Quando un’azienda decide di portare gli agenti AI nel servizio clienti, la prima domanda che circola in riunione è quasi sempre la stessa: su quale piattaforma lo facciamo? È una domanda comprensibile. Ha una risposta che entra in un confronto tra fornitori, si traduce in una tabella di requisiti, ha un budget e una scadenza.
È anche la domanda più immediata e la meno decisiva tra quelle da porsi, perché sposta l’attenzione sullo strumento proprio quando il lavoro vero riguarda l’organizzazione.
Le strade possibili sono più di una
La domanda sulla piattaforma non va però liquidata, perché ha più risposte possibili. La guida di Gartner A Service and Support Leader’s Guide to Agentic AI Deployment Approaches ne individua tre: usare le funzioni agentiche della piattaforma di servizio che l’azienda ha già, adottare soluzioni specializzate nate per l’agente AI, costruire in proprio su componenti disponibili. I percorsi non si escludono. Le organizzazioni li combinano, caso d’uso per caso d’uso, e la scelta cambia con la maturità, con le competenze interne e con quanto il processo da automatizzare è standard oppure specifico. Detta così, la questione della piattaforma sembra risolta: si valuta, si confronta, si sceglie. Ma la stessa guida segnala un rischio che nessun confronto tra fornitori elimina, quello dell’agent sprawl, cioè agenti che si moltiplicano in modo scoordinato, ciascuno con i propri dati, le proprie regole e il proprio perimetro.
Il cliente non vede i confini tra funzioni
Un agente AI nato in un reparto risponde bene dentro quel reparto. Il cliente, però, non sa e non deve sapere come è organizzata l’azienda. Chiede un rimborso, riceve una risposta dall’agente dell’assistenza, poi apre una contestazione e trova un altro agente che non conosce la conversazione precedente. Il customer journey si spezza esattamente dove l’azienda ha deciso di automatizzare.
Per questo l’esperienza del cliente non può restare una responsabilità del servizio clienti. Gli agenti isolati sono il sintomo più recente di un problema vecchio: ogni funzione ottimizza il proprio pezzo e nessuno risponde del tutto. La questione, ormai, è come tenere insieme ciò che si sta costruendo.
Cosa deve sapere un agente per lavorare bene
Un agente AI non ha buon senso aziendale. Ha quello che gli viene messo a disposizione: le regole di rimborso, i tempi di risposta promessi, il tono con cui l’azienda parla ai clienti, le eccezioni che gli operatori più esperti gestiscono a memoria, la storia di ogni cliente. Gran parte di questa conoscenza oggi non è scritta in un posto solo. Vive in documenti non aggiornati, in procedure interpretate in modo diverso da un team all’altro, nella testa di chi lavora in azienda da anni.
Se la base è incoerente, l’agente la restituisce incoerente, con una differenza: lo fa a velocità e a volumi che un operatore non raggiunge mai. Un errore di policy che prima toccava dieci clienti ne tocca diecimila. Nella logica di scelta proposta da Gartner, il punto di partenza è proprio questo: quali dati l’agente deve poter leggere e quali azioni deve poter compiere. La scelta della piattaforma arriva dopo, come conseguenza.
Qui sta la ragione per cui la domanda sulla piattaforma è fuorviante. Nessuna piattaforma, per quanto buona, mette in ordine una conoscenza che l’azienda non ha ancora messo in ordine.
Dopo il lancio comincia la parte più impegnativa
L’attenzione di solito si concentra sul go-live. Ma un agente AI in produzione va supervisionato, corretto, aggiornato quando cambiano prodotti, prezzi e regole. Qualcuno deve leggere le conversazioni che non sono andate bene e decidere cosa cambiare. Qualcuno deve stabilire quando l’agente passa la mano a una persona e con quale contesto. I dati disponibili raccontano che le organizzazioni lo stanno già scoprendo. In una survey Gartner su 321 responsabili del servizio clienti, l’85% dichiara di aggiungere compiti e responsabilità ai ruoli di prima linea e il 75% di spostare gli operatori verso ruoli nuovi. L’analista Eric Keller osserva che il punto è scegliere tra fare lo stesso lavoro a costo inferiore e riposizionare le persone su attività diverse.
La ricerca Salesforce State of Service sull’Italia va nella stessa direzione. Tra i professionisti che usano già l’AI, il 62% dichiara che il proprio team passa ormai più tempo a supervisionarla che a gestire richieste semplici dei clienti, e il 56% si aspetta che sarà ancora così tra sei mesi. Tra i team che non hanno ancora implementato agenti AI, i due freni principali, citati ciascuno dal 34% degli intervistati, sono i vincoli di budget e risorse e la mancanza di competenze dei dipendenti. Tra gli investimenti previsti compare la formazione del personale per lavorare con l’AI (45%), e le aree di crescita indicate sono i ruoli specialistici (60%) e quelli di AI architect (59%). Sono profili che, nella lettura di Salesforce, richiedono nuove competenze e non solo nuove risorse. Governare gli agenti è quindi un lavoro, con competenze, tempo e responsabilità precise. Se non è assegnato a qualcuno, non lo fa nessuno.
Tre domande da farsi prima del confronto tra fornitori
La prima: dove vivranno i dati e la conoscenza di cui gli agenti hanno bisogno tra due anni? Non dove sono oggi, ma dove dovranno essere quando gli agenti saranno dieci e non uno. Se la risposta è “dipende dalla piattaforma”, la dipendenza è già un problema.
La seconda: chi è responsabile degli agenti dopo il lancio? Serve un nome, non una funzione generica. Qualcuno che risponda della qualità delle risposte, delle regole e dei casi in cui l’agente sbaglia, e che abbia l’autorità per intervenire anche oltre il perimetro del servizio clienti.
La terza: cosa succede se la piattaforma cambia? Per scelta aziendale, per un’acquisizione, per un prezzo che sale. Se la conoscenza, le regole e le conversazioni sono incorporate in un solo strumento, cambiarlo significa ricominciare da capo.
Chi sa rispondere a queste tre domande può confrontare le piattaforme con criteri solidi, perché sa cosa chiedere. Chi non sa rispondere sceglierà comunque, ma rischia di scoprire solo dopo che il problema era altrove.
In sintesi
La piattaforma conta, ma viene dopo. Prima vengono la conoscenza che l’agente deve avere, la responsabilità di chi lo governa e un disegno dell’esperienza che tenga insieme tutta l’azienda. Gli agenti AI funzionano nel servizio clienti quando l’organizzazione è pronta a sostenerli, e la scelta dello strumento è l’ultima tappa di quel lavoro.
Fonti
Gartner, A Service and Support Leader’s Guide to Agentic AI Deployment Approaches
Gartner, comunicato stampa del 28 aprile 2026, survey su 321 responsabili del servizio clienti: Business Wire
Salesforce, State of Service: AI Agents Edition, dati italiani su 200 professionisti del customer service (marzo-aprile 2026), comunicato del 22 maggio 2026





