Cosa determina un’esperienza d’acquisto positiva? E invece quali clienti si dimostrano maggiormente insoddisfatti? Come è meglio rispondere a un reclamo? In passato, ottenere risposte a queste domande altamente analitiche non era facile. L’estrazione di informazioni dettagliate su miliardi di experience e journey unici dei clienti utilizzando metodi e strumenti di analisi tradizionali è stato fino a poco tempo fa un processo laborioso, costoso, lento e dai risultati incerti.
Un ostacolo superato grazie alle tecnologie di intelligenza artificiale, a cominciare dall’apprendimento automatico che, analizzando milioni di feedback sia strutturati sia aperti che i clienti lasciano in tutti i touchpoint, hanno reso possibile alle aziende prendere decisioni in grado d’influenzare positivamente l’experience dei clienti e quindi il loro legame con il brand.
L’attenzione dei manager – a partire da CXO e CIO – nei confronti di questi strumenti sta oggi indubbiamente vivendo un’ulteriore accelerazione a seguito dell’avvento di soluzioni di AI generativa e del clamore che ha accompagnato il lancio di ChatGPT. Gartner ha pubblicato lo scorso maggio un sondaggio* da cui è emerso che il 38% dei manager intervistati considera la CX e la fidelizzazione del cliente come i principali obiettivi dei loro investimenti in AI generativa.
I vantaggi di queste tecnologie nel supporto dei progetti di CXM sono numerosi, come evidenziano gli esperti di Medallia, leader globali nelle soluzioni per la gestione della customer experience. Tra i principali:
- 1) Potenziamento del riconoscimento e della segmentazione dei clienti
- 2) Maggiore personalizzazione e conseguente fidelizzazione
- 3) Migliore service experience
- 4) Apprendimento continuo
- 5) Supporto all’efficienza operativa
Nonostante i benefici e l’entusiasmo per questa tecnologica, Medallia evidenzia la necessità di un approccio prudente. Come nel caso di ogni innovazione in evoluzione, è importante non sottovalutare alcuni pain point che ne possono condizionare un utilizzo accurato, etico e sostenibile:
#1. Standard sulla privacy
Prima di implementare qualsiasi modello di intelligenza artificiale, è essenziale considerare la privacy e la sicurezza dei dati di formazione, in particolare quelli contenenti informazioni di identificazione personale (PII). Questa attenzione vale doppiamente per i modelli di intelligenza artificiale open source, dal momento che rappresentano rischi particolari per la privacy e la sicurezza dei dati a causa della vulnerabilità creata dall’accesso aperto al codice sorgente, all’uso di librerie di terze parti e alle carenze di controllo sulla condivisione e distribuzione.
#2. Possibili pregiudizi
I modelli di Intelligenza Artificiale generativa sono particolarmente suscettibili ai pregiudizi perché sono progettati per imparare da grandi set di dati e produrre previsioni o raccomandazioni basate su informazioni la cui accuratezza non è scontata. Di conseguenza, le aziende dovrebbero assicurarsi che queste soluzioni siano addestrate e ottimizzate su un insieme di dati demografici, culturali e di altri variabili il più possibile diversificato e rappresentativo, quanto meno della propria base clienti.
#3. Costo della scalabilità
Fare domande a ChatGPT come singolo individuo è una cosa, ben altro è applicare l’IA generativa a decine o centinaia di milioni di record in tutta l’azienda. È quindi importante capire quali costi questa implementazione comporta e se questo costo è giustificato da un ritorno economico.
#4. Coerenza
Le aziende possono sfruttare l’IA conversazionale per generare comunicazioni simili a quelle umane o inviare messaggi personalizzati ma è necessario anche garantire che questi contenuti siano coerenti con i valori e il posizionamento del marchio e, non da ultimo, con i programmi e gli obiettivi di CXM già definiti.
#5. Adozione aziendale
Le tecnologie per la gestione della CX generano un impatto maggiore se adottate dall’intera organizzazione. Tuttavia l’IA generativa può essere difficile da implementare su larga scala perché può essere vissuta dall’organizzazione come ostile. La condivisione del progetto in cui sarà impiegata e degli impatti possibili con le diverse aree aziendali è quindi centrale.
“Questo campo dell’intelligenza artificiale ha il potenziale per aiutare le aziende a generare contenuti personalizzati e coinvolgenti e migliorare l’esperienza dei clienti” commenta Joanna Moser, Senior Director Data & Analytics di Medallia: “Ma è importante allontanarsi dall’effetto moda e concentrarsi su come la tecnologia possa concretamente tradursi in benefici concreti per i clienti e per il conto economico”.
