: il governo della Customer Experience, l’Intelligenza Artificiale Generativa e l’Omnicanalità. Hanno partecipato alla discussione manager provenienti da settori apparentemente distanti – trasporti, sanità pubblica, eyewear, energia, assicurazioni, editoria, banking, pharma – che, nel confronto sull’esperienza del cliente, hanno evidenziato notevoli punti di convergenza. In questa sintesi, propongo alcune delle riflessioni chiave emerse.

La Customer Experience non si progetta. Si governa.

Mappare i journey è necessario, ma non è più sufficiente. Questo lo davano per scontato tutti, e forse è già un segnale: quello che fino a pochi anni fa era un obiettivo avanzato oggi è il punto di partenza. Perché la vera domanda è cosa succede dopo.  Chi è responsabile di tenere insieme i processi nel tempo? Con quali criteri si decide quando le esigenze del cliente e i vincoli dell’organizzazione non sono allineati?

Su questo aspetto è emersa una distinzione che mi sembra importante, e che Mariarita Varaschini di Thélios ha messo a fuoco con chiarezza: parlare di “bilanciamento” tra esigenze del cliente e vincoli aziendali è fuorviante, perché presuppone due pesi equivalenti sulla stessa bilancia. Le esigenze del cliente danno la direzione; i vincoli si gestiscono di conseguenza. Non il contrario. È una differenza di metodo, non solo di principio: cambia cosa si misura, cambia cosa si considera un successo.

Nel concreto, questo si traduce in scelte spesso piccole e continue più che in grandi riprogettazioni. Chi lavora con sistemi legacy e vincoli regolatori stretti – è il caso di Paolo Costa di Trenord o di Diego Lauritano dell’ASST Santi Paolo e Carlo – non può inseguire l’effetto wow: può però agire con costanza su miglioramenti incrementali, portare i dati dei clienti dentro l’organizzazione per orientare le decisioni, costruire programmi che premino comportamenti virtuosi e li rendano misurabili.

Il programma Loyalty di Trenord Community, costruito sulla CO2, ne è un esempio concreto: si premiano i passeggeri che scelgono il treno rispetto all’auto, calcolando la differenza di emissioni con un algoritmo certificato. Settantamila iscritti in un anno, quindici milioni di chili di CO2 misurati. Ma il dato più rivelatore, come ha sottolineato Costa, è un altro: l’età media del cliente loyalty è 25 anni, contro i 38 del cliente standard. La sostenibilità funziona come leva di ingaggio, e funziona particolarmente bene sulle generazioni più giovani.

Un caso diverso, ma con la stessa logica di fondo, è quello raccontato da Varaschini sul lavoro ai resi in Thélios. I resi sono spesso trattati come il nemico da combattere. Ribaltare questa lettura significa vederli come un sistema di segnalazione precoce: ogni difetto ripetuto su più prodotti è un’informazione che, se raccolta e usata bene, accelera la risposta e migliora il prodotto. E introdurre la riparabilità, quindi la possibilità di aggiustare un occhiale da centinaia di euro invece di sostituirlo, non è solo una scelta sostenibile: è una promessa al cliente che quel prodotto ha valore nel tempo. Un cambio di posizionamento che nasce dal post-vendita, non dal marketing.

Lauritano ha raccontato un’altra realtà: in sanità pubblica il “paziente al centro” è un principio condiviso da tutti, ma applicato ciascuno al proprio perimetro. Ciò che manca è la trasversalità: la capacità di seguire la persona lungo tutto il percorso, di riconoscerla e accompagnarla. I dati esistono, forse abbondano, ma non sono ancora orientati all’esperienza. Perché gli indicatori con cui le aziende ospedaliere vengono valutate riguardano budget e performance cliniche, non la qualità di ciò che il paziente ha vissuto. Un sistema che misura quello che premia, e che per ora premia altro.

Il dato è la condizione. Non lo strumento.

Su un punto c’è stato un certo allineamento tra tutte le tavole: senza dati di qualità, niente funziona. Né la personalizzazione, né l’AI, né la continuità dell’esperienza tra canali. Ma il modo in cui questa consapevolezza è stata declinata  rivela differenze interessanti. In alcuni contesti il dato è ancora un problema di disponibilità: informazioni che esistono ma sono disperse, non integrate, non orientate all’esperienza. In altri il dato c’è, ma il problema è la governance: chi lo possiede, chi lo aggiorna, come circola tra sistemi e funzioni. È qui che molti progetti AI si inceppano, non per limiti tecnologici. Come ha detto Davide Sutton di Le Sac con una formula efficace, l’AI è una lente di ingrandimento: puntarla sul disordine produce solo disordine amplificato. Prima di chiedersi cosa può fare l’AI, bisogna chiedersi se i dati su cui lavora sono affidabili, aggiornati, pertinenti.

E poi c’è un terzo livello: usare il dato per capire dove focalizzarsi, non per fare tutto. È quello che ha raccontato Ivo D’Antoni di Sport Network, l’editore tra gli altri di Corriere dello Sport e Tuttosport,  descrivendo il passaggio forzato dalla distribuzione fisica al digitale durante la pandemia. La chiusura di quasi la metà delle edicole ha obbligato a costruire da zero una relazione con i lettori, e quindi a raccogliere dati che prima semplicemente non esistevano. Il risultato oggi è un sistema che sa prevedere la propensione all’abbonamento, personalizzare i contenuti, intervenire prima che un utente abbandoni. Tutto costruito su comportamenti osservati. Ma il punto non è la sofisticazione del modello: è che ogni scelta tecnologica è stata preceduta da una domanda di business precisa.

Silvia Cafagna di AstraZeneca ha aggiunto una prospettiva che viene da anni di AI analitica prima ancora che arrivasse la GenAI: il dato non misura solo ciò che è già accaduto, ma orienta su cosa vale la pena fare. Aiuta a fare il match tra bisogni del cliente e obiettivi di business. E, soprattutto, libera tempo. Che è, a suo avviso, la vera misura del ritorno sull’investimento: non le revenue dirette, spesso non correlabili, ma il tempo restituito alle persone per pensare, decidere, relazionarsi.

L’AI generativa: il paradosso dell’adozione

Una delle tavole rotonde è partita dalla ricerca del MIT sull’intelligenza artificiale generativa uscita lo scorso agosto che ha sottolineato quanto l’impatto strutturale sia ancora limitato, i pilot abbondano ma faticano a scalare, e il learning gap, ovvero i sistemi che non imparano e non si adattano, resta il nodo irrisolto. Nessuno degli ospiti ha contestato questa lettura. Anzi: chi ha condiviso esperienze concrete lo ha fatto con una franchezza non sempre comune in questi contesti. Sutton ha raccontato tre anni di chatbot nel proprio e-commerce con KPI iniziali non raggiunti: i ticket aperti sono rimasti stabili, il conversion rate non è migliorato in modo significativo, e si è resa necessaria una figura dedicata ad aggiornare e “istruire” il sistema ogni volta che qualcosa cambiava in azienda. Il paradosso è evidente: per far funzionare l’AI è stato necessario assumere una persona che se ne occupasse a tempo pieno.

Eppure nessuno ha detto di voler abbandonare. La questione non è se usare l’AI, ma come, e soprattutto, da dove partire. L’errore più comune che è emerso è stato chiedersi cosa fa l’AI invece di chiedersi cosa serve all’organizzazione. È quello che ha sottolineato Livio De Nardi di Gruppo Hera, descrivendo il cambio di approccio che ha portato finalmente risultati: smettere di partire dalla tecnologia e cominciare dagli use case a maggiore utilità concreta, anche quelli meno visibili. Si scopre così che le soluzioni più efficaci spesso non sono le più glamour, ma quelle che liberano tempo, riducono ridondanze, migliorano la qualità delle informazioni disponibili all’operatore nel momento del contatto.

Il fattore umano, dentro e fuori l’azienda, resta la variabile più sottovalutata. I clienti continuano a cercare il contatto diretto anche quando tutti i touchpoint digitali funzionano. Gli operatori hanno bisogno di essere formati, non sostituiti. E le organizzazioni che stanno ottenendo risultati migliori non sono quelle che hanno implementato di più, ma quelle che hanno costruito un approccio coordinato, con ruoli definiti e governance chiara. Davide Tinelli di Concentrix, che osserva migliaia di implementazioni nel mondo, ha sottolineato che in questa fase il fatturato dei grandi BPO non è diminuito, bensì è cresciuto. Perché si sono moltiplicati gli investimenti in tecnologia, ma lo  “human in the loop” non è un ripiego temporaneo: è la condizione strutturale perché l’AI generi valore.

Omnicanalità: il problema non sono i canali

I canali ci sono, sono tanti, spesso ben presidiati. Oggi il tema non è la presenza, ma  la frammentazione in funzioni, linguaggi diversi e obiettivi diversi che spesso impedisce al cliente di vivere un’unica esperienza fluida e coerente. Gli attriti più frequenti, come ha raccontato Francesca Scudeletti di Sara Assicurazioni, non nascono nel singolo touchpoint ma nei passaggi tra uno e l’altro: il cliente che deve raccontare da capo la propria storia ogni volta che cambia canale; il tono formale della mail che stride con lo stile immediato del chatbot; il filo della relazione che si spezza proprio nei momenti più delicati, come una denuncia di sinistro o un riscatto di polizza vita. La risposta di Sara è stata costruire un hub centrale che dà all’operatore una vista completa del cliente: nessuno ricomincia da zero.

Ma risolvere questo problema richiede scelte organizzative prima ancora che tecnologiche. È quello che ha fatto Banca Widiba, che ha scelto di mettere brand experience e customer experience sotto la stessa direzione, ancora raro in Italia. La promessa del brand non si verifica nella comunicazione: si verifica nell’uso. E unire le due anime significa progettare prodotti e servizi non più per silos verticali, ma con una visione del percorso complessivo del cliente. L’AI in questo contesto può aiutare, ma in modi specifici e concreti. Può instradare la richiesta prima che arrivi all’operatore, suggerire una risposta basata su casi simili, personalizzare le comunicazioni proattive, prevedere quando un utente sta per abbandonare. Scudeletti ha descritto un percorso analogo in Sara Assicurazioni, dove l’AI supporta l’operatore in tre momenti precisi: l’instradamento iniziale, la costruzione della risposta, la personalizzazione delle comunicazioni in uscita. In nessuno di questi casi il valore è nell’automazione in sé: è nel tempo e nell’attenzione che si libera per ciò che conta davvero.

C’è poi una questione di fiducia, che D’Antoni ha sollevato anche sul versante editoriale: Sport Network ha scelto di non usare mai l’AI generativa per scrivere articoli di opinione. Una scelta dichiarata, di onestà verso i lettori. Perché la fiducia – che si tratti di un cliente bancario, di un lettore, di un assicurato – si costruisce nell’uso, e si perde in un momento.

Quello che rimane

Alla fine di una giornata così, le domande che restano aperte sono più interessanti delle risposte che sono state date. Come si misura davvero il valore dell’esperienza, non solo l’efficienza interna? Chi è responsabile della continuità, quando la relazione attraversa funzioni, sistemi e canali diversi? E come si costruisce la fiducia necessaria perché le persone accettino di affidarsi a strumenti che non capiscono fino in fondo?

Non ci sono risposte definitive. Ma ho la sensazione che il passaggio chiave stia in una parola che è tornata più volte: governo. Nel senso di tenere insieme complessità e continuità, nel tempo, con criteri condivisi e responsabilità chiare. È lì che la Customer Experience smette di essere un tema di design e diventa una leva strategica. Ed è lì, probabilmente, che si gioca la partita più importante dei prossimi anni.

Può interessarti anche:

Customer engagement nelle utility: dati, fiducia e AI per il valore a lungo termine Sovranità digitale europea: dalla dichiarazione UE alle scelte su cloud, dati e AI Agentic AI: quando l’autonomia diventa una questione di fiducia AI nella CX: più valore per il cliente, più responsabilità per i brand Il servizio clienti sta cambiando logica: meno canali, più intelligenza