Un cliente scrive all’assistenza. Vuole sapere quando arriverà il suo ordine. Riceve una risposta corretta in tre secondi, a qualsiasi ora del giorno. Eppure chiude la chat irritato.
È uno dei paradossi del servizio clienti automatizzato: un sistema può essere tecnicamente efficiente e produrre comunque un’esperienza mediocre. Il problema, sempre più spesso, non è quanto sia bravo il bot. È ciò che gli abbiamo chiesto di fare.
I numeri che raccontano il fastidio
Uno studio condotto su seimila persone tra Stati Uniti, Regno Unito e Canada ha confrontato il sentimento dei consumatori verso l’assistenza automatizzata tra ottobre 2025 e aprile 2026. In sei mesi, la preferenza per parlare con un umano è salita dall’83% all’85%. La frustrazione dichiarata verso i bot è cresciuta dal 54% al 59%. Chi si dice pronto a interrompere il contatto non appena capisce di essere connesso a un sistema AI è passato dal 29% al 31%.
Il dato va letto con una precisazione importante: la ricerca è stata commissionata da un’azienda che opera nei servizi di risposta telefonica e assistenza umana. Non invalida automaticamente i risultati, ma rende ancora più importante considerarli insieme ad altre ricerche e, soprattutto, ai dati reali della propria clientela.
La direzione che emerge da diversi studi è comunque interessante: una parte consistente dei consumatori continua a preferire un interlocutore umano, soprattutto quando il problema è complesso, delicato o coinvolge direttamente denaro, salute, sicurezza o una situazione già conflittuale.
Questo dato convive con un’altra tendenza evidente: le aziende stanno aumentando l’uso dell’automazione nel customer service. Da una parte si misurano richieste gestite automaticamente, tempi di risposta e costi per contatto. Dall’altra resta da capire come cambia l’esperienza di chi chiede assistenza.
Le due prospettive non coincidono necessariamente.
Perché un chatbot bravo può comunque far perdere un cliente
La scelta di dove utilizzare un chatbot AI pesa almeno quanto la qualità tecnica del sistema.
I modelli linguistici disponibili oggi comprendono molto meglio il contesto rispetto alle generazioni precedenti, mantengono conversazioni più coerenti e possono gestire richieste semplici con grande rapidità. Stato di un ordine, orari di apertura, disponibilità di un servizio, informazioni standard: in questi casi l’automazione può essere estremamente utile.
Le cose cambiano quando la richiesta porta con sé una componente emotiva o una situazione fuori standard.
Un pagamento errato che ha creato preoccupazione, un disservizio ripetuto, una richiesta che richiede un’eccezione, un problema che non rientra nelle casistiche previste: in questi momenti il cliente cerca qualcosa di più di una risposta formalmente corretta.
Cerca qualcuno che possa interpretare il contesto, assumersi una responsabilità, fare una valutazione e, quando serve, cambiare strada.
Un bot può utilizzare un linguaggio molto naturale. Resta però percepito come parte di un sistema. E quando il cliente pensa di trovarsi davanti a regole dalle quali nessuno può deviare, anche una risposta tecnicamente corretta può aumentare la frustrazione.
C’è poi un effetto meno evidente: sapere in anticipo di stare per parlare con un bot modifica il modo in cui alcune persone entrano nella conversazione. Se si aspettano di dover “convincere una macchina” della propria situazione, possono arrivare già sulla difensiva.
La qualità dell’esperienza comincia quindi prima ancora della prima risposta.
Dove l’automazione funziona davvero
La questione utile non è più decidere se automatizzare. La maggior parte delle aziende lo fa già, almeno in parte.
La decisione importante riguarda dove tracciare il confine.
Un bot che smista richieste semplici, rende disponibili informazioni fuori orario e lascia agli operatori i casi complessi ha molte più probabilità di essere percepito come utile. Un sistema che cerca invece di trattenere qualsiasi conversazione, comprese quelle delicate o fuori standard, aumenta rapidamente il rischio di frustrazione.
Per decidere cosa automatizzare, conviene guardare almeno tre elementi.
Il primo è la standardizzazione della richiesta. Se esiste una risposta precisa, verificabile e stabile, l’automazione può funzionare molto bene.
Il secondo è il rischio dell’errore. Anche una richiesta apparentemente semplice può richiedere maggiore cautela quando riguarda pagamenti, dati personali, modifiche sensibili o operazioni difficili da annullare.
Il terzo è la componente emotiva. Quando la persona è arrabbiata, preoccupata, confusa o chiede una valutazione, poter raggiungere rapidamente un operatore umano diventa parte stessa della qualità del servizio.
Questa distinzione sembra semplice sulla carta. Nella pratica è proprio qui che molte implementazioni si complicano: il confine viene progressivamente spostato verso l’automazione perché ogni nuova richiesta gestita dal bot produce un risparmio facilmente misurabile.
La via di fuga verso una persona conta quanto il bot
Uno degli elementi che fanno maggiormente la differenza è quanto sia semplice uscire dall’automazione.
Un sistema ben progettato dovrebbe riconoscere quando una richiesta non può essere gestita con sufficiente sicurezza, quando l’utente manifesta frustrazione o quando la conversazione continua a girare intorno allo stesso problema senza arrivare a una soluzione.
In quel momento l’escalation verso un operatore dovrebbe essere rapida e comprensibile.
Nascondere questa possibilità, renderla volutamente complicata o costringere l’utente a ripetere più volte la propria richiesta può migliorare alcune metriche interne di contenimento delle conversazioni. Difficilmente migliora il servizio.
Un bot dovrebbe sapere anche quando smettere di fare il bot.
Il conto che nessuno fa
Il risparmio prodotto dall’automazione compare subito nei report: costo medio per contatto, tempo di gestione, numero di richieste risolte senza intervento umano.
Il costo di una cattiva esperienza è molto meno ordinato.
Può emergere settimane dopo sotto forma di un rinnovo mancato, una recensione negativa, un acquisto che non si ripete o un cliente che decide di provare un concorrente.
Ed è qui che le metriche possono diventare ingannevoli.
Un bot può aver “contenuto” correttamente una conversazione perché non l’ha trasferita a un operatore e, nello stesso momento, aver lasciato il cliente senza una soluzione soddisfacente.
Dal punto di vista del sistema è un successo. Dal punto di vista del cliente è il contrario.
Per questo misurare soltanto quante conversazioni l’AI riesce a trattenere significa misurare l’efficienza del canale, non necessariamente la qualità del servizio.
Chi decide dove finisce il bot e comincia la persona
La domanda più importante da fare prima di automatizzare non riguarda il risparmio sul singolo contatto.
Riguarda chi, in azienda, ha la responsabilità di decidere quali richieste possano essere gestite autonomamente dal sistema e quali abbiano bisogno di una persona.
E soprattutto: con quale criterio viene presa questa decisione? Quanto spesso viene rivista? Quali dati vengono utilizzati per capire se il confine è stato tracciato nel punto giusto?
In molte organizzazioni questa responsabilità non è assegnata esplicitamente. Il confine si sposta poco alla volta, ogni volta che una nuova casistica viene aggiunta alla lista delle richieste che il bot “può” gestire.
Il fatto che tecnicamente possa farlo, però, non significa automaticamente che debba farlo.
Le aziende che gestiscono bene questa scelta tendono a partire dai dati reali: quali richieste arrivano al servizio clienti, quali generano reclami, quali richiedono eccezioni, quali vengono risolte rapidamente e quali finiscono più spesso in escalation.
Solo dopo ha senso decidere cosa automatizzare.
Copiare la configurazione standard proposta dal fornitore del software è molto più semplice. Ma significa progettare il servizio clienti sulle capacità dello strumento invece che sulle esigenze dell’azienda e del suo pubblico.
Automatizzare il servizio clienti è una decisione di progettazione
Prima di scegliere quale AI inserire nel servizio clienti conviene quindi progettare il confine: quali conversazioni può gestire, quali deve riconoscere come troppo complesse, quando deve fermarsi e quanto deve essere semplice raggiungere una persona.
In Go Wave partiamo da qui: dalle richieste reali che arrivano all’azienda, dai processi con cui vengono gestite e dai punti in cui oggi si genera attrito. Solo dopo ha senso decidere cosa automatizzare e con quale tecnologia.
Se state valutando un sistema di customer service automatizzato, o ne avete già uno e volete capire dove sta aiutando davvero e dove sta creando problemi, possiamo partire dall’analisi delle conversazioni e dei processi esistenti.