*Questoarticolo è basato su un video di YouTube di Sophie Hundertmark, esperta nell’uso dell’intelligenza artificiale con particolare attenzione ai chatbot e alle applicazioni strategiche dell’intelligenza artificiale nelle aziende e nelle istituzioni pubbliche. Sophie è ricercatrice e docente presso l’Università di Scienze Applicate e Arti di Lucerna e sta svolgendo un dottorato in IA conversazionale presso l’Università di Friburgo. Il testo del blog è stato creato utilizzando un modello GPT personalizzato che è stato addestrato in base al contenuto del video, allo stile linguistico e all’esperienza di Sophie. Ne risultano articoli fondati e aggiornati, basati sull’esperienza di Sophie Hundertmark.
Puoi trovare il link al video alla fine di questo articolo.
ChatGPT, Gemini, Claude e altri assistenti basati sull’intelligenza artificiale stanno cambiando sempre di più il modo in cui cerchiamo informazioni su Internet. Invece di visitare il sito web di un’azienda e cercare lì le informazioni giuste, molti utenti rivolgono la loro domanda direttamente a un’IA.
Questo porta le aziende a porsi una domanda più che legittima: abbiamo ancora bisogno di un chatbot tutto nostro?
È proprio di questo che ho parlato in una nuova puntata di “Sophies Next AI Talk” con Robert Weber, uno dei fondatori di MoinAI. Robert si occupa di chatbot da oltre dieci anni: dai primi bot di Facebook Messenger fino agli attuali agenti basati sull’intelligenza artificiale, che possono essere integrati profondamente nei processi aziendali.
La risposta breve alla nostra domanda iniziale è: sì, gli chatbot aziendali possono continuare ad essere rilevanti. Dobbiamo però ripensare a quali compiti svolgono e quale valore aggiunto offrono rispetto agli assistenti generici basati sull’IA.
Il percorso del cliente inizia sempre più spesso prima ancora di arrivare sul sito web dell’azienda
Per molto tempo il sito web aziendale è stato uno dei punti di partenza digitali più importanti del percorso del cliente. Gli utenti cercavano un’azienda su Google, aprivano il suo sito web e lì si informavano sui prodotti, sui servizi o sulle opzioni di assistenza.
L’IA generativa sta cambiando questo processo.
Già oggi puoi fare una domanda su ChatGPT, Gemini, Claude o qualsiasi altro assistente AI. Nel migliore dei casi, l’utente riceve direttamente lì una risposta adeguata. Il sito web dell’azienda – e quindi anche il chatbot integrato – potrebbe essere visitato solo molto più tardi, se non addirittura mai.
Questo fa sì che due questioni assumano maggiore importanza:
Come faccio a far sì che la mia azienda risulti visibile nei sistemi di IA?
E allo stesso tempo:
Che valore aggiunto può offrire lo chatbot della mia azienda quando un utente visita il mio sito web?
È proprio su questo secondo punto che la cosa si fa particolarmente interessante.
I chatbot semplici per le FAQ sono sempre più sotto pressione
Se un chatbot si limita a rispondere a domande semplici, oggi il suo valore aggiunto è limitato.
Durante la chiacchierata, Robert descrive ad esempio i classici chatbot per le FAQ, che funzionano con alberi decisionali fissi e a volte forniscono persino risposte obsolete. Allo stesso tempo, grazie ai moderni modelli linguistici di grandi dimensioni, gli utenti hanno a disposizione sistemi potenti, in grado di rispondere già molto bene a molte domande tipiche di primo livello.
Le aziende non dovrebbero quindi limitarsi a chiedersi:
Abbiamo ancora bisogno di un chatbot?
La domanda più sensata è:
Che tipo di chatbot ci serve?
Infatti, non appena lo chatbot di un’azienda è in grado di fare qualcosa di più che riportare informazioni di dominio pubblico, il suo ruolo cambia.
Tre fasi di sviluppo degli chatbot aziendali
Durante la chiacchierata, Robert suddivide i chatbot in tre diverse fasi di sviluppo. Trovo questa classificazione particolarmente utile perché offre alle aziende un buon punto di riferimento per capire dove possa risiedere il vero valore aggiunto del proprio chatbot.
1. Chatbot per le FAQ
Il primo livello è costituito dai classici chatbot con FAQ. Rispondono alle domande più frequenti e, in alcuni casi, usano ancora alberi decisionali piuttosto rigidi.
In linea di massima, questi bot possono essere utili. Allo stesso tempo, devono affrontare una concorrenza particolarmente agguerrita da parte di ChatGPT e di altri sistemi di IA generativa. Perché se un utente riceve la stessa risposta in modo più veloce e comodo tramite il suo assistente AI preferito, non c’è motivo di usare uno chatbot aziendale a parte.
2. Chatbot che leggono
Il secondo livello fa un passo in più. Questi chatbot possono accedere alle informazioni o ai sistemi di un’azienda e estrarre dati aggiornati.
Un esempio tratto dalla nostra conversazione sono i dati di volo. Se un viaggiatore vuole sapere se il suo volo partirà in orario o se l’orario di partenza è cambiato, ha bisogno di informazioni aggiornate e affidabili.
È proprio qui che uno chatbot aziendale può offrire un valore aggiunto: non solo conosce le informazioni generali, ma ha accesso anche a dati specifici dell’azienda e, se necessario, aggiornati.
3. Chatbot che leggono e scrivono
La cosa si fa particolarmente interessante al terzo livello.
In questo caso, il chatbot non solo recupera informazioni da altri sistemi, ma può anche eseguire azioni nell’ambito di processi definiti.
Nel caso di un fornitore di energia, ad esempio, un cliente potrebbe comunicare la lettura del contatore direttamente tramite una finestra di dialogo o modificare alcuni dati della propria fattura. Invece di dover cliccare tra varie schermate e moduli, la chat stessa diventa l’interfaccia utente.
È proprio qui che sta la differenza fondamentale rispetto a un semplice sistema di domande e risposte: il chatbot non si limita a rispondere alle domande, ma aiuta davvero a portare a termine i compiti.
Da un chatbot generico a un agente IA specializzato
Un esempio pratico interessante emerso dalla nostra chiacchierata è l’aeroporto di Norimberga.
Lì vengono impiegati agenti di intelligenza artificiale specializzati per diversi compiti. Tra questi ci sono, ad esempio, gli addetti ai bagagli, ai parcheggi o al check-in. Ogni agente ha un ambito di competenza ben definito e lavora sulla base di un insieme di conoscenze ben definito, che viene aggiornato e sviluppato dall’aeroporto.
Questo mette in luce un aspetto importante: le aziende non devono per forza creare un unico assistente basato sull’intelligenza artificiale che sia in grado di fare tutto subito.
Invece, potrebbero nascere diversi agenti specializzati.
Un agente è particolarmente esperto in materia di bagagli. Un altro ti aiuta a parcheggiare. Un altro risponde alle domande sul check-in.
In questo modo, l’IA può essere integrata gradualmente nei processi esistenti.
Perché le aziende non hanno bisogno subito dell’agente IA perfetto
Soprattutto nei progetti di IA, si tende spesso a voler coprire fin dall’inizio il maggior numero possibile di casi d’uso. Questo però può rendere i progetti inutilmente complessi.
Nel podcast, Robert consiglia quindi un approccio iterativo: creare un agente AI alla volta e ampliare il sistema passo dopo passo.
A mio avviso, per le aziende questo è un punto importante.
Non dovete automatizzare subito tutti i processi. Inizia invece con un caso d’uso ben definito, che offra un reale valore aggiunto ai tuoi clienti o ai tuoi collaboratori.
Se questo funziona, potete passare alla fase successiva.
In questo modo, col tempo, si crea un sistema composto da agenti IA specializzati, invece di avviare un enorme progetto di intelligenza artificiale che dovrebbe soddisfare tutti i requisiti già fin dall’inizio.
Dati affidabili restano la base
Se vuoi sviluppare un agente di intelligenza artificiale efficiente, c’è un argomento che non puoi ignorare: la tua base di conoscenza.
Durante la chiacchierata, Robert descrive questa fase, in sostanza, come i compiti che le aziende devono svolgere per prime. Le informazioni dovrebbero essere aggiornate, strutturate e disponibili in un formato leggibile da computer.
L’ideale potrebbero essere, ad esempio, database strutturati, tabelle o file JSON. Anche i PDF possono essere una fonte di informazioni, ma in tal caso dovrebbero contenere testo che si presti il più possibile all’elaborazione automatica.
Il primo passo consiste quindi spesso nell’uniformare le diverse fonti e nel creare una base di conoscenze il più possibile centralizzata.
A questo punto potete chiedervi:
Quali operazioni vorremmo automatizzare? Ma quali processi sono adatti a questo scopo? In quali ambiti abbiamo ancora bisogno di una persona? E quali interfacce sono già disponibili?
API, webhook e MCP collegano il chatbot ai sistemi aziendali
Se un chatbot non deve limitarsi a rispondere alle domande, ma deve anche eseguire delle azioni, ha bisogno di accedere ad altri sistemi.
È qui che entrano in gioco, ad esempio, le API o i webhook. In questo modo le app possono scambiarsi informazioni o avviare delle azioni.
Nella discussione entra in gioco anche il Model Context Protocol (MCP). In parole povere, MCP offre un modo standardizzato per collegare le applicazioni di IA a fonti di dati, strumenti e sistemi esterni.
Questo aspetto tecnico diventa particolarmente importante quando si vuole trasformare un chatbot in un vero e proprio agente di intelligenza artificiale.
Perché un agente non deve solo sapere cosa fare. Ha anche bisogno delle interfacce giuste per poter eseguire l’azione desiderata all’interno di un sistema aziendale.
Quando il chatbot impara dalle conversazioni: cosa manca ancora
Un altro aspetto interessante emerso dalla nostra chiacchierata è il cosiddetto “Dreaming” di MoinAI.
A tal fine vengono analizzate le conversazioni passate degli utenti per individuare eventuali punti ciechi. Il sistema analizza, ad esempio, le situazioni in cui un chatbot non è riuscito a fornire una risposta adeguata o in cui gli utenti non erano soddisfatti della risposta ricevuta.
Per le aziende, queste informazioni sono particolarmente preziose.
Infatti, le conversazioni con i chatbot mostrano in modo molto diretto cosa i clienti sanno davvero o vogliono fare.
Invece di basare l’ulteriore sviluppo di un bot esclusivamente su ipotesi interne, le interazioni reali degli utenti possono fornire indicazioni su quali informazioni mancano e quali funzioni aggiuntive potrebbero essere utili.
In questo modo, il chatbot diventa anche una fonte di informazioni sui clienti.
Il controllo e la sovranità sui dati diventano un elemento di differenziazione
Oltre alle funzionalità e alle integrazioni, c’è un altro fattore che gioca un ruolo importante: il controllo sull’IA utilizzata.
Soprattutto per le aziende europee, la protezione dei dati, il GDPR e i requisiti normativi sono temi fondamentali. Durante l’intervista, Robert sottolinea quindi l’importanza dei fornitori europei di IA e di un panorama europeo nel campo dell’IA.
Per gli chatbot aziendali questo significa che non si tratta solo di usare l’IA generativa più potente possibile.
Anche le aziende devono valutare quali dati vengono trattati, dove vengono trattati, a quali informazioni un sistema può accedere e in che misura le risposte e le azioni del sistema rimangono controllabili.
Proprio quando gli agenti di intelligenza artificiale vengono integrati sempre più a fondo nei sistemi aziendali, queste domande assumono un’importanza ancora maggiore.
Il futuro non appartiene per forza al chatbot, ma all’operatore
Ma le aziende hanno ancora bisogno dei chatbot?
Penso che la risposta dipenda molto da cosa intendiamo per chatbot.
Un semplice bot per le FAQ, che si limita a riportare informazioni disponibili pubblicamente, avrà sempre più difficoltà. ChatGPT, Gemini, Claude e altri sistemi sono già in grado di rispondere facilmente a molte di queste domande.
La cosa si fa più interessante quando lo chatbot aziendale riesce a fare cose che un assistente AI generico non riesce a fare così su due piedi.
È al corrente delle ultime novità interne all’azienda. Accede a determinati dati in modo controllato. Conosce il contesto della singola azienda. E soprattutto: può eseguire delle azioni.
Così, il dibattito si sposta dal classico chatbot all ‘agente IA.
Per le aziende, questo non significa che debbano sviluppare il prima possibile un enorme agente di intelligenza artificiale. È molto più sensato partire da un caso d’uso concreto, mettere ordine nella propria base dati e poi integrare passo dopo passo altri processi.
Perché la domanda fondamentale per gli anni a venire potrebbe non essere più: «Abbiamo bisogno di un chatbot?»
Ma piuttosto: «Quali compiti possono davvero svolgere i nostri agenti IA per i clienti e i collaboratori?» Insegnare!
Ci sono altre domande?
Hai qualche domanda? Sarò felice di sostenerti, di fare da sparring partner e di rispondere alle tue domande. Sono sempre felice di ricevere i tuoi messaggi, preferibilmente tramite messaggio WhatsApp o e-mail.
