Agenti di crescita: trasformare le promesse dell'IA in risultati concreti

Punti chiave

Il valore end-to-end viene creato dal cambiamento. Le grandi vittorie in termini di produttività sono la posta in gioco. L'impatto si ottiene concentrandosi sui problemi di crescita più importanti e risolvendo quelli. Riproduci i processi di lavoro e non gli strumenti. L'espansione si ottiene mappando le decisioni e i passaggi di consegne e mettendo gli agenti nel punto di cambiamento, invece di collegarli ai passaggi già esistenti. Nuova scala del modello operativo. Una trasformazione completa richiede gruppi interfunzionali di persone e IA, prodotti di dati che si sovrappongono e una governance in cui gli agenti sono visti come risorse da gestire come talenti. Un rivenditore multinazionale vedrà un aumento della domanda di un prodotto di alta qualità in una zona e un eccesso di scorte in un'altra. Un team di agenti AI può riassegnare la spesa pubblicitaria, ottimizzare i prezzi, reindirizzare le scorte e aggiornare le risorse creative in pochi secondi per creare offerte in linea con le intenzioni degli acquirenti. Il passo successivo, in questo caso, è il lavoro coordinato che parte dai segnali dei clienti e l'organizzazione della crescita del business sul posto. Non è una situazione immaginaria; è il futuro dell'IA con funzioni sempre più avanzate. L'intelligenza artificiale agentica mette il ragionamento automatico nei processi di marketing, vendite e assistenza clienti. Pensiamo che più del 60% delle implementazioni nel marketing e nelle vendite genererà più valore usando l'intelligenza artificiale agentica. Le prime prove mostrano che l'intelligenza artificiale generativa potrebbe generare un valore annuo tra i 2,6 e i 4,4 trilioni di dollari, e che fino al 20% dell'aumento di produttività previsto riguarda il marketing e le vendite. Il marketing e le vendite sono, letteralmente, la punta di diamante quando si tratta di trasformare il potenziale dell'IA agente in valore reale. I modelli di base dell'intelligenza artificiale generativa sono alla base dell'intelligenza artificiale agente, un sistema che può agire nel mondo reale ed è utile per fare processi in più fasi. L'automazione e i compiti complessi possono essere automatizzati e fatti dagli agenti di intelligenza artificiale con l'aiuto dell'elaborazione del linguaggio naturale, che altrimenti sarebbero stati fatti dagli esseri umani. L'impatto è già visibile tra i primi leader. Per esempio, secondo le analisi, si stima che alcune delle 250 aziende più ricche stiano vedendo un aumento di 15 volte nella velocità di creazione ed esecuzione delle campagne grazie a una maggiore velocità di innovazione e ottimizzazione dei processi.

Possono, ad esempio, semplificare i prezzi, promuovere i lead, personalizzare le offerte e gestire i rapporti con i clienti fino alla conclusione. I guadagni possono aumentare man mano che le organizzazioni adottano sempre più l'IA agentica. È stato analizzato che implementazioni adeguate e scalabili degli agenti possono fornire aumenti di produttività compresi tra il tre e il cinque per cento all'anno e possono anche portare a una crescita del 10 per cento o anche superiore. La maggior parte delle aziende, però, non ha ancora capito il vero valore dell'IA. Quasi 8 su 10 dicono che l'IA non ha portato grandi benefici, soprattutto perché i programmi pilota sono un po' frammentati, i dati non sono al top e mancano le basi per una buona governance. I leader che hanno fatto passi da gigante e hanno tirato fuori valore dall'IA stanno ridisegnando il processo di crescita usando agenti IA nei loro processi. Grazie all'esperienza maturata nei vari settori, ci sono quattro cose che stanno imparando le aziende che stanno facendo passi da gigante e trasformando le promesse dell'IA agente in risultati concreti nel marketing e nelle vendite:

L'impatto inizia dal punto in cui l'agente può fare la differenza, che si tratti di conversione, accuratezza dei prezzi o coinvolgimento del cliente, e mobilitare gli agenti per accelerare tali risultati. Pensa alla personalizzazione come a qualcosa che non è solo una possibilità, ma una cosa seria. È stato dimostrato che il 71% dei consumatori si aspetta interazioni personalizzate e il 76% si sente frustrato quando questo non succede. I risultati della personalizzazione tramite IA, che ha portato a un aumento della soddisfazione dei clienti del 15-20%, a una crescita dei ricavi del 5-8% e a una riduzione dei costi di servizio fino al 30%, sono davvero notevoli. Questo diventa possibile su larga scala con l'IA agentica, che usa il ragionamento contestuale e le decisioni in tempo reale per migliorare le offerte, i contenuti e le esperienze ad ogni interazione.

Storia di successo di un assicuratore europeo

Secondo l'analisi, un'assicurazione europea, per esempio, ha cambiato il suo processo di vendita usando agenti di intelligenza artificiale che hanno personalizzato le campagne in centinaia di microsegmenti, adattato gli script in base alle indicazioni degli acquirenti e formato i team di vendita con feedback in tempo reale. Il risultato:

• tassi di conversione da due a tre volte superiori
• ridurre di un quarto la durata delle chiamate al servizio clienti
• cicli di apprendimento continui che le revisioni manuali non sono riuscite a eguagliare in termini di efficacia

Caso di studio sulle compagnie aeree statunitensi

Altre aziende stanno facendo cose simili con l'aiuto dell'intelligenza artificiale per migliorare l'esperienza dei clienti, cercando di capire cosa vogliono e offrendoglielo al momento giusto. Una compagnia aerea statunitense ha usato delle intuizioni predittive dando lo stesso risarcimento per i voli in ritardo, ma facendo una distinzione tra chi viaggia spesso e chi lo fa ogni tanto. L'impatto:

• Aumento del 210% nel targeting dei clienti a rischio
• Aumento dell'800% della soddisfazione dei clienti
• 59% di calo nel tasso di abbandono tra i viaggiatori di alto valore

Applicazioni di determinazione dinamica dei prezzi

Lo stesso tipo di intelligenza trova applicazione anche nel campo del miglioramento dei prezzi. È possibile che l'intelligenza artificiale agentica percepisca i cambiamenti del mercato, calcoli i risultati e risponda immediatamente modificando i prezzi o ridistribuendo le scorte in tempo reale a seconda di ciò che fanno i concorrenti, dei cambiamenti dei consumatori o delle previsioni della domanda. Un esempio sono le compagnie aeree che già usano l'intelligenza artificiale per creare pacchetti personalizzati basati su tariffe, posti a sedere e offerte opzionali che vengono aggiornati in tempo reale per reagire alle informazioni live, come le tendenze di ricerca, il meteo e il comportamento di prenotazione.

Le organizzazioni che vedono un contributo significativo nell'IA agente non si limitano a mettere in azione nuovi agenti per migliorare le attività attuali, ma stanno riprogettando i flussi di lavoro. Gli agenti aggiungono valore quando vengono usati nei processi e nei percorsi end-to-end, perché rendono tutto più automatizzato e coordinato, ma quando vengono usati nei singoli passaggi, il loro potere è un po' limitato.

I processi tradizionali possono essere descritti come un flusso unidirezionale, tipicamente tra i reparti: il reparto Marketing passa il lavoro alle vendite, all'escalation al reparto assistenza e alla determinazione dei prezzi. Negli ultimi anni, ci sono stati enormi progressi in ciascuna di queste funzioni grazie all'integrazione di funzionalità digitali e analitiche, e l'IA agentica si basa su questi progressi automatizzando e coordinando le attività a livello di team e funzionale. Superando i problemi tipici di coordinamento tra i complicati silos e flussi di lavoro delle operazioni, le organizzazioni potrebbero riuscire ad avere tempi di ciclo più brevi, oltre a una maggiore coerenza e reattività a un livello che nessun coordinamento umano potrebbe eguagliare. Ancora più importante, per avere successo bisogna progettare il processo basandosi sugli agenti, non attaccandoli ai vecchi processi. Per esempio, invece di mettere gli agenti ad aiutare i reparti di assistenza clienti a rispondere più velocemente ai reclami, le aziende leader usano gli agenti per prevedere possibili problemi, chiamare i clienti prima che chiamino loro e risolvere le situazioni in anticipo con offerte personalizzate.

Trasformazione degli assicuratori europei

Per capire meglio come funzionerebbe nella pratica, l'assicuratore europeo ci dà un'idea chiara. Secondo l'analisi, in 16 settimane, l'azienda ha riprogettato un modello commerciale di una rete di agenti collegati che lavorano durante tutta l'esperienza del cliente. I miglioramenti che ne derivano:

• Gli agenti di conoscenza hanno messo insieme più di 1.000 documenti su politiche e prodotti, così i dipendenti in prima linea possono trovare subito le risposte giuste
• La trascrizione delle chiamate basata sull'intelligenza artificiale e la valutazione da parte degli agenti di coaching hanno fatto sì che il 95% delle chiamate di vendita fosse rivisto automaticamente rispetto al 3% precedente
• Queste funzionalità sono state integrate dagli agenti di integrazione nel CRM e nel portale degli agenti disponibili, seguendo le politiche di sicurezza single-sign-on e offrendo dashboard delle prestazioni in tempo reale. Questi sistemi, tutti insieme, hanno portato a una riduzione del 25% del tempo medio di chiamata, meno passaggi tra reparti fatti a mano e un ciclo di feedback. Questa esperienza ha spinto gli agenti a migliorare sempre di più le azioni migliori da fare, la sequenza dei messaggi e l'abbinamento dei prodotti per stare al passo con le mutevoli esigenze dei clienti.

Tipi e ruoli degli agenti

Il cambiamento completo richiederà la creazione di valore con agenti AI, ma serve l'agente giusto per il compito giusto:

• agenti specifici del dominio che fanno cose complesse e sensibili al contesto
• agenti generici che fanno cose come sintetizzare dati o creare contenuti
• agenti di controllo degli errori
• agenti di orchestrazione per coordinare e allineare tutto il sistema Il ruolo più importante in questo progetto è quello delle persone. Possono lavorare a stretto contatto con gli agenti per controllare e gestire i problemi che gli agenti AI gli presentano. Le aziende più all'avanguardia mettono insieme queste interazioni tra persone e agenti in flussi di lavoro che si adattano, cambiando ad ogni iterazione e segnale del cliente.

Le aziende devono smettere di vedere l'IA come un semplice strumento aggiuntivo e iniziare a considerarla come un partner digitale. Questo vuol dire dare dei ruoli agli agenti, integrarli nel modo giusto e gestirli con aspettative chiare sulle prestazioni, proprio come si fa con i membri umani del team. Le metriche giuste per misurare le prestazioni degli agenti di IA, però, cambiano rispetto ai normali KPI di produttività. Invece di contare le chiamate o il numero di campagne, le aziende più efficienti usano un mix di misure:

• qualità della conversazione
• Sii preciso nel fare le cose.
• Sii preciso quando rispondi alle segnalazioni
• tasso di apprendimento, che mostra quanto gli agenti riescono ad assorbire i feedback e ad adattarsi ai cambiamenti nel comportamento degli acquirenti Questi parametri vengono monitorati in continuazione perché tutte le azioni degli agenti vengono registrate e possono essere tracciate. I dashboard in tempo reale mostrano i cambiamenti nelle prestazioni, confrontano i risultati dei benchmark con la soglia umana e indicano quando è necessario un nuovo addestramento o una ricalibrazione.

Caso di studio su un costruttore edile statunitense

Uno dei più grandi costruttori edili degli Stati Uniti mostra come questa disciplina possa portare a risultati concreti. Per migliorare la comunicazione online e la prenotazione degli appuntamenti, l'azienda ha formato dei rappresentanti di vendita AI e li ha addestrati ad agire come i suoi venditori più performanti. Dopo aver analizzato più di 500.000 trascrizioni di vendite, sono state individuate decine di stati di conversazione (saluto, gestione delle obiezioni, follow-up, chiusura) e i modelli più spesso associati al successo. Sulla base di queste informazioni, il team ha creato dei profili di agenti con stili, ritmi e modi di conversare distintivi. Tutti i dialoghi dell'IA sono stati poi confrontati con quelli umani tramite un agente di valutazione che ha controllato l'accuratezza, la personalizzazione e la fluidità. I dashboard mostravano cali e discrepanze di tono, il che ha permesso di sistemare velocemente le cose. Risultati:

• Il tasso di conversione in appuntamenti è aumentato di tre volte
• gli appuntamenti settimanali sono aumentati di due volte
• gli agenti più efficaci mostravano un'empatia e una fluidità simili a quelle umane

Dato che gli agenti si occupano di cose che riguardano il marketing, le vendite e il servizio clienti, le aziende dovrebbero ripensare a come organizzano la crescita. L'approccio storico, in cui ogni funzione lavorava per conto proprio, sta lasciando spazio a un approccio integrato, dove gli agenti si coordinano, condividono i dati e uniscono l'intera esperienza del cliente per creare un'esperienza che va dalla consapevolezza alla fedeltà. La progettazione delle campagne, la conversione dei lead e l'interazione con i clienti non seguono più una sequenza, ma un unico ciclo di apprendimento. Questo non può essere fatto senza un nuovo modello operativo ibrido uomo-IA. Questo sistema prevede che gli agenti si occupino del coordinamento e dell'implementazione con gli esseri umani per fornire strategia, creatività e controllo. La natura interfunzionale dei team di crescita è fatta in modo che i marketer, i venditori, i rappresentanti dell'assistenza clienti e i data scientist lavorino insieme basandosi su flussi di lavoro e obiettivi comuni.

Fabbriche di agenti

Il ridimensionamento richiede che le aziende leader creino delle "fabbriche di agenti": centri specifici che industrializzano il processo di creazione, implementazione e regolamentazione degli agenti. Questi hub rendono più formale l'architettura riutilizzabile, i prodotti di dati comuni e le misure di sicurezza e conformità. E gli agenti standardizzati che creano sono riservati agli obblighi degli stakeholder, basati sui ruoli, in modo tale che:

• gli agenti principali pianificano il lavoro
• gli agenti professionisti fanno le cose
• Gli addetti al controllo qualità e alla conformità controllano il lavoro Esempi di questa strategia sono diverse banche globali, che hanno creato delle agenzie per rivedere il loro lavoro di due diligence. Ogni agenzia ha le sue squadre di agenti per gestire le singole fasi, come l'estrazione e la convalida dei dati e il controllo qualità, che riducono al minimo il numero di passaggi manuali e migliorano la precisione e il controllo.

Esempio di produttore di articoli per la vita all'aria aperta

Uno dei principali produttori nordamericani di prodotti per la vita all'aria aperta ha usato gli stessi principi nel suo approccio al servizio clienti. Come ha mostrato l'analisi, dopo aver esaminato più di 30.000 ticket di assistenza e trascrizioni di chiamate, l'azienda ha ripensato la funzione per far sì che gli agenti si occupino della diagnosi, del recupero dei dati e della sintesi, lasciando il trattamento incentrato sull'uomo agli esseri umani. L'implementazione è andata bene grazie al piano personalizzato di gestione del cambiamento che ha incluso la formazione dei leader sui dashboard KPI, dei dipendenti in prima linea sugli strumenti di lavoro nel flusso di lavoro assistito dall'intelligenza artificiale e del personale tecnico sulla manutenzione e la messa a punto dei modelli. Feedback continui e un dashboard comune faranno sì che sia le persone che i sistemi digitali lavorino per risolvere le cose più in fretta, aumentare la soddisfazione e far crescere i ricavi in modo misurabile.

Trasformazione delle capacità umane

Man mano che questi sistemi si evolvono, quello che fa la differenza diventa la capacità umana. Le persone non si limitano più a fare, ma ora gestiscono, perfezionano e migliorano il modo in cui il lavoro viene svolto. I manager e gli specialisti dovrebbero imparare a delegare agli agenti, controllare i risultati, individuare le eccezioni e guidare i cicli di apprendimento. Nuove competenze, come la progettazione tempestiva, il monitoraggio dei risultati e il controllo dell'escalation, stanno diventando sempre più parte delle attuali funzioni di crescita. Un bel po' di aziende stanno già cercando di usare l'IA agente con il 25-50% dei loro dipendenti su base regolare, il che è un buon segno che la capacità di lavorare con l'IA sta diventando un vantaggio per il business.

Un anno dopo, nell'era dell'intelligenza artificiale agente, la lezione è ormai chiara: lo sviluppo non sarà una crescita degli strumenti, ma piuttosto il modo in cui i leader li creeranno e li useranno. Il vantaggio competitivo non dipenderà da quanti agenti una società mette in campo, ma da come sono progettati, gestiti e quanto sono efficaci. Le aziende all'avanguardia stanno già adottando nuovi modi di pensare. È solo l'inizio della trasformazione che l'IA agentica porterà, e presto ci saranno domande più grandi, come:

• Quando il tuo agente di vendita sta parlando con l'agente di acquisto del tuo cliente, come farà la tua azienda a distinguersi?
• Se l'esecuzione è standardizzata, cosa puoi offrire come marchio?
• Con un flusso di lavoro che va oltre i silos, come pensi di mantenere la responsabilità e il controllo? Siamo nell'era della leadership basata sull'azione. Presto, la domanda principale per i leader non sarà più cosa questo agente può fare per noi, ma quali risultati voglio ottenere con esso e come posso sfruttare al meglio lo spazio che offre per permettere alle persone di fare ancora meglio quello che solo loro possono fare. Più velocemente le aziende mettono l'IA agente nei processi di marketing, vendite e assistenza clienti, più velocemente riusciranno a trovare le risposte a quelle domande più grandi.