La Leader della Trasformazione CS spiega cosa l’IA può (e non può) risolvere nella Customer Success

Andrea Bumstead è fondatrice e CEO di CS Impact, una società di consulenza in ambito customer success che aiuta le aziende SaaS B2B a trasformare il Customer Success in un motore di ricavo. Con oltre 15 anni di esperienza e una comprovata storia di crescita di organizzazioni da $15M a oltre $3B di ARR, ha guidato numerose trasformazioni globali in ambito Customer Success per aziende come Quest, Procore e One Identity.

Abbiamo parlato con Andrea per capire come sta utilizzando l’AI per migliorare l’esperienza del cliente. Ecco cosa ci ha raccontato.

Trasformare il customer success in un motore di ricavo

Sono la fondatrice e CEO di CS Impact, una società di consulenza che offre leadership frazionaria e servizi di consulenza strategica a società SaaS B2B con un ARR tra $50M e $150M.

Trasformiamo il customer success in un motore di ricavo, generando milioni di dollari fra espansione e retention.

Perché l’AI è un’arma a doppio taglio nella CX

L’integrazione dell’AI nella CX ha prodotto risultati notevoli ma ha anche evidenziato alcune sfide reali.

Ecco i vantaggi:

• Risparmio di tempo significativo: l’AI ha ridotto lo sforzo manuale nelle fasi di preparazione, follow-up, aggiornamenti CRM e reporting. In molti casi, ho visto CSM risparmiare 1–2 ore al giorno, da reinvestire in attività a diretto contatto con il cliente.
• Analisi clienti più rapide e accurate: strumenti come Claude, Gainsight, Gong AI e altri rilevano segnali in tempo reale — come rischio di abbandono, opportunità di espansione e variazioni nella salute del cliente — che prima richiedevano ore (o giorni) per essere individuati.
• Migliore coerenza e scalabilità: l’AI aiuta a standardizzare output come success plan, QBR e sintesi di account, fondamentale per scalare i team o supportare diversi segmenti di clienti.
• Azioni CX più proattive: invece di reagire in ritardo, i team possono agire in anticipo grazie ai segnali generati dall’AI — sia si tratti di mitigazione dei rischi che di strategie di espansione.

Ma ci sono anche degli svantaggi:

• Problema segnale vs. rumore: non tutti gli insight generati dall’AI sono utili. I team possono essere sommersi da avvisi privi di contesto o di priorità.
• Eccessiva dipendenza dall’automazione: alcuni team si affidano troppo ai contenuti generati dall’AI (QBR, email), finendo per offrire interazioni generiche e poco incisive con i clienti.
• Dipendenza dalla qualità dei dati: l’AI è valida solo quanto lo sono i dati che la alimentano. Se i dati del CRM o del prodotto sono incompleti o errati, i risultati perdono rapidamente credibilità.
• Perdita di pensiero critico: c’è il rischio che i CSM smettano di pensare in modo strategico e si affidino alle raccomandazioni dell’AI invece di esercitare il proprio giudizio.

Perché dati di qualità sono fondamentali per output AI di qualità

Ecco cosa ogni leader CX dovrebbe sapere: la qualità dei dati è tutto.

Ho lavorato con organizzazioni CS che hanno investito in eccellenti strumenti AI, ma i dati di base erano disordinati o incompleti. Questo ha limitato completamente il valore ottenuto.

Un cliente non aveva correttamente impostato le gerarchie account in Salesforce. Ad esempio, c’erano 15 account separati con lo stesso nome, tutti dello stesso cliente, ma non collegati tra loro. Quando hanno implementato l’AI su questa base, il sistema ha generato insight a livello di singolo account, senza però offrire una visione globale della relazione con il cliente.

Così, invece di ottenere migliori insight, il risultato sono stati segnali frammentati e talvolta fuorvianti.

Vale la pena investire tempo per raccogliere dati di qualità e pulire quelli errati!

Come suddividere i compiti tra AI e persone nella CX

Il mio punto di vista sull'IA rispetto all'uomo nella Customer Experience è che l'IA dovrebbe gestire la scala, i segnali e la velocità. Gli esseri umani dovrebbero occuparsi della fiducia, del giudizio e della trasformazione.

L'IA è più potente nei compiti che richiedono molti dati, sono ripetibili o richiedono molto tempo:

• Lavoro amministrativo: preparazione alle chiamate, sintesi degli account, ricerca sugli stakeholder e follow-up post-chiamata — inclusi note, prossimi passi e aggiornamenti nel CRM (Salesforce, Gainsight)
• Generazione di contenuti e materiali: piani di successo, QBR, piani account, analisi delle opportunità inutilizzate e comunicazioni ai clienti
• Generazione di insight: identificazione degli account a rischio (calo dell'utilizzo, perdita di referenti, attività di fusioni e acquisizioni), opportunità di espansione e trend nei feedback di prodotto
• Orientamento su larga scala: far emergere i giusti playbook di rischio o di espansione al momento opportuno
• Digital CX: messaggistica in-app, flussi di onboarding, knowledge base e contenuti di supporto

Gli esseri umani sono fondamentali ovunque contesto, fiducia e sfumature siano importanti:

• Conversazioni con i clienti e costruzione di relazioni: in particolare con stakeholder esecutivi
• Scoperta e definizione del problema: comprendere non solo cosa sta succedendo, ma perché
• Leggere tra le righe: cogliere il sentiment, i segnali di rischio e ciò che non viene detto
• Orientamento consulenziale: aiutare i clienti a prendere decisioni e guidare veri risultati di business
• Momenti che costruiscono fiducia: incontri con dirigenti, cene di persona, eventi e interazioni ad alto impatto

Come i QBR automatizzati portano a conversazioni significative con i clienti

Andrea condivide

Abbiamo aiutato le aziende ad automatizzare usando l’IA per raccogliere dati e insight, integrarli in un formato ripetibile e ottimizzare la delivery sia per presentazioni in presenza che elettroniche… Di conseguenza, queste aziende possono avere conversazioni più significative con più clienti — e offrire maggiore valore.

Ho menzionato i QBR — abbiamo creato il QBR da 15 minuti. Copre:

1. Il valore che il cliente ha ricevuto fino ad oggi
2. Come può ottenere ancora più valore
3. Tre raccomandazioni per i prossimi passi

Abbiamo aiutato le aziende ad automatizzare questo processo utilizzando l'IA per raccogliere dati e insight, integrarli in un formato ripetibile e ottimizzare la presentazione sia per incontri di persona che elettronici. Per quanto riguarda gli strumenti, stiamo aggregando dati da Salesforce, Gong e Gainsight per generare automaticamente le presentazioni QBR utilizzando Claude.

Di conseguenza, queste aziende possono avere conversazioni più significative con più clienti — e offrire maggiore valore.

Prima di implementare il QBR da 15 minuti, consiglio ai leader CS di concentrarsi su cinque fondamenta critiche:

1. Chiarire i problemi che si risolvono: individua i primi 2–3 problemi di business che il tuo prodotto risolve — questo diventa il perno di ogni conversazione con il cliente.
2. Definisci obiettivi e metriche di successo: allineati su KPI collegati alla realizzazione del valore per poter misurare e comunicare chiaramente l'impatto.
3. Monitora i progressi dei clienti: serve visibilità su come ogni cliente sta performando rispetto ai propri obiettivi, non solo sull'uso del prodotto.
4. Metti a confronto i tuoi migliori clienti: comprendi cosa fanno di diverso i tuoi migliori clienti così da poter evidenziare le lacune e le opportunità.
5. Costruisci un motore di raccomandazioni: sviluppa raccomandazioni ripetibili e ad alto impatto che aiutino i clienti a sbloccare ulteriore valore.

Da qui, consiglio un approccio semplice al rollout:

1. Parti in piccolo: avvia un progetto pilota con un gruppo ristretto e perfeziona l'approccio.
2. Automatizza dove possibile: sfrutta l’IA per estrarre dati e generare insight su larga scala.
3. Poi amplia: estendi a più segmenti una volta dimostrata l’efficacia.
4. E, altrettanto importante, permetti al team di consegnare risultati in modo efficace: forma le persone a guidare con sicurezza, porre domande di scoperta efficaci e condurre la conversazione da una prospettiva consultiva e orientata al valore.

Andrea condivide

Parti in piccolo. Automatizza dove possibile e poi amplia. E, altrettanto importante, permetti al team di consegnare risultati in modo efficace.

Dove l’IA non è ancora sufficiente nei QBR e nella creazione di contenuti

Una delle sfide nel workflow dei QBR è che, sebbene l’IA eccella nella generazione di contenuti, fatica ancora a strutturarli in un formato realmente utilizzabile e pronto per il business, come una presentazione per i dirigenti.

Nella pratica, l’IA accelera il primo 70% del lavoro, ma il restante 30% — quello che spesso lo rende davvero utilizzabile e d’impatto — richiede ancora la rifinitura da parte delle persone.

Come l’IA migliora le previsioni in ambito CX — e cosa manca ancora

Ho utilizzato Gong per le previsioni in diverse organizzazioni, ed è la soluzione più potente che ho visto in ambito Customer Success.

Aggrega segnali da tutto l’account: sentiment del cliente, livelli di attività, e dati chiave da Salesforce come ARR, TCV, fase della trattativa, note e next step.

Questo offre ai leader CS una visione molto più olistica, in tempo reale, dello stato di salute dell’account e dei potenziali risultati.

Detto ciò, il processo è ancora in gran parte manuale. I CSM sono ancora responsabili di:

• Gestire il processo di contatto in Salesforce
• Aggiornare le fasi delle opportunità
• Prendere decisioni sulle renewal — ovvero se un account rimarrà invariato, diminuirà o crescerà.

La prossima evoluzione è la previsione assistita dall’IA. Invece di partire da zero, l’IA dovrebbe:

• Analizzare le tendenze storiche
• Integrare i punteggi di salute e l’utilizzo del prodotto
• Raccogliere segnali dalle conversazioni con i clienti
• E generare una previsione consigliata.

A quel punto, il ruolo del CSM diventerebbe quello di rifinire e validare la previsione, invece che crearla da zero.

Vedo inoltre una carenza di visibilità sulle variazioni nel tempo. Fare previsioni non dovrebbe essere una fotografia istantanea: dovrebbe mostrare chiaramente come si evolve settimana dopo settimana e cosa ha determinato quei cambiamenti. Ad esempio, un grande account è improvvisamente diventato a rischio? Oppure siamo riusciti a recuperare ricavi che avevamo preventivato in churn?

Quel livello di visibilità, unito a raccomandazioni guidate dall’IA, non solo aumenterebbe la precisione delle previsioni, ma le renderebbe molto più azionabili, scalabili e in linea con il modo in cui operano i team di CS.

Perché chi guida la CX deve imparare ad accettare il fallimento

Ecco il mio consiglio: non abbiate paura di sperimentare o di provare cose nuove. Non abbiate paura di fallire.

Sperimentate nuovi workflow IA, seguite corsi e ampliate i vostri orizzonti.

Pavilion offre un corso approfondito su GTM e Intelligenza Artificiale. Gli eventi di Customer Success Collective, come i loro Customer Success Summits negli Stati Uniti, Regno Unito e APAC, sono incentrati su flussi di lavoro guidati dall’IA.

Segui il percorso

Segui Andrea Bumstead su LinkedIn per approfondimenti su come trasformare il Customer Success in un motore di ricavi, costruire strategie CS ad alto impatto e sfruttare l’IA per generare valore per il cliente. Iscriviti alla sua newsletter su Substack, Real Talk with CS Impact, per playbook e framework pratici. E segui tutti gli aggiornamenti su Instagram.

In arrivo altre interviste con esperti su The CX Lead!