Nel loro recente articolo, “Perché l’IA non porterà a un mondo senza lavoro”, gli autori Philipp Carlsson-Szlezak e Paul Swartz sostengono che l’impatto dell’IA sull’occupazione seguirà probabilmente i modelli storici del progresso tecnologico, creando nuove opportunità e svolgendo un ruolo di assistenza sempre più importante in quelle esistenti. Partendo da questa prospettiva, le tecnologie di IA generativa stanno avanzando rapidamente, influenzando numerosi settori a livello globale, con i call center e l’IA conversazionale in prima linea in questo cambiamento. Col passare del tempo, sta diventando chiaro che questa evoluzione non riguarda la sostituzione delle persone con l’automazione, ma il potenziamento delle capacità umane e la possibilità di interazioni più efficaci ed empatiche. Questo cambiamento globale, pur promettendo significativi benefici economici, presenta anche paradossi e sfide nell’implementazione. Studi recenti ed esperienze del settore evidenziano una chiara tendenza: il futuro del lavoro, in particolare nei call center, risiede nella collaborazione uomo-IA e richiede un’attenta gestione sia dei fattori tecnologici che di quelli umani.

Il paradosso del progresso

La reazione iniziale agli attuali Large Language Models (LLM) come Claude, ChatGPT, Gemini e Llama ha scatenato timori di una diffusa perdita di posti di lavoro. Nel frattempo, ecosistemi di servizi gestiti come Amazon Bedrock, Google Vertex AI e Azure Cognitive Services hanno reso questi strumenti più facili che mai da implementare nei flussi di lavoro di produzione. Tuttavia, man mano che la nostra esperienza con questi strumenti matura, emerge la loro vera forza nel potenziale di assistenza. Uno studio recente di Ferraro et al., “I paradossi del servizio clienti abilitato dall’IA generativa: una guida per i manager”, delinea sei paradossi del servizio clienti abilitato dall’IA:

• Connessi ma isolati: la connessione IA può aumentare la solitudine dei clienti
• Costi inferiori ma prezzi più alti: l’efficienza dell’IA rischia di causare perdite di posti di lavoro e costi sociali
• Qualità superiore ma meno empatia: l’IA migliora il servizio ma manca di comprensione umana
• Soddisfatti ma frustrati: l’efficienza di risoluzione dell’IA può in realtà causare frustrazione
• Personalizzato ma invadente: la personalizzazione dell’IA solleva preoccupazioni sulla privacy
• Potente ma vulnerabile: il potenziale dell’IA comporta rischi di uso improprio

Questi paradossi non sono ostacoli ma indicazioni, e possono guidarci verso un approccio più equilibrato all’implementazione dell’IA.

Esempi di implementazione globale

Nei Paesi Bassi, la catena di supermercati Jumbo ha implementato una “kletskassa” o Cassa Chiacchierona, offrendo ai clienti più anziani un’esperienza più personalizzata per completare l’automazione del self-checkout. Nel Regno Unito, Hardly Ever Worn It (HEWI) ha sviluppato Maia, un assistente virtuale che supporta i clienti nell’esplorazione della moda senza oltrepassare i limiti della privacy.

In Microsoft, l’IA sta trasformando i processi di collaborazione interni. Yannis Paniaras, designer principale di Microsoft Digital Studio, ha osservato che l’IA sta diventando “il direttore d’orchestra dell’esperienza utente,” permettendo ai designer di passare dalla definizione di flussi fissi all’adozione di uno stile di design non deterministico. Questo cambiamento rispecchia la transizione dalla metodologia a cascata a quella agile nello sviluppo software, consentendo un’ideazione più completa e un’iterazione più rapida.

In Giappone, il robot Pepper di SoftBank è stato gradualmente implementato in vari ruoli di servizio clienti, dimostrando come culture diverse affrontano l’integrazione dell’IA. Nel frattempo, negli Emirati Arabi Uniti, la polizia di Dubai ha introdotto robot alimentati dall’IA per assistere nelle attività di routine, liberando gli agenti umani per compiti più complessi.

In Australia, il Dipartimento dei Servizi Umani del governo ha implementato un assistente virtuale alimentato dall’IA chiamato “Sam” per il suo programma Centrelink. L’assistente IA gestisce le richieste di routine, permettendo al personale umano di concentrarsi su casi più complessi che richiedono empatia e comprensione sfumata.

Alla Migros Bank, la biometria vocale alimentata dall’IA autentica i chiamanti in pochi secondi durante il discorso libero, operando senza problemi in background. Nel frattempo, l’Assistente Vocale gestisce le richieste 24/7, indirizza i clienti ai servizi giusti e invia link SMS con contenuti rilevanti. Supportando più lingue, offre anche servizi come lo sblocco di dispositivi e-banking. Questo ha ridotto del 20% il tempo di elaborazione delle chiamate, migliorato la soddisfazione dei clienti e aumentato la sicurezza.

La mia famiglia ne ha persino incontrato uno recentemente all’aeroporto internazionale di Seoul a Incheon: un robot ambasciatore autonomo multilingue che si aggirava intorno ai banchi del check-in e forniva consigli, oltre a offrirsi di scattarci una foto e condividerla automaticamente con noi via e-mail.

Questi esempi vari mostrano come l’IA viene integrata globalmente per migliorare le capacità umane e le esperienze dei clienti in vari settori, inclusi i servizi governativi. Roba da matti, eh?

Il Boost della Produttività e i Suoi Limiti

Un altro studio recente di Brynjolfsson et al., “Generative AI at Work” ha scoperto che gli agenti del servizio clienti di un’azienda software Fortune 500 che usavano assistenti IA hanno avuto un aumento medio di produttività del 14%, con gli agenti meno esperti che hanno visto guadagni fino al 35%. Però, lo studio ha anche rivelato che i lavoratori più bravi hanno visto effetti minimi o addirittura negativi, evidenziando l’importanza di un’implementazione mirata dell’IA. Roba da non credere, vero?

Questi risultati sottolineano l’efficacia delle soluzioni ibride di IA che combinano il machine learning tradizionale per compiti come l’instradamento delle chiamate con la generazione aumentata dal recupero (RAG) per i servizi self-service FAQ. Questi sistemi misti di IA snelliscono i processi e riducono i carichi di lavoro ripetitivi, permettendo alle organizzazioni di gestire le richieste di routine in modo efficiente in più lingue, indipendentemente dalla composizione del team – pur riconoscendo i limiti che richiedono supporto umano. Mica male, eh?

L’Elemento Umano e i Limiti dell’IA

Nonostante le capacità dell’IA, la supervisione umana rimane cruciale. Laura Bergstrom, manager UX principale di Microsoft, sottolinea che “l’IA generativa è un jolly, che richiede dati più immacolati.” L’IA fatica ancora con le sfumature e le emozioni, aree in cui gli agenti umani eccellono. Implementare un approccio ibrido – mescolando metodi tradizionali di IA con modelli generativi e supporto umano – può offrire risultati migliori usando l’IA per gestire compiti di routine mentre si riservano le interazioni complesse agli agenti umani. Che figata, no?

Ad esempio, in settori come la sanità, gli assistenti IA sono usati per automatizzare le richieste frequenti e gestire le obiezioni standard, operando 24/7 per migliorare l’accessibilità e il servizio clienti. Questo non solo libera gli agenti del servizio clienti per concentrarsi su compiti più complessi, ma migliora anche l’efficienza e la soddisfazione del cliente fornendo risposte rapide e coerenti. La chiave sta nell’usare l’IA per aumentare le capacità umane, assicurando che le questioni emotivamente cariche o intricate ricevano l’attenzione sfumata che solo gli umani possono fornire. Niente male, eh?

Realtà Economiche e Sfide di Implementazione

Goldman Sachs stima che l’industria tech spenderà 1 trilione di dollari sull’IA generativa nei prossimi anni. Questo investimento significativo sottolinea la necessità di un’implementazione strategica e graduale che dia priorità alle aree ad alto impatto e si espanda gradualmente man mano che il ROI viene dimostrato. Roba da pazzi!

Implementare la Partnership Umano-IA

Per rendere reale questa partnership, il consenso sull’azione sia da molte fonti esterne che dalla nostra esperienza interna è che le organizzazioni dovrebbero:

1. Iniziare in piccolo con programmi pilota
2. Investire in formazione completa
3. Dare priorità alla qualità e alla gestione dei dati
4. Mantenere un facile accesso all’interazione umana
5. Concentrarsi sull’aumento, non sulla sostituzione
6. Monitorare e aggiustare continuamente l’implementazione
7. Affrontare le preoccupazioni etiche e la privacy dei dati

Potenziali Svantaggi e Considerazioni Future

Mentre i benefici dell’integrazione dell’IA sono significativi, è anche importante considerare i potenziali svantaggi. Le preoccupazioni sulla privacy dei dati, l’impatto a lungo termine sull’occupazione e il rischio di eccessiva dipendenza dai sistemi IA sono tutti fattori importanti che è nostro dovere affrontare. Mica roba da poco, eh?

Man mano che la ricerca in quest’area progredisce, possiamo aspettarci modelli di IA più sofisticati in grado di gestire compiti sempre più complessi – GPT-o1 ci sta già dando un’anteprima di come potrebbe essere. In futuro, possiamo aspettarci di vedere l’IA Generativa continuare ad assumere ruoli più creativi nella creazione di contenuti, nel design dei prodotti e nella pianificazione strategica. Nel contesto del contact center e del servizio clienti, possiamo già vedere ruoli di assistenza espandersi in aree critiche come l’onboarding degli agenti, l’upskilling e il coaching. Il nostro obiettivo, tuttavia, dovrebbe rimanere la costruzione di sistemi ibridi affidabili in cui l’IA fornisce assistenza di alto livello ai decisori umani, che mantengono la responsabilità ultima. Che figata, no?

La Strada da Seguire

L’integrazione dell’IA generativa nei contact center e oltre è un processo complesso che richiede una pianificazione attenta e un investimento significativo. Concentrandoci sulla collaborazione umano-IA piuttosto che sulla sostituzione, possiamo plasmare un futuro in cui la tecnologia migliora l’elemento umano del servizio clienti e migliora il coinvolgimento dei dipendenti in una varietà di altre industrie. Niente male, eh?

Andando avanti, ricordiamoci: l’obiettivo non è davvero creare un’IA che pensi come gli umani, ma creare sistemi in cui IA e umani pensino meglio insieme. Questa è la vera promessa dell’IA generativa, ed è un futuro per cui vale la pena lavorare. Che ne dici?