La prima fase di integrazione di funzionalità AI-driven nelle piattaforme di Customer Communications Management (CCM) e Customer Experience Management (CXM) ha riguardato soprattutto funzioni generative: suggerimenti di contenuto, bozze di template, assistenza alla traduzione, riassunti automatici. Si tratta di funzionalità oggi offerte dalla maggior parte dei fornitori e che ormai costituiscono un requisito minimo, non sono più elemento di distinzione.
Gli sviluppi più rilevanti di questa tecnologia – e le capacità che le grandi imprese dei settori regolati cominciano a pretendere in fase di valutazione dei fornitori – riguardano un livello di funzionamento più avanzato, quello dell’agentic AI.
AI generativa vs agentic AI: cosa cambia davvero
La differenza tra AI agentica e AI generativa non ha a che fare con la potenza dei due sistemi, ma con il tipo di compito che ciascuno è in grado di svolgere.
Una funzione di AI generativa produce un documento, un paragrafo o una variante di template in risposta a una singola istruzione: esegue un compito puntuale e si arresta.
Una capacità di AI agentica riceve invece un comando complessivo: le viene ordinato di raggiungere un risultato, non di compiere una singola operazione. E il risultato potrebbe essere, per esempio la migrazione di un intero catalogo di template dalla vecchia piattaforma alla nuova, oppure l’individuazione delle cause per cui un determinato processo di comunicazione fallisce su decine di migliaia di record cliente.
A partire dall’obiettivo, un sistema di agentic AI costruisce una sequenza ordinata di operazioni, la esegue su più componenti della piattaforma e ne riferisce l’esito. Tutto questo entro limiti di governance definiti, che stabiliscono quali operazioni l’agente può compiere in autonomia e quali richiedono invece l’approvazione di una persona.
Perché la distinzione pesa nella scelta della piattaforma
Per un’organizzazione che opera in settori regolati, l’autonomia di azione non è un valore in sé: lo diventa solo se accompagnata da un controllo verificabile. La vera domanda nella valutazione delle piattaforme più avanzate è se siano in grado di agire e di rendere conto di ciò che hanno fatto, e se questa capacità di rendere conto sia integrata nell’architettura, non aggiunta in un secondo momento.
Dove l’AI agentica produce valore concreto
La capacità agentica più immediatamente spendibile riguarda la progettazione dei template e dei processi di comunicazione. Nelle piattaforme CCM tradizionali, creare un template è un’attività riservata a personale tecnico specializzato. Richiede infatti la padronanza di due elementi: il linguaggio con cui la piattaforma compone i documenti e il sistema di regole che associa ogni campo del documento al dato corrispondente proveniente dai sistemi aziendali (per esempio il nome del cliente, l’importo della fattura, la data di scadenza). Senza queste competenze non è possibile produrre un template funzionante.
Ne deriva un collo di bottiglia. Ogni aggiornamento normativo, ogni cambio di prodotto, ogni campagna che richieda un nuovo template deve passare attraverso un piccolo gruppo di specialisti tecnici, con i ritardi e i costi che ne conseguono.
Dalla descrizione in linguaggio ordinario al template pronto all’uso
Gli strumenti agentici riducono la dipendenza dal personale tecnico. Consentono a un utente non specializzato di descrivere in linguaggio ordinario lo scopo del template, la sua struttura e i dati che deve contenere. L’agente elabora, a partire da questa descrizione, una proposta di template, che un operatore umano deve esaminare e approvare prima che il sistema ne produca la versione definitiva e pronta all’uso.
Nel caso della progettazione dei processi di comunicazione l’utente può descrivere l’obiettivo del processo in linguaggio ordinario e ottenere dall’agente una proposta di flusso, da approvare prima dell’attivazione.
L’orchestrazione tra più agenti e il ruolo del “coordinatore”
Una CCM platform che opera su larga scala non può affidarsi a un singolo agente: l’ambito funzionale di una piattaforma moderna – template, dati, processi, canali, analisi del cliente, archiviazione a norma – è troppo ampio perché un unico sistema riesca a gestirlo ovunque e allo stesso modo. La soluzione adottata sul piano dell’architettura consiste nel suddividere il lavoro tra più agenti specializzati, ciascuno competente nel proprio ambito, coordinati da un componente centrale che riceve le richieste e le indirizza all’agente appropriato.
Questo componente centrale di coordinamento consente di gestire operazioni che attraversano più ambiti come se appartenessero a un’unica sequenza supervisionata, e offre un punto di accesso governato a tutte le operazioni di intelligenza artificiale: registrazione coerente delle attività, applicazione uniforme dei permessi, controllo umano su tutto l’operato degli agenti.
Per i team di governance informatica l’architettura del livello di coordinamento tra gli agenti AI è un criterio di selezione sostanziale. Di fatto, le piattaforme che propongono l’intelligenza artificiale come un insieme di funzioni separate e prive di un coordinamento comune generano dispersione e punti ciechi.
L’intelligenza predittiva: prima della comunicazione, non dopo
Le capacità più distintive delle piattaforme avanzate sono dunque predittive: operano sullo storico delle comunicazioni e delle interazioni con il cliente per indicare cosa comunicare, a chi, su quale canale e quando, anziché limitarsi a formulare il messaggio già deciso.
Tre categorie di intelligenza predittiva sono particolarmente rilevanti per le grandi imprese dei settori regolati:
- il rilevamento delle anomalie nei dati e nella fatturazione, funzionalità che permette di intercettare errori e incongruenze prima dell’invio;
- la misurazione di quanto spesso un cliente apre, legge e utilizza le comunicazioni che riceve, attraverso i diversi canali. È questo un dato aggiornato nel tempo che permette sia di prevedere quanto quel cliente tenderà a servirsi dei canali digitali, sia valutare con maggior accuratezza qual è il rischio di abbandono del servizio;
- la previsione dell’eventuale abbandono, costruita analizzando i dati storici di ciascun cliente. Grazie a questo dato l’organizzazione è in grado di attivare comunicazioni di fidelizzazione prima che l’abbandono si verifichi.
In ambienti con grandi volumi di contratti – utility, telecomunicazioni, assicurazioni – il valore economico di questi modelli è misurabile nel concreto osservando l’andamento dei tassi di rinnovo.
Cosa richiede l’AI Act all’agentic AI
L’AI Act classifica i sistemi di intelligenza artificiale in base al rischio. Per le piattaforme CCM, gli impieghi dell’agentic AI – personalizzazione di comunicazioni finanziarie, automazione dei documenti di rinnovo assicurativo, scelta automatica del canale per gli avvisi essenziali – rientrano nella categoria a rischio limitato, con obblighi espliciti di trasparenza e supervisione. Gli output devono essere verificabili, la logica decisionale documentata e consultabile, i meccanismi di intervento umano effettivamente attivi, e l’intera elaborazione deve restare entro la giurisdizione europea. Senza questa infrastruttura, la piattaforma non è conforme.
Governance e criteri di valutazione
Le capacità di AI non vanno valutate solo per le prestazioni funzionali, ma per l’architettura di governance che le sostiene. In pratica, la valutazione può essere ricondotta ad alcuni requisiti fondamentali. Gli output dell’agentic AI devono essere verificabili e la logica decisionale documentata e consultabile. I controlli che mantengono una persona nel processo decisionale devono essere imposti dall’architettura della piattaforma, e non dipendere soltanto da come gli operatori sono istruiti a usarla. L’elaborazione dei dati deve restare entro i confini dell’Unione Europea. E per ogni comunicazione generata o influenzata dall’AI deve esistere una traccia digitale consultabile, che registri i dati utilizzati, la versione del modello e il criterio decisionale.
È il rispetto di questi requisiti che differenzia le piattaforme costruite per durare in un mercato regolato da quelle che hanno aggiunto l’intelligenza artificiale come livello superficiale ma sono prive dell’infrastruttura di governance richiesta dall’AI Act.
FAQ
Agentic AI: cos’è e qual è la differenza con l’AI generativa?
L’AI generativa si limita a produrre un contenuto in risposta a una singola istruzione. L’AI agentica riceve un obiettivo complessivo, lo scompone in una sequenza di operazioni e le esegue, entro limiti di governance definiti.
Quali vantaggi offre l’agentic AI nella progettazione dei template?
Permette a un utente non specializzato di descrivere il template in linguaggio ordinario. L’agente elabora una proposta, che viene approvata da un operatore prima del rilascio. In questo modo si supera il collo di bottiglia legato alle competenze tecniche specifiche del personale.
Perché serve un componente coordinatore tra più agenti AI?
Perché l’ambito di una CCM platform è troppo ampio per un singolo agente. Un componente centrale coordina gli agenti specializzati e garantisce registrazione coerente, permessi uniformi e controllo umano.
Cosa richiede l’AI Act all’agentic AI?
Gli impieghi tipici sono a rischio limitato, con obblighi di trasparenza e supervisione: output verificabili, logica decisionale documentata, controllo umano attivo e l’intero trattamento dei dati deve avvenire entro la giurisdizione europea.
