L'aggiornamento di dati di contatto, preferenze e stati in un CRM dopo un'interazione o una modifica è uno dei compiti in cui l'AI oggi può già assumersi gran parte del lavoro. Non perché l'AI sia "intelligente" abbastanza da capire i clienti, ma perché il compito stesso richiede poca interpretazione. Un cambio di indirizzo, un nuovo numero di telefono, un cambio di stato da lead a cliente: sono campi che vengono compilati, non valutati.
Tre assi risultano qui decisivi: strutturazione, volume e costi degli errori.
La strutturazione ottiene un punteggio alto perché un CRM per definizione funziona con campi fissi. Un nome, un indirizzo e-mail, una categoria di preferenza: sono dati con un posto fisso e un formato fisso. Non c'è testo libero da interpretare, nessun contesto da valutare. Questo rende il compito adatto all'elaborazione basata su regole: se il campo X cambia nella fonte Y, aggiorna il campo X nel sistema Z.
Anche il volume è alto. In un'azienda con un ampio parco clienti si tratta di decine o centinaia di modifiche al giorno, distribuite su singole, piccole operazioni. Esattamente il tipo di lavoro in cui uno schema ricorrente e prevedibile pesa più delle eccezioni occasionali. Volume elevato in combinazione con alta strutturazione è la combinazione in cui l'automazione si ripaga più rapidamente.
I costi degli errori si collocano nella fascia media. Un numero di telefono aggiornato in modo errato è fastidioso, ma solitamente rimediabile al successivo contatto. Per campi più sensibili, come le preferenze di pagamento o il consenso per le comunicazioni di marketing, gli errori pesano di più. È anche per questo che la validazione non è un passaggio superfluo, ma una condizione necessaria.
Lo spazio di giudizio e il contatto con il cliente ottengono un punteggio da medio ad alto, ed è esattamente lì che si trova la sfumatura. Una parte dei cambi di stato è univoca: un cliente si trasferisce, l'indirizzo cambia, fine. Ma non ogni modifica è così semplice. Quando un addetto al servizio clienti, dopo una telefonata, deve valutare se un reclamo giustifica un cambio di stato verso "rischio di disdetta", non si tratta più di inserimento dati ma di una valutazione. Quella parte resta lavoro umano, o viene comunque sottoposta a un collaboratore che approva o respinge con motivazione.
In un'azienda con un profilo clienti semplice e poche eccezioni, la quota che l'AI può assumersi è quindi più alta rispetto a un'azienda con relazioni clienti complesse, molti accordi su misura o dati personali sensibili. Anche la conformità normativa gioca un ruolo: quanto più un campo riguarda informazioni sensibili sotto il profilo della privacy o accordi contrattuali, tanto prima è opportuno un controllo umano prima che una modifica diventi definitiva.
La tecnologia già oggi impiegata è principalmente rpa: software che, secondo regole fisse, riporta dati da una fonte all'altra, segnala record duplicati e compila campi sulla base di una mappatura fissa. Non si tratta di intelligenza artificiale che "comprende" chi sia il cliente, ma di elaborazione automatizzata di input strutturati.
Tre condizioni di base determinano se questo funziona:
Se manca una di queste tre condizioni, il compito torna alla categoria due: l'AI formula la proposta, un collaboratore approva o respinge.
Ciò che cambia ora non è che i collaboratori diventino superflui, ma che il loro tempo si sposta dal lavoro di inserimento al lavoro di controllo. Dove prima un collaboratore digitava a mano un cambio di indirizzo, ora quel collaboratore valuta un elenco di modifiche proposte e clicca su approva o non approva. È un compito diverso, con un impiego di tempo diverso, non necessariamente meno lavoro ma un lavoro diverso.
Questo cambiamento è parallelo a quanto accade con l'inserimento degli ordini nel sistema e con il controllo e la comunicazione dello stato degli ordini: anche lì lo schema è input strutturato, volume elevato, costi degli errori limitati, con eccezioni che restano in capo a una persona. Chi si chiede come questo si collochi rispetto ad altri compiti orientati al cliente troverà una valutazione simile in la fornitura di informazioni su scorte e tempi di consegna, dove si gioca la stessa tensione tra velocità e i casi che richiedono un po' più di spiegazione. E per chi considera il lavoro sul CRM soprattutto come parte di un processo più ampio, la panoramica di il lavoro nel reparto finanziario è un buon punto di partenza, poiché i dati clienti e di fatturazione spesso condividono gli stessi sistemi di origine.
Se e quanto velocemente questo verrà introdotto all'interno di un'organizzazione non è solo una questione tecnica. Le eventuali conseguenze sul personale che ne derivano rientrano negli obblighi legali propri del datore di lavoro; questa pagina non si pronuncia in merito.
Questa pagina descrive un compito isolato. Il quadro reale emerge solo quando questo compito viene considerato insieme agli altri compiti all'interno di un'azienda: alcuni con un profilo simile, altri completamente diversi. Per farsene una prima idea, è disponibile una quickscan gratuita: dodici domande, senza account, con come risultato un'indicazione della quota di ore in quel profilo che oggi può essere assunta dall'AI. La werkscan completa, che scompone il lavoro di un'azienda in compiti e per ciascun compito calcola l'impatto in termini di capacità in fte, è ancora in fase di sviluppo.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.