Il responsabile tecnologico dell’esperienza cliente afferma che i leader della CX sono troppo concentrati sui risultati dell’IA mentre la CX si atrofizza

Oremeyi Akah è CCO di Interswitch, un'azienda panafricana di infrastrutture per i pagamenti che opera nei segmenti B2B e B2C.

Abbiamo parlato con Oremeyi per conoscere gli straordinari risultati che sta ottenendo grazie all'integrazione dell'AI nella sua organizzazione CX. Nel corso della conversazione, ci ha spiegato dove le organizzazioni CX stanno sbagliando nelle loro integrazioni dell'AI.

Da funzione di servizio a funzione strategica

Sono Oremeyi Akah, Direttore clienti di Interswitch Group — un'azienda panafricana di infrastrutture per i pagamenti che opera in 23 mercati africani, collegando privati, aziende e governi ai servizi finanziari digitali.

L'organizzazione dedicata ai clienti che guido copre l'intero spettro delle relazioni commerciali di Interswitch — dalle grandi istituzioni finanziarie e aziende fintech, attraverso la nostra funzione di gestione dei clienti chiave, fino a esercenti, fatturatori e consumatori finali che interagiscono tramite canali digitali, contact center e di persona. Serviamo segmenti sia B2B sia B2C.

Il nostro mandato CX spazia dalle relazioni strategiche ad alta intensità con clienti come Stanbic IBTC e Providus all'esperienza di milioni di nigeriani che effettuano quotidianamente transazioni con le carte Verve, Quickteller e la nostra infrastruttura di instradamento dei pagamenti.

Il mio team gestisce relazioni all'intersezione tra ricavi, fiducia e inclusione finanziaria nazionale — rendendo l'esperienza del cliente non solo una funzione di servizio, ma una funzione strategica.

Come l'AI amplia radicalmente ciò che i team CX possono fare

Un anno fa, con un team di 15 persone, esaminavamo manualmente solo il 10% dei contatti con i clienti sui nostri canali B2B e B2C. Questo significava che non potevamo vedere il 90% delle esperienze dei nostri clienti — ogni reclamo, ogni punto di frizione, ogni segnale di rischio normativo. Prendevamo decisioni sull'esperienza del cliente basandoci su un quadro molto incompleto.

Poi abbiamo implementato un sistema di garanzia della qualità basato sull'AI, che ha cambiato completamente la situazione. Ora analizziamo il 100% dei contatti con i clienti. Esaminiamo ogni singola interazione, la precategorizziamo in base alla gravità e segnaliamo i rischi normativi, gli schemi di errore ricorrenti o le aree che richiedono un'attenzione critica.

Di conseguenza, sono cambiate tre cose.

1. La nostra copertura è passata dal 10% al 100% — senza aumentare il personale. Questo rappresenta un aumento di 10 volte della visibilità con le stesse risorse.
2. Siamo passati da un approccio reattivo a uno proattivo. In precedenza, individuavamo i problemi solo quando i clienti li portavano a un livello superiore. Ora li individuiamo prima che ciò avvenga — e, nelle infrastrutture per i pagamenti, questa distinzione è estremamente importante, sia per la fiducia dei clienti sia per la conformità normativa.
3. È cambiato il lavoro del nostro team di 15 persone. Il team è passato dal campionamento dei contatti all'azione basata sulle informazioni. Ora concentra il giudizio umano dove è più importante: sulle interazioni con il livello di gravità e di rischio più elevato rilevate dal sistema.

Ecco come si presenta la CX abilitata dall'AI nella pratica — non sostituendo le persone, ma ampliando radicalmente ciò che le stesse persone possono vedere e fare.

Un flusso di lavoro con l'AI nel mondo reale per gestire le interazioni con i clienti

Ecco il flusso di lavoro.

La nostra piattaforma di garanzia della qualità basata sull'AI, Gladly, acquisisce automaticamente ogni interazione con i clienti — tramite voce, e-mail, chat o altri canali digitali.

Innanzitutto, l'AI comprende la conversazione. Classifica il problema, valuta il sentimento, determina la gravità, identifica i potenziali rischi normativi o reputazionali, rileva gli schemi di errore ricorrenti e prevede l'instradamento più appropriato e il probabile percorso di risoluzione sulla base di casi storici simili.

Il flusso di lavoro si differenzia quindi in base alla complessità.

Per i problemi semplici, l'AI indirizza il caso al team corretto, fornendo già il contesto pertinente per una risoluzione più rapida.

Per i casi a rischio più elevato o di valore elevato — in particolare quelli che coinvolgono i nostri partner bancari o problematiche con implicazioni normative — sottoponiamo immediatamente il caso a un'escalation, indicando una priorità consigliata. A questo punto interviene l'esperienza umana. I nostri specialisti esaminano le raccomandazioni dell'IA, applicano il proprio giudizio, considerano la relazione complessiva con il cliente e determinano la risposta e il recupero del servizio più appropriati.

Il flusso di lavoro non termina quando il caso viene chiuso.

L'IA aggrega continuamente le informazioni provenienti da ogni interazione, identificando criticità ricorrenti, problemi operativi emergenti e tendenze dei clienti che i singoli casi non riuscirebbero mai a rivelare. Queste informazioni confluiscono direttamente nelle nostre iniziative di eccellenza operativa, nei miglioramenti dei prodotti, nella riprogettazione dei processi e nei cruscotti direzionali, consentendoci di affrontare le cause alla radice anziché limitarci a risolvere i singoli reclami.

Perché l'IA e il contatto umano sono entrambi necessari

Nel complesso, l'IA gestisce il lavoro su larga scala — attività che richiedono ampiezza, velocità e riconoscimento di schemi su milioni di punti dati. Nello specifico, ciò include l'analisi completa dei contatti, la pre-categorizzazione della gravità, la definizione delle priorità delle problematiche, l'identificazione dei rischi normativi e l'individuazione di schemi di malfunzionamento ricorrenti prima che si trasformino in crisi. Fornisce inoltre un livello di allerta precoce per le escalation: il sistema ci indica ciò che richiede l'attenzione umana e con quale urgenza.

Tre attività restano affidate alle persone, e ciò è una scelta deliberata.

1. Valutazione dell'escalation: l'IA ci indica cosa esaminare; le persone decidono cosa fare, soprattutto quando sono in gioco la relazione o aspetti normativi delicati.
2. Recupero del servizio: nessun modello è in grado di gestirlo — soprattutto nel contesto B2B, dove una conversazione con una banca di primo livello rappresenta un momento importante per la relazione, non una semplice richiesta.
3. Comprendere la reale esperienza del cliente: questo è l'aspetto che mi sta più a cuore. La reale esperienza del cliente non è riducibile ai soli dati. Investiamo nel coinvolgimento etnografico e immersivo dei clienti. Ci sediamo accanto a loro, osserviamo come interagiscono con i nostri prodotti e ascoltiamo ciò che dicono quando nessuno conduce un sondaggio. Questo tipo di informazione — la verità comportamentale non filtrata e non sollecitata — orienta le nostre decisioni più importanti sulla progettazione dei percorsi. L'IA può identificare su larga scala cosa è andato storto. Una persona presente nella stanza ne comprende il perché.

L'IA amplia ciò che possiamo vedere. Le persone ne determinano il significato e decidono cosa farne. Entrambe sono necessarie. Nessuna delle due è sufficiente da sola.

In che modo l'IA migliora la gestione delle richieste e la soddisfazione

I pensieri di Oremeyi

Dal punto di vista qualitativo, abbiamo trasformato la cultura del team, passando dalla gestione delle emergenze alla gestione guidata dalle informazioni strategiche. È più difficile da quantificare, ma più facile da percepire: nel modo in cui conduciamo le revisioni, interagiamo con gli account e parliamo del cliente nelle conversazioni dirigenziali.

I numeri raccontano una storia convincente.

Come ho già detto, il nostro sistema di controllo qualità basato sull'IA ci ha permesso di passare dall'analisi del 10% al 100% di tutti i contatti con i clienti, mantenendo lo stesso team di 15 persone: un aumento di 10 volte della visibilità, senza costi aggiuntivi per il personale.

Il nostro portale di autoassistenza basato sull'IA ha inoltre ridotto di oltre il 54% la gestione manuale delle richieste e, aspetto fondamentale, non si limita a deviarle: assegna intelligentemente la priorità alle richieste sulla base dei dati relativi ai volumi e alle tendenze dei clienti, così le persone possono affrontare prima le questioni giuste.

Anche l'effetto a valle sull'esperienza è stato misurabile: il CSAT è cresciuto del 60%. I tempi di risposta sono migliorati significativamente. E forse il dato di cui vado più fiero: la soddisfazione dei dipendenti è aumentata di oltre il 70%. Quando il team smette di essere sommerso dai volumi e inizia a svolgere un lavoro significativo, questo si riflette nel modo in cui si dedica ai clienti.

Dal punto di vista qualitativo, abbiamo trasformato la cultura del team, passando dalla gestione delle emergenze alla gestione guidata dalle informazioni strategiche. È più difficile da quantificare, ma più facile da percepire: nel modo in cui conduciamo le revisioni, interagiamo con gli account e parliamo del cliente nelle conversazioni dirigenziali.

Perché i leader della CX devono concentrarsi sul passaggio di consegne e sull'escalation

La maggior parte dell'energia dedicata alla riprogettazione si concentra sull'interfaccia utente: il chatbot, il motore di personalizzazione e l'automazione dei contatti ripetitivi. Questo lavoro è necessario ed è già in gran parte in corso. Ma lo snodo che determina se l'AI aiuta o danneggia la relazione viene spesso trattato come una funzionalità da configurare in un secondo momento, nonostante sia il sistema che incide maggiormente sulla fiducia.

La ricerca converge su questo punto da diverse prospettive. Uno studio sulla CX del 2025 ha rilevato che il 79% degli intervistati preferisce una persona a un agente AI per i problemi complessi — quindi il percorso di escalation non è facoltativo; ciò che è facoltativo è che sia fluido. Il costo di sbagliare è ormai quantificato: il 48% dei clienti abbandonerebbe un marchio se dovesse rispiegare il proprio problema dopo essere stato trasferito a una persona, e il 40% se dovesse verificare nuovamente la propria identità. Il problema non è la lentezza, ma il fatto che un passaggio mal gestito cancelli tutto ciò che il cliente ha già raccontato e faccia evaporare la fiducia costruita dall'AI proprio mentre la situazione diventa più delicata.

Due risultati rendono questo tema rilevante per il consiglio di amministrazione. Primo: il settore ammette silenziosamente di aver automatizzato troppo. Gartner prevede che, entro il 2027, metà delle aziende che hanno ridotto il personale del servizio clienti a causa dell'AI lo riassumerà per svolgere un lavoro simile con titoli diversi. Secondo: il verdetto strategico è esplicito: i marchi che hanno maggiori probabilità di guadagnare fiducia con gli agenti AI non sono quelli che si affrettano a eliminare l'interazione umana, ma quelli che progettano un'escalation chiara, la conservazione del contesto e una comunicazione trasparente.

Perché l'AI non riduce la necessità del contatto umano

Due aspetti non hanno dato i risultati che ci aspettavamo, ma entrambi ci hanno insegnato qualcosa di importante.

Il primo: pensavamo che l'AI potesse ridurre significativamente la necessità del contatto umano. Non è successo, almeno non come speravamo. I volumi si sono ridotti, sì. Ma la necessità di una vera interazione umana no. Riflettendoci, non avrebbe dovuto sorprenderci. Lavoriamo con il denaro — il denaro delle persone, il denaro delle aziende — e quando qualcosa va storto o la posta in gioco sembra alta, le persone vogliono una persona. Non un bot, non un portale. Una voce umana che comprenda, si assuma la responsabilità e agisca. L'AI può gestire i volumi. Non può replicare la presenza. Dopotutto, siamo esseri umani.

Il secondo: l'intelligenza nella progettazione dei prodotti. Ci aspettavamo che i dati derivati dall'AI ci dicessero come i clienti volessero che fossero progettati i prodotti. Non potevano farlo, almeno non completamente. I dati comportamentali dicono ciò che le persone fanno. Non dicono ciò che desiderano esistesse o ciò che le frustra a un livello che non hanno ancora espresso. Per questo siamo tornati alle basi: stare con i clienti, avere conversazioni reali e svolgere il lavoro etnografico. L'intuizione che ha orientato il nostro modo di pensare ai prodotti è emersa da quelle stanze, non dai cruscotti.

L'AI è eccezionalmente efficace su scala e nell'individuazione di schemi. Non è brava con le sfumature, le emozioni o l'immaginazione. Queste restano ostinatamente e irriducibilmente umane — e forse è esattamente così che dovrebbe essere.

Perché i leader della CX devono imparare a misurare i risultati

Il nostro primo progetto pilota ha funzionato. Il modello ha dato buoni risultati, i cruscotti si sono illuminati e le dimostrazioni alle parti interessate hanno avuto successo. Non avevo capito che nulla di tutto questo rispondesse all'unica domanda che il vertice aziendale avrebbe posto sei mesi dopo: "Quale ritorno ha prodotto e come lo sapete?"

Avevo ottimizzato il progetto per dimostrare le capacità. Avrei dovuto ottimizzarlo per dimostrare il valore, stabilendo una linea di base per la metrica che intendevamo migliorare, isolando il contributo dell'AI rispetto agli altri cambiamenti e concordando in anticipo con la Funzione Finanza come misurare il successo. Non lo avevamo fatto, quindi, quando è arrivato il momento di giustificare l'investimento, ho ricostruito la linea di base a posteriori e difeso un'attribuzione che non potevo dimostrare in modo chiaro.

La lezione più difficile riguarda il vertice aziendale, non il fornitore o lo strumento. Una dimostrazione brillante è facile da acquistare e difficile da giustificare. Quando si è responsabili della voce di budget, l'entusiasmo non è il risultato da consegnare: lo è un numero che si possa difendere davanti al consiglio di amministrazione. La maggior parte dei progetti pilota di AI impressiona. Molti meno sono dotati degli strumenti necessari per dimostrare di aver ripagato il proprio costo, e questi strumenti devono essere progettati fin dal primo giorno, perché non possono essere aggiunti a posteriori.

Quindi, questo è ciò che direi a chiunque stia lanciando il suo primo progetto pilota: decidete come dimostrerete il ritorno prima di costruire qualsiasi cosa e guardate con sospetto il risultato brillante finché il numero non regge.

Come le componenti non misurabili della CX stanno lentamente fallendo

I pensieri di Oremeyi

Il residuo pratico è che i leader destinati ad avere successo renderanno misurabile ciò che non viene misurato, invece di automatizzarlo o difenderlo per fede. Attualmente mi affido alla fede per una parte di questo, e non penso che la fede sia sufficiente.

Ecco ciò che mi preoccupa. Stiamo automatizzando la metà dell'esperienza del cliente che è facile da misurare e lasciando silenziosamente atrofizzare quella difficile da misurare — e i numeri ci diranno che stiamo vincendo finché non avremo perso qualcosa che non possiamo ricostruire.

L'intelligenza artificiale eccelle negli aspetti della CX che compaiono nei cruscotti: riduzione dei contatti, tempo di gestione, costo per contatto, rapidità di risoluzione. Perciò ottimizziamo questi elementi, perché un consiglio di amministrazione riesce a comprenderli facilmente. Ma le cose che costruiscono una relazione duratura — perché un cliente si senta al sicuro, cosa faccia ottenere il perdono dopo un errore, la sensazione che qualcuno si assuma la responsabilità del suo risultato — non si trovano nei dati e non possiamo automatizzarle.

Quindi, la mia preoccupazione non è che l'intelligenza artificiale svolga male il lavoro misurabile. È che, rendendo il lavoro misurabile così economico e visibile, ridefinisca lentamente la "buona CX" come solo il lavoro misurabile. La metà non misurata non fallisce in modo evidente; semplicemente si assottiglia mentre ogni metrica sul pannello continua a migliorare.

La parte che non ho ancora risolto — e questa è la versione onesta — è che non riesco a separare nettamente il mio pregiudizio dal rischio reale. È comodo, per chi basa la propria carriera sul giudizio umano e sull'empatia, credere che queste cose siano insostituibili. Sto cercando di capire quanta parte della mia convinzione sia autentica lungimiranza e quanta sia invece interesse personale professionale.

Parte della posizione secondo cui "l'intelligenza artificiale non può provare empatia" è probabilmente una storia rassicurante che i leader della CX raccontano a se stessi, e il confine delle capacità si sposta più rapidamente di quanto quella storia presuma. Quindi, ciò che ho davvero in mente ha due lati: credo che stiamo proteggendo troppo poco la metà non misurata della CX, e sono sospettoso riguardo a quanto desideri che questo sia vero.

Il residuo pratico è che i leader destinati ad avere successo renderanno misurabile ciò che non viene misurato — misureranno direttamente la fiducia, la responsabilità e il recupero dopo un errore — invece di automatizzarlo o difenderlo per fede. Attualmente mi affido alla fede per una parte di questo, e non penso che la fede sia sufficiente.

Tre consigli per i leader della CX che implementano l'intelligenza artificiale

In generale, ecco il mio consiglio per i leader della CX:

1. Sii autentico. Sii compassionevole. Il rumore intorno all'intelligenza artificiale nell'esperienza del cliente è enorme — e gran parte di esso consiste in clamore che alimenta altro clamore. Superalo concentrandoti su una sola domanda: "Questo migliora la vita del mio cliente?" Non migliora la situazione su un cruscotto. La migliora nella sua quotidianità. Se la risposta è sì, perseguilo. Se è solo impressionante, lascialo perdere. I clienti non ricordano la tua infrastruttura tecnologica. Ricordano come li hai fatti sentire. Questo non è cambiato e l'intelligenza artificiale non lo cambia.
2. Continua a imparare — senza sosta. Questo panorama si sta evolvendo più rapidamente di quanto chiunque di noi sia stato formato per affrontare. I leader nella posizione migliore per servire i propri clienti tra cinque anni saranno quelli abbastanza curiosi da ammettere oggi di non aver capito tutto. Leggi. Fai domande. Parla con i tuoi colleghi di diversi settori e aree geografiche. Trascorri del tempo con i tuoi clienti. Nel momento in cui smetti di imparare in questo contesto, inizi a rimanere indietro — silenziosamente, e poi all'improvviso.
3. Non aver paura di sperimentare. Non tutte le iniziative avranno successo. Alcune delle nostre intuizioni più importanti sono arrivate da iniziative che non hanno funzionato come previsto. Questo non è un fallimento — è intelligenza acquisita a caro prezzo. Costruisci una cultura in cui il tuo team si senta libero di provare, imparare e correggere il tiro. Le organizzazioni che guideranno la CX non avranno l'intelligenza artificiale più sofisticata — avranno i team più coraggiosi e curiosi a sostenerla.

Impegnati a vincere per le persone, non per la presentazione.

Segui gli aggiornamenti

Puoi seguire il lavoro di Oremeyi Akah su LinkedIn.

Presto arriveranno altre interviste agli esperti su The CX Lead!