L’intelligenza artificiale sta trasformando il panorama della customer experience da una logica di semplice automazione a una dimensione più ambiziosa, nella quale processi, dati, tecnologie e persone vengono ripensati insieme. È questo il filo rosso emerso dal recente convegno “Al-driven Customer Experience: strategie, governance e tecnologie per orientarsi nel cambiamento”, organizzato dall’Osservatorio Omnichannel Customer Experience del Politecnico di Milano. L’evento ha rappresentato un’occasione di approfondimento e confronto sulle traiettorie di questa evoluzione, mettendo a confronto evidenze di ricerca, tavole rotonde con esperti di settore e casi aziendali di successo.

Il vero cambiamento

Nel corso della presentazione dell’indagine “Dal supporto all’orchestrazione della Customer Experience con l’AI”, a cura dell’Osservatorio, è emerso un messaggio netto: introdurre l’intelligenza artificiale nei processi esistenti non basta. Dalle risposte delle aziende intervistate emerge infatti che il valore nasce soprattutto dalla riprogettazione dei processi e dal conseguente cambiamento di organizzazione, ruoli e modalità di lavoro. L’AI può connettere marketing, vendite e customer service, ma richiede dati condivisi, governance e supervisione umana. L’evoluzione va così dai modelli “a silos” a un modello connesso e, in prospettiva, orchestrato, nel quale un layer trasversale di AI coordina il customer journey, offrendo al cliente un’esperienza unica e continua, indipendentemente da canali e funzioni.

La supervisione resta umana

Ma per arrivarci servono organi di governo centralizzati, dati puliti e accessibili, piattaforme flessibili, reskilling e formazione continua. Anche la governance deve evolvere, definendo fin dall’inizio il grado di autonomia dell’AI, criteri di escalation e osservabilità, con un margine decisionale crescente in base a rischio e performance. L’escalation all’umano non è quindi un fallimento della tecnologia, ma una componente strutturale del processo.

Il punto di partenza è il business

È stato poi il turno della prima tavola rotonda con Michele Albertini, Sales Director di Indigo.ai, Davide Tinelli, Chief Operating Officer di Concentrix, e Domenico Violante, partner e Responsabile Customer Technology di EY, che ha evidenziato come il punto di partenza debba essere il business, non la tecnologia: quali processi migliorare, quali attività ridisegnare e quali KPI modificare. Gli agenti AI trasformano inoltre i progetti in sistemi destinati a evolvere attraverso monitoraggio, valutazione e miglioramento continui. Diventa quindi essenziale un modello operativo integrato tra persone e intelligenza artificiale, con responsabilità, guardrail, escalation e architetture dati adeguate. Senza una governance strutturata, la diffusione spontanea di strumenti e soluzioni rischia di generare silos, duplicazioni e problemi di sicurezza e riservatezza.

Coop: partire dalle regole

A seguire, la testimonianza aziendale di Francesca Grillo, Responsabile Customer Experience Management di Coop Alleanza 3.0, ha confermato il valore di un approccio prudente e strutturato. Prima di sviluppare i casi d’uso, la cooperativa ha costruito una governance interfunzionale fondata su etica del dato e responsabilità umana, coinvolgendo un presidio etico già in fase di progettazione. Formazione, policy interne e valutazione continua hanno accompagnato casi come EliCare, dedicato all’ascolto dei soci, e Vera, assistente interno basato su fonti dati aziendali e progettato secondo principi di sicurezza, inclusività e controllo umano.

Un mercato in crescita

La seconda parte del convegno ha spostato il focus sul mercato delle SMarTech, con cui l’Osservatorio amplia il perimetro delle tecnologie di marketing a quelle a supporto di sales e customer service, in una logica integrata. Nonostante si parli da tempo di queste tecnologie, il mercato è in costante crescita ed è sempre più permeato dall’AI. Le progettualità più diffuse tra le grandi aziende riguardano marketing e comunicazione, seguite dal customer service, mentre nel sales prevalgono quelle legate alla churn prevention (strategia utilizzata per prevenire l’abbandono dei clienti). Gli agenti AI sono invece ancora agli inizi: nel 2025 solo il 9 per cento delle aziende aveva adottato veri agenti, contro il 38 per cento dotato di AI Assistant.

Cambia anche il rapporto tra grandi aziende e vendor: le tecnologie fondanti restano appannaggio dei grandi player, mentre per le soluzioni verticali cresce il ricorso a specialisti e, soprattutto, allo sviluppo interno degli agenti. Una strada che richiede competenze dedicate e governance rigorosa, per evitare proliferazione di soluzioni, problemi sui dati e obsolescenza. In un mercato così veloce, servono quindi modelli decisionali più agili e partner sempre più orientati a un ruolo strategico e consulenziale.

Più personalizzazione, meno “silos”

Nella successiva tavola rotonda, il confronto tra Edoardo Abate, Senior Sales Engineer di Zendesk, Francesco Cristaudo, Client Manager di Contactlab, Lorenzo Galtarossa, BU Manager | Contact Center & CX di Storm Reply, Cristiana Gentile, Enterprise Account Director di Medallia, e Michela Zaninello, Business Partner di Omega3C an Atombit Company, ha evidenziato tre direttrici: personalizzazione predittiva, integrazione e trasformazione della voice of the customer in leva decisionale. L’AI consente di passare da segmentazioni basate sul passato a profili dinamici, prevedendo propensione all’acquisto e rischio di churn. Nel customer service gli agenti possono gestire interazioni end-to-end, aumentando al contempo l’efficienza degli operatori. Il nodo tecnologico resta l’integrazione: per rendere l’intelligenza artificiale realmente “agentica” occorre collegarla a CRM (Customer Relationship Management), knowledge base e sistemi aziendali, orchestrando persone, applicazioni e modelli e definendo adeguati guardrail.

Ascoltare continuamente

Il vero salto riguarda però la customer intelligence: il cliente diventa un profilo dinamico, da comprendere e anticipare attraverso dati, machine learning e modelli predittivi. Anche la voice of the customer passa da survey periodiche a un ascolto continuo e conversazionale, capace di integrare dati esperienziali e operativi e trasformare gli insight in azioni. La prospettiva è quella dell’agentic automation: l’AI non si limita a individuare un problema, ma può comprenderne il contesto e attivare autonomamente, sotto supervisione umana, le azioni correttive.

Il caso Maestro

La testimonianza aziendale di Marianna Valendino, Manager of Marketing Campaign Automation di Fastweb + Vodafone ha infine illustrato il progetto “Maestro”, evidenziando concretamente il passaggio da campagne a silos e basate su dati storici a un modello automatizzato e predittivo. Partito da un pilot di 500mila clienti, poi esteso a 2 milioni e da ultimo all’intera customer base, Maestro gestisce oggi varie tipologie di campagne, intercettando segnali di pre-churn e opportunità di crescita. Il progetto ha migliorato redemption e time to market, riducendo la complessità e aumentando la personalizzazione.