Glossario
Glossario agenti AI e CX
Padroneggia il linguaggio degli agenti AI enterprise. Oltre 100 definizioni su SLA per l'AI, risoluzione autonoma, compliance, deployment e automazione della CX.
A
- ActionsLe Actions permettono a un agente AI di Maven di leggere e scrivere dati nei sistemi aziendali durante una conversazione, ad esempio per verificare ordini, emettere rimborsi e aprire casi.
- Agent AssistL'agent assist fornisce agli operatori suggerimenti in tempo reale, recupero delle informazioni e bozze di risposta automatiche durante le interazioni live. Riduce i tempi di gestione migliorando al tempo stesso la precisione e la coerenza delle risposte.
- Agent DesignerAgent Designer è lo spazio di lavoro no-code di Maven AGI per configurare, testare, analizzare e migliorare gli agenti AI enterprise in un unico posto.
- Agent MavenAgent Maven è l'agente AI enterprise di Maven AGI. Comprende l'intento, ragiona su ogni richiesta ed esegue azioni sicure su chat, email e voce.
- Agente AIUn agente AI percepisce il contesto, ragiona sulle informazioni e agisce in autonomia per raggiungere i propri obiettivi. A differenza dei chatbot che seguono script, gli agenti AI risolvono i problemi in modo dinamico usando strumenti e conoscenze.
- Agentic AIL'agentic AI agisce in modo autonomo per raggiungere obiettivi, invece di limitarsi a generare risposte testuali. Nel customer service, l'agentic AI risolve i problemi end-to-end accedendo ai sistemi, eseguendo workflow e verificando i risultati.
- Agentic AI per il supporto clientiL'AI agentica per l'assistenza clienti usa sistemi AI autonomi per capire l'intento, ragionare sugli scenari ed eseguire risoluzioni complete senza intervento umano…
- Agentic DeterminismAgentic Determinism significa che la piattaforma decide quali dati, azioni e limiti si applicano prima che un agente AI di Maven ragioni, non dopo che ha risposto.
- AI conversazionaleL'AI conversazionale consente interazioni in linguaggio naturale e a più turni tra clienti e sistemi AI. A differenza dei chatbot con script predefiniti, mantiene il contesto per l'intera conversazione e si adatta all'intento dell'utente.
- AI CopilotUn copilota AI affianca gli operatori umani suggerendo risposte, proponendo le informazioni pertinenti e automatizzando le attività ripetitive in tempo reale. I copiloti aiutano gli operatori a rispondere più rapidamente senza sostituire il giudizio umano.
- AI Customer Experience (CX)L'AI CX applica l'intelligenza artificiale a ogni punto di contatto con il cliente, dal primo contatto al supporto continuativo. Una CX basata sull'AI aumenta soddisfazione e fedeltà riducendo i tempi di attesa e personalizzando le interazioni.
- AI embeddingGli AI embedding convertono il testo in vettori numerici che ne catturano il significato semantico. La qualità degli embedding determina direttamente quanto bene l'AI recupera i contenuti pertinenti della knowledge base per le richieste dei clienti.
- AI generativa per il supportoL'AI generativa usa i large language model per creare risposte utili e naturali alle domande dei clienti. A differenza dei sistemi basati su regole, l'AI generativa coglie le sfumature e genera risposte adatte al contesto.
- AI governanceL'AI governance garantisce che i sistemi AI operino entro confini etici, legali e organizzativi. Framework come ISO 42001 offrono un approccio strutturato alla gestione del rischio AI negli ambienti enterprise.
- AI groundingL'AI grounding collega i modelli linguistici a fonti di dati aziendali verificate tramite RAG, eliminando le allucinazioni e creando sistemi affidabili e specifici per il business…
- AI per il contact centerL'AI per il contact center automatizza le interazioni vocali e digitali con i clienti nei call center. L'AI gestisce chiamate e chat di routine e inoltra le richieste complesse agli operatori con tutto il contesto.
- AI per il supporto assicurativoL'AI per le assicurazioni automatizza l'apertura dei sinistri, le domande sulla copertura e la gestione delle polizze nel rispetto degli standard di compliance. Le compagnie usano l'AI per ridurre i tempi di gestione dei sinistri e migliorare l'esperienza degli assicurati.
- AI per il supporto bancarioL'AI per il settore bancario automatizza richieste sui conti, avvisi di frode e gestione delle contestazioni, nel pieno rispetto delle normative. Le banche usano il supporto AI per ridurre in modo significativo il tempo di gestione e il costo per interazione.
- AI per il supporto dei marketplaceL'AI per i marketplace gestisce contemporaneamente le interazioni con acquirenti e venditori, facendo rispettare le policy della piattaforma. Il supporto su due fronti richiede un'AI che comprenda entrambe le prospettive di ogni transazione.
- AI per il supporto e-commerceL'AI per l'e-commerce automatizza su larga scala tracciamento degli ordini, gestione dei resi e domande sui prodotti. I retailer online usano agenti AI per gestire i grandi volumi di richieste ripetitive durante promozioni e festività.
- AI per il supporto FinTechL'AI per il FinTech gestisce domande sulle transazioni, gestione dei conti e avvisi di frode nel pieno rispetto delle normative. Le aziende FinTech usano l'AI per offrire supporto immediato senza compromettere la sicurezza dei dati.
- AI per il supporto nel settore educationL'AI per l'education gestisce su larga scala domande su iscrizioni, pagamenti e supporto IT per studenti e famiglie. Gli enti di formazione usano l'AI per affrontare i picchi stagionali delle iscrizioni senza ricorrere a personale temporaneo.
- AI per il supporto nel settore immobiliareL'AI per il settore immobiliare gestisce richieste sugli immobili, contratti di locazione e comunicazioni con gli inquilini su interi portafogli. Le aziende PropTech usano l'AI per rispondere all'istante a grandi volumi di domande sugli immobili.
- AI per il supporto nel travelL'AI per il travel gestisce prenotazioni, cancellazioni e recupero dai disservizi in tempo reale. Le aziende di viaggio usano l'AI per gestire i picchi di domanda durante eventi meteo e alta stagione.
- AI per il supporto nelle telecomunicazioniL'AI per le telecomunicazioni automatizza su larga scala contestazioni di fatturazione, modifiche ai piani e troubleshooting dei dispositivi. Gli operatori telco gestiscono milioni di richieste di routine ogni mese, il che rende l'automazione AI particolarmente efficace.
- AI per il supporto SaaSL'AI per il SaaS gestisce domande sul prodotto, troubleshooting e gestione degli account usando la documentazione di prodotto come knowledge base. Le aziende SaaS usano l'AI per scalare il supporto di pari passo con la crescita degli utenti, senza aumentare l'organico in proporzione.
- AI per il supporto sanitarioL'AI per la sanità offre supporto immediato ai pazienti nel rispetto della conformità HIPAA. Le organizzazioni sanitarie usano gli agenti AI per la prenotazione degli appuntamenti, le richieste di fatturazione e l'orientamento nei percorsi di cura.
- AI per l'assistenza clientiL'AI per l'assistenza clienti usa l'intelligenza artificiale per risolvere le richieste, supportare gli operatori e far emergere insight operativi. L'AI di assistenza moderna esegue azioni concrete nei sistemi aziendali, andando ben oltre le capacità di un chatbot.
- AI responsabileL'AI responsabile è l'insieme completo di policy, controlli tecnici e meccanismi di governance che… Scopri di più sull'AI responsabile in Maven AGI…
- AI vs supporto umanoUn customer service efficace unisce l'automazione AI per le richieste di routine agli operatori umani per le situazioni complesse. La chiave è progettare passaggi di consegne intelligenti, così che ogni interazione arrivi alla risorsa giusta al momento giusto.
- Allucinazione AIL'allucinazione AI si verifica quando i modelli producono risposte sicure ma errate nei fatti. Le piattaforme AI enterprise la prevengono con grounding, retrieval-augmented generation e punteggi di confidenza.
- Alternativa a IntercomLe alternative a Intercom offrono approcci diversi al supporto clienti, dalla risoluzione AI-first alla messaggistica tradizionale. Le piattaforme AI-native puntano a risolvere i problemi in autonomia invece di instradarli agli operatori.
- Alternativa a ZendeskLe alternative a Zendesk spaziano dalle piattaforme AI-first orientate alla risoluzione agli help desk più leggeri. Le organizzazioni che valutano un'alternativa danno in genere priorità alle capacità AI, alla profondità delle integrazioni e al costo totale di proprietà.
- App StudioApp Studio è la piattaforma per sviluppatori di Maven AGI per creare, testare e distribuire Maven Apps personalizzate con il Maven TypeScript SDK.
- Ask MavenAsk Maven consente ai team di porre domande in linguaggio naturale sulle performance del proprio agente AI e di ricevere grafici e sintesi, senza scrivere query.
- Assistente virtuale intelligente (IVA)Gli IVA vanno oltre i chatbot di base: comprendono il contesto, gestiscono conversazioni a più turni ed eseguono azioni concrete. Si integrano con i sistemi di backend per risolvere i problemi, non solo per fornire informazioni.
- Assistenza all'onboarding dei clientiL'assistenza all'onboarding guida i nuovi utenti nella configurazione del prodotto, nelle impostazioni e nelle prime attività. L'onboarding basato sull'AI offre indicazioni personalizzate su larga scala senza aumentare il personale.
- Assistenza clienti 24/7L'assistenza 24/7 offre supporto ai clienti a qualsiasi ora, senza limiti di fuso orario. L'AI rende economicamente sostenibile una copertura davvero continua, gestendo le richieste serali e del weekend senza personale notturno.
- Assistenza clienti multilingueL'assistenza multilingue usa l'AI per servire i clienti nella lingua che preferiscono, senza assumere madrelingua. I moderni agenti AI gestiscono oltre 100 lingue con una fluidità quasi madrelingua negli scenari di assistenza più comuni.
- Assistenza clienti proattivaL'assistenza proattiva individua e risolve i problemi prima che i clienti ti contattino. L'AI la rende possibile rilevando pattern nei dati di utilizzo, nei log degli errori e nei segnali di sentiment dei clienti.
- Audit trail dell'AIGli audit trail dell'AI registrano ogni decisione, azione e accesso ai dati degli agenti AI, a fini di conformità e responsabilità. Nei settori regolamentati servono per dimostrare che l'AI opera entro parametri approvati.
- Automazione dei workflow con l'AIL'automazione dei workflow con l'AI combina l'intelligenza artificiale con l'orchestrazione dei processi aziendali per creare sistemi adattivi,… Scopri di più sull'automazione dei workflow con l'AI nel…
- Automazione del servizio clientiL'automazione del customer service usa l'AI per gestire le richieste di assistenza senza interventi manuali. L'automazione moderna risolve i problemi end-to-end, invece di limitarsi a deviare i clienti verso pagine FAQ statiche.
B
- BPO (Business Process Outsourcing)Il BPO è la pratica di affidare le attività di customer support a fornitori esterni. L'AI sta trasformando l'economia del BPO automatizzando le interazioni di routine, mentre gli operatori BPO gestiscono le escalation complesse.
- Build vs buy (agenti AI)La scelta tra sviluppare o acquistare agenti AI dipende dalle competenze di ML del tuo team, dalle tempistiche e dalla capacità di manutenzione. La maggior parte delle aziende scopre che acquistare accelera il time-to-value, mentre sviluppare aumenta il controllo nel lungo periodo.
C
- Canali degli agentiGli Agent Channels sono i punti in cui un agente AI di Maven incontra clienti e dipendenti: chat, SMS, WhatsApp, email, voce, help desk, Slack e Teams.
- CapabilitiesIn Capabilities i team Maven creano, testano e gestiscono ciò che il loro agente AI può fare: Actions, Triggers e Intelligent Fields.
- Charter TemplateI Charter Template sono punti di partenza predefiniti per i Charter di Maven più comuni, come le basi del brand, la gestione delle escalation e il comportamento in voce.
- ChartersI Charters sono playbook in linguaggio naturale che indicano a un agente AI di Maven come comportarsi, cosa può usare e cosa può fare in ogni situazione con il cliente.
- Charters con politiche di reso rigoroseGli Strict Return Charters restituiscono parola per parola una risposta fissa e pre-approvata, per contenuti come le informative legali che devono essere sempre esatti.
- Chatbot AI e agente AI a confrontoI chatbot AI gestiscono domande semplici con risposte predefinite, mentre gli agenti AI risolvono problemi complessi ragionando e agendo. Gli agenti accedono ai sistemi di backend, eseguono workflow e mantengono il contesto completo.
- Chatbot basati su regole vs chatbot AII chatbot basati su regole seguono alberi decisionali predefiniti, mentre i chatbot AI usano la comprensione del linguaggio naturale. I bot basati su regole funzionano per le FAQ semplici, ma falliscono quando i clienti formulano le domande in modo inatteso.
- Chatbot vs agente virtualeI chatbot gestiscono domande semplici con risposte predefinite, mentre gli agenti virtuali risolvono in autonomia le richieste complesse. Gli agenti virtuali accedono ai sistemi di backend, eseguono azioni e mantengono il contesto anche nelle conversazioni lunghe.
- Comportamento di fallbackIl comportamento di fallback definisce come risponde l'AI quando non è sicura di una risposta. Strategie di fallback ben progettate indirizzano con naturalezza a un operatore invece di fornire risposte inesatte o inventate.
- Conformità HIPAA per l'AILa conformità HIPAA per l'AI richiede di proteggere le informazioni sanitarie dei pazienti (PHI) durante l'intera elaborazione da parte dell'AI. Le piattaforme AI che gestiscono dati sanitari devono implementare crittografia, controlli di accesso e BAA.
- Conformità SOC 2 per l'AILa certificazione SOC 2 attesta che una piattaforma AI rispetta standard rigorosi di sicurezza, disponibilità e riservatezza. Gli acquirenti enterprise richiedono in genere i report SOC 2 Type II prima di portare l'AI in produzione.
- Contact Center as a Service (CCaaS)Il CCaaS fornisce la tecnologia del contact center tramite cloud, sostituendo l'infrastruttura on-premise. Le piattaforme CCaaS moderne integrano agenti AI per la risoluzione automatizzata insieme ai tradizionali strumenti per gli operatori.
- Context EngineeringIl context engineering è la pratica sistematica di progettare e ottimizzare il modo in cui gli agenti AI accedono, organizzano e utilizzano le informazioni provenienti da più fo
- Costo per ticketIl costo per ticket misura la spesa media per risolvere una singola interazione di supporto, inclusi personale, tecnologia e costi generali. L'AI riduce il costo per ticket automatizzando i problemi di routine che prima richiedevano operatori umani.
- Customer Effort Score (CES)Il CES misura, su una scala da 1 a 7, lo sforzo che i clienti devono compiere per ottenere la risoluzione di un problema. Punteggi di sforzo più bassi sono correlati alla fedeltà dei clienti, il che rende il CES un indicatore anticipatore della fidelizzazione.
- Customer journey mappingIl customer journey mapping traccia ogni interazione di un cliente con la tua organizzazione di assistenza. Le journey map mostrano dove gli agenti AI possono avere il massimo impatto su customer experience ed efficienza.
- Customer Satisfaction Score (CSAT)Il CSAT misura quanto i clienti sono soddisfatti di una specifica interazione con l'assistenza, di solito su una scala da 1 a 5. Un'assistenza AI costante aiuta a mantenere alto il CSAT, garantendo una qualità affidabile in ogni interazione.
- Customer service con l'AIIl customer service basato sull'AI utilizza l'intelligenza artificiale per comprendere, gestire e risolvere in autonomia le richieste dei clienti. L'AI risolve subito i problemi di routine e indirizza i casi complessi agli operatori umani con tutto il contesto.
D
E
F
- Fallback intentUn fallback intent è un meccanismo di sicurezza dell'AI conversazionale che si attiva quando gli input dei clienti non corrispondono a nessuna… Scopri di più sul fallback intent nel glossario di Maven AGI…
- Fine-tuning (per il servizio clienti)Il fine-tuning adatta i modelli AI pre-addestrati al tuo specifico ambito di servizio clienti e al tono del tuo brand. A differenza del solo prompt engineering, il fine-tuning integra la conoscenza di dominio direttamente nei pesi del modello.
- Finestra di contestoLa finestra di contesto è la quantità massima di testo che un modello AI può considerare in una singola interazione. Finestre di contesto più ampie permettono all'AI di attingere a più cronologia e conoscenza durante le conversazioni con i clienti.
- First Contact ResolutionL'FCR misura la percentuale di problemi dei clienti risolti in un'unica interazione, senza contatti successivi. Tassi di FCR elevati sono direttamente correlati alla soddisfazione dei clienti e a costi di supporto complessivi più bassi.
G
- Gestione delle codeLa gestione delle code è l'orchestrazione strategica del flusso dei clienti e dei tempi di attesa nei diversi punti di contatto del servizio,… Scopri di più sulla gestione delle code in Maven AGI…
- Gestione delle escalationLa gestione delle escalation stabilisce quando e come l'AI trasferisce le conversazioni agli operatori umani. Un'escalation efficace preserva tutto il contesto della conversazione, così i clienti non devono mai ripetersi dopo il passaggio.
- Graph of RecordGraph of Record collega gli agenti AI di Maven ai sistemi che già usi e mappa le relazioni tra i loro dati, così le risposte si basano su dati aggiornati provenienti dalla fonte autorevole.
- Grounding (nell'AI)Il grounding vincola le risposte dell'AI a fonti verificate anziché a contenuti generati. Un'AI con grounding cita articoli specifici della knowledge base, riducendo drasticamente le allucinazioni nelle interazioni con i clienti.
- Guardrail AII guardrail AI stabiliscono limiti a ciò che gli agenti AI possono dire e fare nelle interazioni con i clienti. In produzione, i guardrail impediscono risposte fuori tema, azioni non autorizzate e output dannosi per il brand.
H
- Help desk AIUn help desk AI usa l'intelligenza artificiale per risolvere i ticket di supporto, classificare i problemi e instradare i casi complessi. Gli help desk AI riducono l'arretrato di ticket gestendo automaticamente le richieste ripetitive e ben documentate.
- Human-in-the-LoopL'approccio human-in-the-loop (HITL) mantiene gli operatori umani coinvolti nei flussi di lavoro dell'AI per supervisione, correzione e approvazione. È essenziale nelle interazioni ad alto impatto, dove un errore comporta rischi finanziari o di compliance.
I
- Instradamento dei ticket con l'AIL'instradamento dei ticket con l'AI usa il machine learning per classificare e assegnare i ticket di supporto al team o all'operatore giusto. Un instradamento intelligente tiene conto del tipo di problema, del livello del cliente, delle competenze degli operatori e del carico di lavoro attuale.
- Integrazione API (customer service)L'integrazione API collega gli agenti AI a CRM, help desk e sistemi aziendali, permettendo loro di eseguire azioni concrete. La profondità delle integrazioni determina se l'AI può davvero risolvere i problemi o solo fornire informazioni.
- Intelligent FieldsGli Intelligent Fields trasformano le conversazioni in dati strutturati. L'agente Maven compila campi come intento, sentiment o rischio di abbandono a partire da istruzioni in linguaggio naturale.
- IVR (Interactive Voice Response)L'IVR è una tecnologia per sistemi telefonici che guida chi chiama attraverso menu preregistrati tramite tastiera o comandi vocali. Ancora molto diffuso, l'IVR viene sempre più spesso sostituito dalla voice AI conversazionale.
- IVR conversazionaleL'IVR conversazionale sostituisce i menu telefonici a tasti con la comprensione del linguaggio naturale. Chi chiama esprime a voce la propria richiesta invece di scorrere opzioni numerate, riducendo la durata delle chiamate e i tassi di abbandono.
K
- Knowledge base AILa knowledge base AI fornisce risposte precise attingendo da articoli di assistenza, documentazione e wiki interni. Le knowledge base basate sull'AI comprendono il significato delle domande invece di affidarsi alla corrispondenza delle parole chiave.
- Knowledge graphI knowledge graph organizzano le informazioni in entità e relazioni interconnesse su cui l'AI può ragionare. Nel customer service, aiutano l'AI a capire come si collegano prodotti, policy e processi.
- Knowledge groundingIl knowledge grounding ancora le risposte dell'AI a fonti aziendali verificabili, così ogni risposta è riconducibile a documenti specifici invece che a dati obsoleti…
- Knowledge InboxL'Inbox di Maven segnala problemi nella conoscenza come duplicati, conflitti, contenuti obsoleti e lacune, con correzioni suggerite da far revisionare al team.
- Knowledge ingestionLa knowledge ingestion è il processo di importazione, analisi e strutturazione dei contenuti per renderli utilizzabili dagli agenti AI. Un'ingestion efficace gestisce automaticamente PDF, help center, wiki Confluence e documenti interni.
L
- Large Language Model (LLM)Gli LLM come GPT-4 e Claude alimentano il customer service basato su AI, comprendendo e generando linguaggio naturale su larga scala. Gestiscono domande articolate dei clienti che i rigidi sistemi basati su regole non sono in grado di affrontare.
- Live chat AILa live chat AI offre supporto clienti in tempo reale tramite interfacce di messaggistica su siti web e app. La chat basata sull'AI risponde all'istante mantenendo un tono naturale e colloquiale e risposte accurate.
M
- ManualUn Manual è il testo di istruzioni in linguaggio naturale all'interno di un Charter di Maven che indica all'agente AI come comportarsi quando quel Charter si applica.
- Maven AppsLe Maven Apps collegano la piattaforma Maven AGI ai sistemi esterni come fonti di conoscenza, azioni e trigger, e canali rivolti ai clienti.
- Maven CommerceMaven Commerce permette a un agente AI di Maven di vendere prodotti e servizi entro guardrail che stabiliscono cosa può offrire, a quale prezzo e a chi.
- Maven CopilotMaven Copilot è un assistente AI integrato nel tuo help desk che riassume i ticket, prepara bozze di risposta con citazioni e risponde alle domande degli operatori.
- Maven VoiceMaven Voice è un agente vocale AI enterprise che risolve le chiamate di assistenza in tempo reale e completa workflow come rimborsi e aggiornamenti dell'account.
- Messaggistica asincronaCome funziona la messaggistica asincrona nel supporto: risposte nei propri tempi, thread persistenti e differenze con la live chat sincrona, oltre al perché conta per i team CX basati sull'AI. Glossario di Maven AGI.
- Model Context Protocol (MCP)MCP è un protocollo aperto che consente ai modelli AI di collegarsi a strumenti, database e API esterni in modo standardizzato. Grazie a MCP, gli agenti AI possono compiere azioni reali come emettere rimborsi o aggiornare account.
- Modello di supporto a livelliIl supporto a livelli organizza il customer service in livelli di escalation, dalle richieste di base (L1) ai problemi complessi (L3). Oggi l'AI gestisce la maggior parte delle interazioni L1, lasciando agli operatori il lavoro a più alto valore.
N
- Natural Language Processing (NLP)L'NLP permette all'AI di analizzare, interpretare e rispondere al linguaggio umano nelle interazioni con i clienti. Il moderno NLP è alla base della classificazione degli intenti, dell'estrazione di entità e della sentiment analysis nell'automazione del customer service.
- Net Promoter Score (NPS)L'NPS misura la fedeltà dei clienti chiedendo quanto è probabile che consiglino la tua azienda, su una scala da 0 a 10. La qualità del supporto è uno dei fattori che incidono di più sull'NPS, con un impatto diretto sul rapporto tra promotori e detrattori.
O
- Orchestrazione degli agenti AIL'orchestrazione degli agenti AI è la gestione coordinata di più agenti AI specializzati che collaborano su flussi complessi… Approfondisci l'orchestrazione degli agenti AI nel…
- Orchestrazione dell'AIL'orchestrazione dell'AI coordina più agenti AI, modelli e sistemi per eseguire flussi di lavoro complessi senza intoppi, con un routing delle attività affidabile e una governance solida.
- Oscuramento dei dati personali (PII)L'oscuramento dei PII rimuove o maschera automaticamente le informazioni di identificazione personale dalle interazioni con l'AI. Un oscuramento efficace impedisce l'archiviazione di dati sensibili come codici fiscali, carte di credito e informazioni sanitarie.
- Osservabilità dell'AIL'osservabilità dell'AI offre visibilità in tempo reale su come gli agenti AI funzionano, sbagliano e migliorano nel tempo. I sistemi AI osservabili rendono disponibili in modo continuo metriche di accuratezza, latenza, pattern di errore e segnali di soddisfazione.
P
- PCI-DSS per l'AI nel customer serviceLa conformità PCI-DSS garantisce che i sistemi AI che gestiscono dati delle carte di pagamento rispettino rigorosi standard di sicurezza. Gli agenti AI che elaborano transazioni devono isolare i dati dei titolari di carta e mantenere la certificazione Level 1.
- Personalizzazione con l'AILa personalizzazione con l'AI adatta le interazioni di supporto in base allo storico, alle preferenze e al contesto del cliente. Un'AI personalizzata fornisce risposte più pertinenti e risoluzioni più rapide perché comprende la situazione di ogni cliente.
- Portale self-serviceI portali self-service danno ai clienti accesso on demand a knowledge base, strumenti per la gestione dell'account e assistenza AI. Un self-service efficace gestisce la maggior parte delle richieste di routine, lasciando agli operatori le questioni complesse.
- Prevenzione del churn dei clientiLa prevenzione del churn usa l'AI per individuare e coinvolgere di nuovo i clienti a rischio prima che se ne vadano. L'AI rileva i segnali di insoddisfazione nelle interazioni di supporto e attiva contatti proattivi per trattenere gli account.
- Produttività degli operatoriLa produttività degli operatori misura l'efficienza con cui gli operatori del supporto risolvono i problemi dei clienti. I copilot AI la aumentano redigendo automaticamente le risposte, proponendo la knowledge pertinente e gestendo in automatico le attività di routine.
- Programma pilota AIUn programma pilota AI convalida le prestazioni dell'AI nel customer service su scala ridotta, prima del deployment a livello aziendale. I pilot ben progettati durano 4-8 settimane, con criteri di successo chiari e KPI misurabili.
- Prompt engineeringIl prompt engineering è la pratica di scrivere istruzioni precise che guidano il comportamento e l'output dei modelli di AI. Nel customer service, la progettazione dei prompt determina il tono dell'AI, i limiti di accuratezza e i criteri di escalation.
- Prompt injectionLa prompt injection è un attacco in cui gli utenti manipolano l'AI con input costruiti ad arte per aggirare i controlli di sicurezza. L'AI rivolta ai clienti deve implementare la validazione degli input e guardrail per prevenire gli exploit di prompt injection.
- Proof of concept (POC) AIUn POC AI verifica che una soluzione funzioni con i tuoi dati, i tuoi workflow e la tua base clienti. Un buon POC dura 2-4 settimane, con metriche di successo predefinite e scenari di supporto realistici.
- Punteggio di confidenza dell'AII punteggi di confidenza dell'AI quantificano quanto un modello è sicuro della propria risposta, di solito su una scala da 0 a 1. I team di assistenza usano soglie di confidenza per attivare l'escalation a un operatore umano quando la certezza dell'AI scende sotto i livelli stabiliti.
Q
R
- RAG (Retrieval Augmented Generation)La RAG combina il recupero di informazioni con la generazione di testo tramite AI per produrre risposte accurate e supportate da fonti. La RAG previene le allucinazioni perché richiede all'AI di citare contenuti reali della knowledge base in ogni risposta che genera.
- Ragionamento Chain of ThoughtIl ragionamento chain of thought permette all'AI di scomporre i problemi complessi in passaggi logici prima di rispondere. Questo approccio migliora l'accuratezza sulle richieste dei clienti che richiedono più passaggi, come contestazioni di fatturazione e modifiche all'account.
- Residenza dei dati per l'AILa residenza dei dati stabilisce in quale area geografica i sistemi di AI archiviano ed elaborano i dati dei clienti. Il GDPR, il CCPA e le normative di settore impongono spesso requisiti specifici in materia.
- Ricerca semanticaLa ricerca semantica comprende l'intento delle richieste invece di cercare corrispondenze esatte tra parole chiave. Le piattaforme di supporto AI la usano per trovare risposte pertinenti anche quando i clienti formulano le domande in modo inatteso.
- Riconoscimento dell'intentoIl riconoscimento dell'intento classifica ciò che il cliente vuole ottenere a partire dal suo messaggio o dalla sua richiesta. Un rilevamento accurato dell'intento stabilisce se la richiesta riguarda la fatturazione, il supporto tecnico o modifiche all'account.
- Risoluzione autonomaRisoluzione autonoma significa che l'AI risolve completamente il problema di un cliente senza intervento umano. A differenza della deflection, la risoluzione autonoma risolve davvero il problema invece di indirizzare il cliente altrove.
- Risposta email con AILa risposta email con AI legge, classifica e risponde automaticamente alle email dei clienti. L'AI elabora le email in arrivo in pochi secondi anziché in ore, gestendo le richieste di routine e segnalando i casi complessi per la revisione umana.
- ROI del supportoIl ROI del supporto quantifica il ritorno economico degli investimenti nell'assistenza clienti, inclusi tecnologia, personale e formazione. Calcolarlo richiede di monitorare sia i risparmi diretti sia i ricavi trattenuti grazie a un servizio migliore.
- ROI dell'AI (ritorno sull'investimento)Il ROI dell'AI misura il ritorno economico dell'adozione dell'AI nel customer service rispetto all'investimento totale. I principali fattori di ROI includono la riduzione del costo per ticket, risoluzioni più rapide e una maggiore fidelizzazione dei clienti.
S
- SegmentsI Segments sono definizioni riutilizzabili di utenti o conversazioni che stabiliscono quali conoscenze, azioni e Charters può usare un agente AI di Maven.
- Self-RAGSelf-RAG (Self-Reflective Retrieval-Augmented Generation) è un framework di AI avanzato che consente ai modelli linguistici… Scopri di più su Self-RAG in Maven AGI…
- Sentiment analysisLa sentiment analysis usa l'AI per identificare il tono emotivo nei messaggi dei clienti, dalla frustrazione alla soddisfazione. I team di supporto usano i dati sul sentiment per dare priorità ai casi urgenti e far emergere problemi sistemici nell'esperienza.
- Service Level Agreement (SLA)Un service level agreement (SLA) è un contratto formale tra un fornitore di servizi e un cliente che definisce specifici… Scopri di più su Service Level Agreement (SLA) in…
- Service Level Agreement (SLA) per l'AIGli SLA per l'AI definiscono gli impegni su uptime, accuratezza e risoluzione delle piattaforme AI per il customer service. Fissare i benchmark SLA giusti protegge la tua organizzazione da implementazioni AI poco performanti.
- Show ReasoningShow Reasoning mostra il contesto, le fonti di conoscenza e le azioni dietro ogni risposta di un agente AI di Maven, così i team capiscono perché ha risposto in quel modo.
- Sistema di ticketingUn sistema di ticketing traccia le richieste di supporto dei clienti dall'invio alla risoluzione in un workflow centralizzato. I sistemi di ticketing moderni si integrano con l'AI per classificare, instradare e risolvere automaticamente i ticket.
- Sistemi multi-agenteI sistemi multi-agente usano più agenti AI specializzati che collaborano per gestire problemi complessi. Ogni agente si occupa di un ambito specifico, mentre un orchestratore coordina i passaggi tra attività di fatturazione, tecniche e relative alle policy.
- Sostituzione dell'IVRSostituire l'IVR significa passare da rigidi menu telefonici ad agenti vocali AI che comprendono il linguaggio naturale. Le organizzazioni che sostituiscono l'IVR registrano in genere tassi di abbandono più bassi e una risoluzione media delle chiamate più rapida.
- Speech-to-Text (ASR)L'ASR converte il parlato in testo che i sistemi AI possono elaborare e su cui possono agire. Un riconoscimento vocale accurato è la base della Voice AI, e i sistemi moderni superano il 95% di accuratezza sulle parole.
- Supporto AI per le aziendeIl supporto AI per le aziende soddisfa i requisiti di sicurezza, conformità e scalabilità delle grandi organizzazioni. Le piattaforme enterprise includono certificazioni SOC 2, HIPAA e PCI, oltre a SSO e accesso basato sui ruoli.
- Supporto omnicanaleIl supporto omnicanale collega chat, email, telefono, social e messaggistica in un'unica esperienza fluida. I clienti possono cambiare canale nel corso della conversazione senza perdere il contesto né dover ripetere le informazioni.
T
- Tasso di accuratezza dell'AIIl tasso di accuratezza dell'AI misura la percentuale di risposte dell'AI corrette nei fatti e utili. Le piattaforme AI enterprise puntano a un'accuratezza dell'85-95% grazie a grounding, guardrail e monitoraggio continuo della qualità.
- Tasso di automazione del supportoIl tasso di automazione del supporto misura la percentuale di problemi dei clienti risolti dall'AI senza intervento umano. Questa metrica rappresenta l'impatto operativo reale dell'AI in modo più accurato del solo tasso di deflection.
- Tasso di deflectionIl tasso di deflection misura la percentuale di richieste di supporto gestite in self-service prima di arrivare a un operatore umano. Un tasso elevato, da solo, non indica se i problemi dei clienti siano stati davvero risolti.
- Tasso di fidelizzazione dei clientiIl tasso di fidelizzazione dei clienti misura quanto un'azienda riesce a mantenere i clienti esistenti in un determinato periodo,… Scopri di più sul tasso di fidelizzazione dei clienti nel Maven…
- Tasso di risoluzioneIl tasso di risoluzione misura la percentuale di problemi dei clienti risolti completamente, non solo gestiti con una risposta o deviati. Poiché misura i risultati effettivi, è una metrica più significativa del tasso di deflection.
- TelefoniaLa telefonia è l'infrastruttura tecnologica che abilita la comunicazione vocale nelle operazioni di customer service. La telefonia moderna include SIP trunking, VoIP e integrazione con la rete PSTN per l'implementazione di agenti AI vocali.
- Tempi di implementazione dell'AII tempi di implementazione dell'AI vanno da 2 settimane per le configurazioni di base a 3-6 mesi per agenti AI di livello enterprise. Dipendono da integrazioni, requisiti di compliance e complessità della knowledge base.
- Tempo di risoluzioneIl tempo di risoluzione misura l'intervallo tra il momento in cui un cliente segnala un problema e quello in cui il problema è completamente risolto. L'AI riduce i tempi di risoluzione dei problemi di routine fornendo risposte immediate e accurate 24 ore su 24.
- Tempo medio di attesaIl tempo medio di attesa misura quanto tempo i clienti aspettano prima di entrare in contatto con il supporto ed è un indicatore fondamentale… Scopri di più sul tempo medio di attesa nel glossario di Maven…
- Tempo medio di gestione (AHT)L'AHT misura il tempo medio dedicato a ciascuna interazione di supporto, dall'inizio alla risoluzione. L'AI riduce l'AHT offrendo agli operatori accesso immediato alla conoscenza e automatizzando i passaggi ripetitivi nelle conversazioni.
- Text-to-Speech (TTS)Il TTS converte il testo scritto in parlato naturale per gli agenti vocali AI. Il TTS neurale moderno produce voci quasi indistinguibili da quelle umane, in decine di lingue e accenti regionali.
- Ticket deflectionLa ticket deflection misura le richieste di supporto gestite in self-service prima che arrivino a un operatore umano. Utile come metrica di volume, da sola non indica se i clienti hanno davvero risolto i loro problemi.
- Tool use (function calling)Il tool use permette agli agenti AI di chiamare API esterne, interrogare database ed eseguire workflow in tempo reale. Il function calling è ciò che distingue gli agenti AI che risolvono i problemi dai chatbot che si limitano a fornire informazioni.
- Total cost of ownership (supporto AI)Il TCO del supporto AI comprende costi di licenza, integrazione, formazione, manutenzione e ottimizzazione continua. Molte organizzazioni lo sottostimano, concentrandosi sui canoni di abbonamento e trascurando implementazione e manutenzione.
- Tree of Thoughts (ToT)Tree of Thoughts (ToT) è un framework avanzato di ragionamento AI che consente ai large language model di esplorare… Scopri di più su Tree of Thoughts (ToT) nel glossario di Maven AGI…
- TriggersI Triggers sono automazioni di Maven che si attivano in base a eventi o a una pianificazione, come la sincronizzazione dei dati delle conversazioni con un data warehouse, senza che il cliente lo richieda.
V
- Valutazione dei fornitori di AILa valutazione dei fornitori di AI analizza le piattaforme in termini di accuratezza, sicurezza, integrazioni e costo totale di possesso. Un framework di valutazione strutturato evita errori costosi nella scelta della tecnologia AI per il customer service.
- Vector embeddingI vector embedding trasformano dati non strutturati (testo, immagini, audio e interazioni con i clienti) in array numerici… Scopri di più sui vector embedding nel glossario di Maven…
- Voice AILa voice AI consente agli agenti AI di gestire telefonate in tempo reale, comprendendo e generando il parlato in modo naturale. La voice AI moderna raggiunge latenze di risposta inferiori al secondo, rendendo le interazioni telefoniche davvero conversazionali.
- Voice AI in tempo realeLa voice AI in tempo reale consente agli agenti AI di sostenere conversazioni telefoniche naturali con i clienti a una velocità paragonabile a quella umana. Una latenza inferiore a 500 ms è fondamentale perché la voice AI risulti naturale e conversazionale.
- Voice botI voice bot gestiscono le chiamate dei clienti grazie al riconoscimento vocale e alla comprensione del linguaggio naturale. A differenza dei rigidi menu IVR, conversano in modo naturale per risolvere i problemi al telefono.
- Volume di ticketIl volume di ticket indica il numero di richieste di supporto che un'organizzazione riceve in un determinato periodo. L'AI gestisce i picchi dovuti a lanci di prodotto, disservizi ed eventi stagionali senza bisogno di personale temporaneo.
W
- Workflow agenticoI workflow agentici permettono agli agenti AI di pianificare, eseguire e verificare in autonomia attività in più fasi. Un workflow agentico può controllare lo stato di un ordine, elaborare un rimborso e inviare la conferma senza intervento umano.
- Workforce management (WFM)Il WFM prevede la domanda dei clienti e ottimizza la pianificazione dei turni degli operatori nelle attività di assistenza. L'AI trasforma il WFM gestendo automaticamente i volumi variabili e riducendo la necessità di adeguare il personale nei picchi stagionali.