La responsabile clienti afferma che l’IA sta cambiando gli organigrammi della CX — ed è per questo che sta passando a un modello di “unità di servizio”

Sofia Barbosa è responsabile della clientela presso BMC Software, un'azienda B2B che serve clienti con ambienti IT complessi.

Abbiamo parlato con Sofia per scoprire come sta implementando l'IA e come questa stia cambiando l'organigramma della sua organizzazione CX. Ecco cosa ci ha raccontato.

Guidare l'intero ciclo di vita del cliente post-vendita

Sono Sofia Barbosa, responsabile della clientela presso BMC Software. Guido l'ufficio clienti, un'organizzazione unificata che riunisce servizi professionali, supporto, gestione del successo del cliente, formazione e voce del cliente.

Insieme, queste funzioni coprono l'intero ciclo di vita del cliente post-vendita, dall'implementazione e dall'abilitazione fino al successo continuo, all'adozione e alla promozione.

Serviamo clienti B2B che gestiscono alcuni degli ambienti IT più complessi al mondo, il che significa che i nostri team operano attraverso un'ampia gamma di canali e modelli di coinvolgimento, dalle relazioni strategiche ad alta intensità con i clienti al supporto scalabile e autonomo.

Perché l'IA sta cambiando gli organigrammi della CX

La maggior parte degli organigrammi della CX odierni riflette decenni di complessità accumulata: team specializzati, passaggi di consegne limitati e processi che presuppongono che siano gli esseri umani a svolgere ogni fase del lavoro. L'IA mette in discussione questo presupposto, ma molti leader stanno ancora cercando di integrare l'IA nella struttura esistente invece di chiedersi quale dovrebbe essere la struttura se la si progettasse da zero, considerando l'IA come un elemento già disponibile.

Il mio consiglio è di dimenticare deliberatamente lo stato "attuale" e concentrarsi su quello "futuro". Ciò significa resistere alla tentazione di chiedersi: "Come si inserisce l'IA nei nostri team e processi attuali?" Bisogna invece chiedersi: "Se costruissimo oggi questa organizzazione da zero, con le capacità dell'IA a disposizione, che aspetto avrebbe?"

Nella maggior parte dei casi, la risposta è più semplice di ciò che esiste oggi: meno silos, meno passaggi di consegne e ruoli definiti dai risultati anziché da compiti funzionali circoscritti.

È difficile perché significa abbandonare strutture, titoli e processi costruiti nel corso degli anni, ma i leader che riprogetteranno l'organizzazione intorno allo stato "futuro", invece di adattare quello "attuale", creeranno strutture organizzative più semplici e capaci di quelle originarie.

Come l'IA abilita un modello a "unità di servizio"

Sofia racconta

La responsabilità si sta spostando da “quale team è responsabile di questo” a “quale unità è responsabile dell’esperienza dall’inizio alla fine di questo cliente,” riducendo gradualmente lo scaricabarile e rendendo più semplice capire dove l’IA è realmente d’aiuto e dove invece le lacune richiedono ancora un intervento umano.

Nell'ultimo anno abbiamo implementato un modello a "unità di servizio", una ristrutturazione continua volta a superare i silos tra servizi, supporto, CSM e formazione, integrando gli agenti IA nello stesso organigramma unificato invece di trattarli come uno strumento separato aggiunto successivamente.

Il catalizzatore sono stati gli agenti IA, che hanno iniziato a gestire una quota crescente delle interazioni di routine. Ci siamo resi conto che, se l'IA avesse operato al di fuori della struttura dei team esistenti, avrebbe creato un nuovo silo, un'ulteriore lacuna nei passaggi di consegne invece di colmare quelle esistenti. Per questo stiamo lavorando per porre agenti IA, supporto, CSM, servizi e formazione sotto una leadership condivisa, con una visibilità comune sulla cronologia del cliente, sui problemi aperti e sul contesto del cliente.

Di conseguenza, nelle aree in cui il modello a unità sta già prendendo forma, i clienti non devono più spiegare nuovamente la propria situazione attraverso i diversi canali. Il contesto li segue, indipendentemente dal fatto che a rispondere per primo sia l'IA o una persona.

Gli agenti IA fanno inoltre emergere in tempo reale schemi ricorrenti, come le domande frequenti e i punti di attrito, permettendoci di aggiornare proattivamente la formazione e la documentazione, anziché farlo in modo reattivo.

La responsabilità si sta spostando da "quale team è responsabile di questo" a "quale unità è responsabile dell'esperienza dall'inizio alla fine di questo cliente", riducendo gradualmente lo scaricabarile e rendendo più semplice capire dove l'IA è realmente d'aiuto e dove invece le lacune richiedono ancora un intervento umano.

Un flusso di lavoro con l'IA dall'inizio alla fine per la formazione degli utenti

Un flusso di lavoro end-to-end basato sull'IA che utilizziamo oggi è incentrato sulla creazione di contenuti e formazione e ora lo stiamo estendendo con un agente di adozione.

Il flusso di lavoro inizia con input grezzi: interazioni con i clienti, ticket di assistenza, dati sull'utilizzo del prodotto e note sui casi. L'IA li sintetizza per identificare domande comuni, punti di attrito e lacune nell'adozione delle funzionalità tra gli account.

Da qui, l'IA elabora una bozza dei contenuti pertinenti: moduli di formazione, aggiornamenti della documentazione, storie di successo o materiali localizzati/tradotti, a seconda delle lacune rilevate dall'analisi. Una persona esamina e perfeziona quindi questa bozza prima di pubblicarla o inserirla nella nostra biblioteca di formazione e supporto.

Gli strumenti utilizzati sono Salesforce Service Cloud, Microsoft Copilot Studio, Easygenerator, EasyCoach e strumenti di telemetria del prodotto.

Stiamo inoltre implementando un componente più recente: un agente di adozione sviluppato internamente insieme a Copilot Studio. Chiude il ciclo facendo sì che, invece di limitarsi a creare contenuti formativi e aspettare che i clienti li trovino e li utilizzino, l'agente identifichi proattivamente quando un cliente o un utente non sta adottando una funzionalità o un flusso di lavoro come previsto e mostri direttamente il materiale formativo o le indicazioni pertinenti nel momento in cui sono necessarie.

Il flusso di lavoro end-to-end è il seguente: segnali dei dati → contenuti/formazione generati dall'IA → revisione e perfezionamento da parte di una persona → pubblicazione → l'agente di adozione abbina il contenuto giusto al cliente giusto nel momento giusto, sulla base delle sue effettive lacune di utilizzo.

Siamo ancora nelle prime fasi dell'implementazione dell'agente di adozione, ma il nostro obiettivo è trasformare la creazione dei contenuti da una trasmissione a senso unico in un sistema a ciclo chiuso, in cui l'IA orienta sia la creazione sia la distribuzione dei contenuti.

Come l'IA aumenta l'efficienza nella CX

Per quanto riguarda i risultati che stiamo osservando, l'IA ha prodotto miglioramenti significativi in termini di portata e produttività. Abbiamo all'incirca triplicato il numero di storie di successo e osservato progressi altrettanto marcati nell'automazione della documentazione, nella creazione di corsi di formazione/apprendimento, nei contenuti video e nella traduzione automatica.

In passato, l'impegno manuale costituiva un collo di bottiglia per attività come la scrittura delle storie dei clienti, la localizzazione dei contenuti o la creazione di moduli formativi. Ora l'IA prepara una bozza di questo lavoro in una frazione del tempo, consentendo ai team di produrre più contenuti per un numero maggiore di account e lingue rispetto a quanto fosse precedentemente possibile.

La suddivisione tra lavoro dell'IA e lavoro umano nella CX

Nel complesso, l'IA orienta ora diverse attività di CX: definizione delle priorità del backlog, analisi dei casi, pianificazione dell'adozione, creazione di storie di successo e revisioni del valore realizzato. In ciascuna di queste aree, l'IA sintetizza i dati, individua schemi ricorrenti tra i casi, segnala gli account a rischio e prepara le bozze iniziali, mentre le persone esaminano, perfezionano e aggiungono il proprio giudizio prima che qualsiasi contenuto raggiunga il cliente.

Le attività esplicitamente umane richiedono il contesto della relazione o un giudizio strategico: la gestione delle relazioni con gli sponsor interni, la gestione delle escalation con gli stakeholder chiave e le conversazioni sulla realizzazione del valore, in cui il "perché" alla base di una raccomandazione è importante quanto la raccomandazione stessa. In questi ambiti, l'IA non può replicare la fiducia, il tono e la storia concreta dell'account.

La suddivisione è semplice: l'IA riduce il tempo dedicato all'analisi e alla stesura delle bozze, attività che in precedenza richiedevano ore di ricerca manuale tra casi, dati di utilizzo o note. Delegando questo lavoro all'IA, liberiamo il tempo dei nostri team affinché possano concentrarsi su attività a maggior valore aggiunto.

Perché i progetti pilota di IA devono essere scalabili fin dal primo giorno

Le difficoltà che ho riscontrato riguardavano meno l'IA in sé e più il passaggio dalla POC alla produzione. Molti di questi casi d'uso funzionavano bene in contesti pilota o su piccola scala, ma abbiamo scoperto che portarli in produzione come processi ripetibili e pronti per l'uso — con i giusti controlli di qualità, l'integrazione nei flussi di lavoro esistenti e la coerenza tra i team — era più difficile di quanto suggerisse la sperimentazione iniziale.

Il divario tra "funziona in una demo" e "è integrato in modo affidabile nel nostro modo di operare quotidiano" è stato il principale punto di attrito.

Quando si parla di IA, sperimentare è il punto di partenza giusto e andare avanti senza aspettare una certezza assoluta è fondamentale. Tuttavia, direi ai team che iniziano ora di progettare fin dall'inizio pensando alla scalabilità e alla produzione, anche mentre stanno ancora sperimentando.

In questo modo, non rimarrete bloccati in un modello POC, eseguendo un progetto pilota dopo l'altro che dimostra il funzionamento di un'idea senza costruire i processi, le integrazioni e i controlli di qualità necessari per portarla in produzione. Se non si pensa per tempo a questo percorso, ci si ritrova con un cimitero di progetti pilota di successo che non sono mai diventati una reale capacità operativa.

Il mio consiglio, quindi, è di mantenere una mentalità orientata alla sperimentazione, abbinandola però fin dal primo giorno a una visione chiara di ciò che richiede la preparazione alla produzione, in modo che i progetti pilota abbiano un percorso concreto da seguire invece di trasformarsi in vicoli ciechi.

Sofia condivide

Quando si parla di IA, sperimentare è il punto di partenza giusto e andare avanti senza aspettare una certezza assoluta è fondamentale…Il mio consiglio, quindi, è di mantenere una mentalità orientata alla sperimentazione, abbinandola però fin dal primo giorno a una visione chiara di ciò che richiede la preparazione alla produzione, in modo che i progetti pilota abbiano un percorso concreto da seguire invece di trasformarsi in vicoli ciechi.

Perché l'IA non può sostituire la strategia umana nella CX

L'aspettativa che l'IA potesse ampliare la copertura strategica degli account nello stesso modo in cui ha ampliato la produzione di contenuti o la documentazione non ha trovato conferma. Le relazioni ad alto coinvolgimento e ad alta rilevanza rimangono fondamentalmente basate sull'intervento umano, mentre l'IA svolge un ruolo di supporto anziché di guida.

Invece, l'IA ha portato efficienza all'interno di questo processo. Aiuta a prepararsi più rapidamente alle conversazioni strategiche, mette in evidenza dati e contesto pertinenti prima delle riunioni e prepara bozze di materiali che gli esseri umani elaborano e presentano. È un acceleratore della strategia guidata dalle persone, non un suo sostituto.

Come l'IA ha modificato le preferenze dei canali tra le generazioni

Un'ipotesi a lungo sostenuta che l'IA ci ha costretto a riconsiderare riguardava le preferenze dei canali tra le generazioni: l'idea che i clienti più giovani scelgano per impostazione predefinita la chat o il self-service, mentre quelli più anziani preferiscano il telefono o l'e-mail, e che dovremmo progettare le esperienze esclusivamente sulla base di queste differenze generazionali.

Abbiamo scoperto che l'IA ha reso questi confini più sfumati del previsto, ma non li ha cancellati del tutto. In tutte le generazioni, i clienti tendono sempre più a scegliere il canale che risolve il loro problema più rapidamente.

Per esempio, un cliente più giovane potrebbe telefonare per una questione complessa, mentre uno più anziano potrebbe usare volentieri una chat basata sull'IA per qualcosa di semplice. In passato, avremmo dato per scontato il contrario. La velocità e la qualità della risoluzione spesso contano ormai più del canale in sé.

Detto questo, abbiamo anche constatato che per alcuni clienti — spesso, anche se non esclusivamente, tra le generazioni più anziane — il bisogno di un contatto umano non è venuto meno. Ciò è particolarmente vero per problemi complessi, situazioni delicate o conversazioni basate sulla relazione, in cui rassicurazione e fiducia sono importanti quanto la risposta stessa. L'IA non ha sostituito questa necessità. Semmai, ha reso più evidenti i casi in cui l'interazione umana è davvero importante, perché ora l'IA gestisce i volumi più transazionali.

Quindi, invece di abbandonare del tutto il pensiero per generazioni, siamo passati dal "progettare in base alla generazione" al "progettare in base al bisogno". Usiamo l'IA per gestire interazioni ad alto volume e con risoluzione rapida per tutti, preservando e dando priorità ai percorsi ad alto coinvolgimento guidati dalle persone per i momenti complessi o emotivamente rilevanti, indipendentemente da chi pone la domanda.

Perché i leader della CX devono creare differenziazione con dati proprietari

Il mio consiglio ai leader della CX è di concentrarsi sulla differenziazione attraverso i propri dati. Le capacità generiche dell'IA stanno diventando un requisito minimo; ogni fornitore e concorrente ha accesso a modelli e strumenti di base simili. La vera differenziazione deriva dai dati proprietari che avete accumulato: interazioni con i clienti, modelli di utilizzo, storico dell'assistenza, risultati ottenuti e conoscenze istituzionali uniche della vostra azienda e delle relazioni con i vostri clienti.

I leader che riusciranno a prevalere saranno quelli che considerano questi dati una risorsa strategica e li integrano attivamente nelle proprie iniziative di IA, invece di affidarsi a un'IA pronta all'uso che produce gli stessi risultati generici degli altri. Ciò significa investire fin da ora nella qualità, nell'accessibilità e nell'integrazione dei dati, affinché gli strumenti di IA operino sulla base del contesto completo delle vostre relazioni con i clienti, anziché su modelli generici.

Non competete sulla presenza dell'IA. Competete sulla capacità di fondare la vostra IA sui dati e sulle conoscenze che solo voi possedete.

Segui gli aggiornamenti

Potete seguire il lavoro di Sofia Barbosa su LinkedIn.

Presto arriveranno altre interviste con esperti su The CX Lead!