Le previsioni di mercato per l'AI nella customer experience sono importanti e coerenti. MarketsandMarkets stima il mercato della AI customer experience a 12,06 miliardi di dollari nel 2024, in crescita fino a 47,82 miliardi di dollari entro il 2030. Il dato 2026 si attesta intorno ai 15 miliardi di dollari, confermato da Fortune Business Insights e Grand View Research.
Questi numeri misurano una cosa sola: quanto spendono le aziende. Non dicono nulla su cosa ottengono, e in questa categoria il divario è tale che usare l'uno come indicatore dell'altro può distorcere la tua pianificazione.
La spesa è una metrica di impegno
Una stima delle dimensioni del mercato conta i contratti, mettendo sullo stesso piano implementazioni che risolvono il 20% e il 90% dei volumi, persino i pilot mai scalati. Una curva in crescita ti dice che sulla categoria c'è consenso, non che i risultati siano omogenei.
Il contrappeso si trova nella stessa copertura degli analisti. Gartner prevede che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027, citando costi in aumento, valore di business poco chiaro e controlli dei rischi inadeguati.
Il problema di misurazione dietro i numeri
La maggior parte delle organizzazioni CX enterprise ha ormai qualcosa di basato sull'AI in produzione. Non tutte però sanno dirti quale quota del volume totale di contatti si chiude senza alcun intervento umano, e il motivo è che la maggior parte delle dashboard misura ancora la deflection anziché la risoluzione.
La deflection chiede se un ticket è uscito dalla coda. La risoluzione chiede se il cliente se n'è andato soddisfatto. Un contatto deviato che torna entro 48 ore viene conteggiato come deviato 2 volte e risolto 0 volte: è così che un'organizzazione finisce per segnalare miglioramenti mentre il tasso di contatti ripetuti sale.
La True Resolution Formula fissa 3 condizioni, e un contatto è considerato risolto solo quando sono soddisfatte tutte e 3. Si è chiuso senza escalation, cioè l'agente ha completato la richiesta. Non è stato riaperto entro la finestra stabilita, di solito 7 giorni. E non ha ricevuto un CSAT negativo, il che intercetta i contatti chiusi solo sulla carta ma che hanno lasciato il cliente esasperato.
Un director può rivalutare i contatti del mese scorso secondo queste 3 condizioni e confrontare il risultato con il dato di deflection già presente in dashboard. Il divario tra i due è la dimensione dell'opportunità.
Perché la deflection è durata così a lungo
La deflection è diventata lo standard per un motivo pratico: era l'unica cosa che la generazione precedente di strumenti poteva produrre. Un sistema che rispondeva alle domande ma non poteva eseguire azioni non aveva risoluzioni da riportare. Poteva solo segnalare che una conversazione era finita senza arrivare a un operatore.
La metrica era adatta alla tecnologia, poi le è sopravvissuta. Sostituire una misura che il management già conosce è davvero difficile, soprattutto quando quella nuova all'inizio sembra peggiore. Un'organizzazione che riporta il 60% di deflection e inizia a misurare la risoluzione in modo onesto potrebbe scoprire di essere più vicina al 25%. Non è peggiorato nulla: la misurazione è diventata accurata. Ma qualcuno deve comunque presentarsi e spiegare il cambiamento.
Qual è davvero il tetto massimo
Per pianificare il 2027, la domanda utile non è quanto spenderà il mercato, ma cosa è stato dimostrato, perché è questo a fissare l'asticella a cui tenere i fornitori.
Mastermind ha raggiunto il 93% di risoluzione autonoma in 6 settimane. Secondo i dati di Maven, le migliori implementazioni raggiungono tra l'80% e il 93% di risoluzione autonoma entro il mese 6, e ci riescono tenendo il programma ancorato alla risoluzione fin dall'inizio, anziché cambiare metrica dopo numeri deludenti.
Se il tuo tasso di risoluzione è molto al di sotto di quanto dimostrato altrove, il limite è più probabilmente l'architettura, l'accesso alla conoscenza o le azioni che l'agente è autorizzato a eseguire, più che il modello stesso. E un fornitore che non sa indicare un tasso di risoluzione per implementazioni comparabili ti sta chiedendo di finanziare la sua scoperta. Considera un numero che un fornitore non sa darti come un dato in sé.
Come leggere il mercato da qui in avanti
Le previsioni sono corrette nella direzione. Il budget si sta spostando verso questa categoria e continuerà a farlo. Quello che sta cambiando è la base del confronto.
Negli ultimi 2 anni, acquistare AI per la customer experience ha significato soprattutto acquistare capacità. I fornitori dimostravano che la tecnologia funzionava, e questo bastava a chiudere i contratti. Man mano che le implementazioni maturano, il confronto si sposta sui risultati misurati: uno standard più difficile, e migliore. È anche il motivo per cui il Resolution Rate si avvia a sostituire le misure più deboli come benchmark principale della CX.
Se stai costruendo un piano per il 2027, i 2 numeri da portarci dentro sono il tuo Resolution Rate, misurato correttamente, e il tasso che il tuo fornitore può dimostrare altrove. La previsione di mercato è il contesto. Quei 2 numeri sono la decisione.
Le 3 condizioni sono descritte in The True Resolution Formula , mentre il quadro completo del mercato si trova nel capitolo Market State del report State of AI in CX 2026 .
Mettilo alla prova sulle tue conversazioni.
Richiedi una demo personalizzata gratuita.
