Il 2025 è stato l'anno in cui abbiamo messo agenti AI in operations reali per i nostri clienti. Lead qualification, routing ticket, follow-up email: cinque progetti, otto agenti, un anno di dati. Cosa ha funzionato.
I tre pattern che hanno reso
1. Lead qualification automatica
Un agente legge i form di contatto, classifica per servizio richiesto, sector, urgenza. Risultato: il commerciale riceve solo lead pre-qualificati con uno score 1-10. Tasso di conversione +28% rispetto al pre-AI, perché il commerciale parla solo a chi ne vale.
2. First-line ticket routing
L'agente legge i ticket aperti via email, li classifica (bug / feature / fatturazione / altro) e li smista al team giusto. Tempo di prima risposta: -65%. Errore di routing: 6% (vs 12% del routing manuale del precedente operatore).
3. Reminder follow-up contestuali
L'agente legge la cronologia di un cliente e suggerisce al commerciale "cosa dirgli oggi". Niente di magico — un compendio basato sui meeting note, le scadenze, i topic aperti. I commerciali la usano davvero.
I tre pattern che hanno fallito
1. Risposte automatiche al cliente
"L'AI risponde direttamente al cliente" è diventata "l'AI ha risposto male e ora sono incazzati". Spostato a "AI prepara la bozza, umano valida e invia". Tasso di errore accettabile: 5%, ma quando capita ha costo alto.
2. Sales call summarization automatica
Bello in teoria, deludente in pratica. I summary perdono i dettagli che servono e introducono "fluff". Sostituito con un assistente che, su richiesta, estrae specifici dati (next step, pricing discusso, obiezioni).
3. Predictive churn senza dati di qualità
Per la maggior parte dei clienti, i dati per fare predictive churn non ci sono o sono di scarsa qualità. L'agente ha "fatto" la predizione ma con risultati casuali. Sospeso.
Lezione 2026
L'agente non sostituisce le persone — sostituisce il lavoro che le persone non vogliono fare comunque. Routing, qualificazione, smistamento: yes. Comunicazione finale al cliente, decisione strategica, empatia: no.