Cos'è l'AI agentica nel customer service?

L'AI agentica indica un software che persegue un obiettivo in autonomia, invece di limitarsi a rispondere a un'istruzione alla volta. Nel customer service significa che un agente AI capisce cosa vuole il cliente, individua i passaggi per arrivarci, interroga i sistemi che contengono la risposta o che possono eseguire l'azione e verifica che abbia funzionato davvero, senza che una persona debba guidare ogni passaggio. Quando confronti i fornitori, la vera domanda non è “usa l'AI?”, ma se il software si limita a spostare il lavoro o lo porta davvero a termine.

Quasi tutti i team di assistenza ci stanno lavorando in questo momento, ma pochi sanno spiegarti con precisione cosa significhi questa categoria.

Gartner prevede che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027 a causa di costi crescenti, ritorni poco chiari e controlli dei rischi insufficienti (comunicato stampa Gartner, 25 giugno 2025). La stessa ricerca ha rilevato che solo circa 130 delle migliaia di fornitori che si definiscono “agentici” rispondono davvero alla definizione. Gartner lo chiama agent washing. Sul fronte di chi acquista, McKinsey ha rilevato che circa l'80% delle aziende ha adottato l'AI generativa, ma più o meno la stessa quota non vede alcun impatto concreto sugli utili (McKinsey, Seizing the agentic AI advantage, 13 giugno 202 5).

Eppure l'AI agentica funziona, almeno da qualche parte: secondo una previsione, entro il 2029 risolverà in autonomia l'80% dei problemi di assistenza più comuni (Gartner, 5 marzo 2025). Ti serve un modo per distinguere i sistemi che ci arriveranno davvero da quelli che passeranno 18 mesi a smistare ticket in modo solo un po' più elegante di prima.

Di cosa è fatto un sistema agentico

6 componenti. La maggior parte dei fornitori è forte in 2 e resta vaga sul resto.

• Percezione. Leggere la richiesta ed estrarre cosa chiede davvero, tra testo, voce e immagini.
• Ragionamento e pianificazione. Scomporre un obiettivo in passaggi e deciderne l'ordine. È ciò che distingue un agente da uno script.
• Memoria. Una memoria a breve termine per sapere a che punto è nel task, più una memoria a lungo termine per sapere con chi sta parlando e cosa è successo l'ultima volta.
• Livello di strumenti e azioni. Le connessioni concrete con i tuoi sistemi: recuperare un ordine, emettere un accredito, modificare un abbonamento. Senza questo, il sistema può solo descrivere un rimborso, non effettuarlo.
• Orchestrazione. Coordinare più agenti o passaggi e trasferire il contesto tra loro. Qui gli standard iniziano a consolidarsi (Model Context Protocol per l'accesso agli strumenti, protocolli agent-to-agent per il coordinamento).
• Guardrail ed escalation. Sapere cosa non fare e quando fermarsi per passare la richiesta a una persona, con tutto il contesto allegato.

Queste componenti lavorano in un ciclo, non in linea retta: percepire, pianificare, agire, verificare, correggere. Un flusso scriptato invece viene eseguito una volta sola e o funziona o si rompe.

Cosa viene scambiato per AI agentica

Nelle presentazioni dei fornitori, 4 altre categorie vengono etichettate come “agentiche”. Fanno tutte un lavoro reale, ma nessuna risolve davvero qualcosa.

Diversi tipi di AI, utili per diversi scenari di customer service.

Una nota sui termini: il settore chiama di solito la prima riga “chatbot”. In questo articolo li chiamiamo invece bot basati su regole, perché la vera differenza sta nell'architettura, non nel nome.

Orchestrare non è risolvere

È qui che si concentra gran parte della confusione, quindi parliamoci chiaro.

I casi d'uso agentici più diffusi in produzione (instradamento, triage, gestione delle escalation, orchestrazione dei workflow, personalizzazione) sono tutti lavoro reale. Nessuno di questi risolve qualcosa. Un sistema che legge un ticket, lo classifica correttamente, recupera il contesto giusto dell'account e lo instrada alla coda giusta ha fatto qualcosa di davvero utile, ma non ha risolto il problema del cliente. L'orchestrazione velocizza il tuo processo esistente. La risoluzione ti toglie davvero lavoro.

È anche qui che il linguaggio delle metriche diventa scivoloso. 3 termini vengono usati come sinonimi, ma non dovrebbero esserlo:

• Deflection rate. La quota di contatti gestiti senza una persona. Facile da gonfiare, perché nei log i clienti che hanno semplicemente rinunciato o sono rimasti bloccati in un loop sembrano un successo.
• Containment rate. La quota di conversazioni rimaste nel canale automatizzato. Non dice nulla sul fatto che il problema sia stato risolto.
• Resolution rate. Se il problema è stato effettivamente risolto, confermato dall'assenza di nuovi contatti entro 24–48 ore o chiedendolo direttamente al cliente.

Solo il terzo numero riflette un risultato reale per il cliente. Se un fornitore ti dà un numero senza dire quale dei 3 sia, è la prima cosa da chiedere.

Come si presenta la risoluzione quando funziona

La situazione specifica conta più del numero in evidenza, perché l'obiezione di ogni responsabile dell'assistenza è “il nostro contesto è più complicato di quel case study”. Ecco quindi i vincoli reali con cui lavorava ciascuno di questi team:

K1x gestisce workflow di documenti fiscali e legali con un piccolo team di supporto e nessuna voglia di un lungo progetto IT. Il sistema si è integrato sopra gli strumenti già esistenti invece di sostituirli, ed è questo che ha reso possibile un rollout rapido: ha raggiunto l'80% di risoluzione autonoma nella prima settimana di attività.

Clio vende software per studi legali a una clientela globale e non si è fidata della parola di nessuno. Ha valutato 32 fornitori e ne ha messi a confronto diretto più di 10 prima di sceglierne uno. Risultato: 80% di risoluzione autonoma e supporto dal vivo 4 volte più veloce.

Rho, un'azienda fintech, aveva volumi di contatti in crescita senza nuove assunzioni in arrivo. L'obiettivo era semplicemente tenere il passo senza peggiorare l'esperienza: ha mantenuto un CSAT del 95% gestendo il 12% di contatti mensili in più con lo stesso team.

Un'azienda di gaming Fortune 500 opera in un settore regolamentato con volumi che esplodono in occasione degli eventi. Il volume normale supera le 330.000 interazioni mensili con l'80% di risoluzione, e in un singolo giorno di picco il sistema ha risolto 13.000 interazioni.

Quale livello di autonomia stai davvero acquistando

I framework sui livelli di autonomia iniziano a consolidarsi. La Cloud Security Alliance ha pubblicato un modello a 6 livelli a gennaio 2026, e la maggior parte delle altre versioni concorda sulla struttura, anche se usa etichette diverse.

In pratica, la maggior parte delle implementazioni enterprise si colloca nell'autonomia condizionata: il sistema gestisce l'intero task entro un perimetro definito e fa escalation di tutto ciò che ne resta fuori. Se un fornitore dichiara di più, sta descrivendo una roadmap, non un prodotto.

Un esempio di rimborso lo rende concreto: in autonomia condizionata, il sistema legge la richiesta, la confronta con la policy, verifica l'idoneità sull'ordine, emette l'accredito se rientra nella soglia e, in caso contrario, passa la richiesta a una persona con tutto il contesto. Quella soglia la imposti tu, ed è questa impostazione, non il modello sottostante, a determinare davvero quanto fa il sistema.

5 domande che separano le due categorie

1. Cosa fa concretamente il sistema, non cosa dice? Chiedi l'elenco specifico delle azioni che può eseguire nei tuoi sistemi. Se la risposta riguarda solo rispondere a domande, sta orchestrando, non risolvendo.
2. Come viene definita e verificata la risoluzione (deflection, containment o risoluzione confermata) e su quale finestra temporale?
3. Cosa succede quando la confidenza è bassa? Un sistema senza un vero percorso di escalation sta solo tirando a indovinare.
4. Cosa richiede davvero l'implementazione al tuo team? Settimane di lavoro di un solutions architect del fornitore sono una richiesta molto diversa da settimane di lavoro dei tuoi ingegneri.
5. Quali clienti, con nome e cognome, nel tuo settore e con i tuoi volumi, sono disposti a parlarti? Una sola call di referenza in un contesto comparabile ti dice più di qualsiasi benchmark.

Domande frequenti

Cos'è l'AI agentica nel customer service?

Un software che persegue in autonomia un obiettivo di assistenza: legge la richiesta, pianifica i passaggi, agisce sui sistemi che contengono i dati e conferma il risultato senza che qualcuno diriga ogni mossa. La caratteristica chiave: porta a termine il task invece di limitarsi a instradarlo.

In cosa l'AI agentica è diversa da un chatbot?

Un bot basato su regole abbina l'input a risposte predefinite e passa a un operatore tutto ciò che non conosce. Un sistema agentico ragiona su una richiesta nuova, capisce quali passaggi servono per risolverla e li esegue sui sistemi live. Uno devia, l'altro risolve.

L'AI agentica è la stessa cosa dell'AI generativa?

No. L'AI generativa si limita a produrre testo in risposta a un prompt. L'AI agentica usa un modello generativo come un tassello di un sistema più ampio che pianifica, ricorda e agisce. Acquistare AI generativa aspettandosi risultati agentici è un errore comune.

Un agente AI può emettere un rimborso o modificare un ordine?

Sì, se è collegato ai sistemi che eseguono quelle azioni ed è autorizzato a farlo entro limiti stabiliti. La maggior parte delle aziende imposta una soglia e passa a una persona tutto ciò che la supera.

Qual è un buon tasso di risoluzione per l'AI nel customer service?

Dipende dal canale, dalla complessità e da come lo misuri. I numeri reali in produzione vanno da circa il 50% al 93%. Prima di confrontarlo con quello di altri, chiedi a ogni fornitore come definisce e verifica esattamente il proprio numero.

L'AI agentica sostituirà gli operatori umani?

I sistemi attuali funzionano in autonomia condizionata: gestiscono attività definite e fanno escalation del resto. Finora la tendenza è un aumento della capacità: lo stesso team gestisce più volumi e dedica più tempo alle attività che richiedono davvero giudizio.

L'AI agentica è conforme a PCI DSS e HIPAA?

La conformità dipende dalla piattaforma, non dalla categoria. Chiedi le certificazioni specifiche, se coprono anche la voce e come vengono gestiti i dati personali in tempo reale.

Perché i progetti di AI agentica falliscono?

Gartner indica costi crescenti, ritorni poco chiari e controlli dei rischi insufficienti. Alla base di tutto, il vero problema di solito è acquistare qualcosa che orchestra aspettandosi che risolva.