Di Josef Novak, Chief Innovation Officer e Co-Fondatore di Spitch

Ho trascorso l’ultima settimana ad approfondire tre prospettive distinte sul futuro dell’AI: la “March of Nines” di Andrej Karpathy, il 2026 CIO Playbook for Governance e un affascinante caso di studio sugli “Autonomous Architects” che utilizzano sciami multi-agente per riprogettare database legacy.

A prima vista, lo sharding dei database e gli IVR dei contact center sembrano appartenere a mondi distanti. Ma in realtà penso che queste tendenze convergano attorno a un’unica sfida cruciale: Come facciamo a far passare l’AI da “prototipi ad alto impatto” a “soluzione affidabile di livello enterprise”?

La trappola del 90% (la “March of Nines”)

Karpathy osserva nel suo articolo che portare un modello al 90% di accuratezza è in genere la parte facile. Ok, non sempre, ma nella CX aziendale il 90% è un fallimento. Se un cliente su dieci viene frainteso dai tuoi AI Agent, la fiducia in prima linea crolla. Ma ogni nove successivo – 99%, 99,9%, 99,99% – diventa drammaticamente più difficile da raggiungere.

Per colmare il divario verso quegli ultimi “nove”, dove finalmente raggiungiamo un servizio accettabile e poi eccezionale, dobbiamo smettere di trattare gli LLM come scatole magiche autonome. Dobbiamo trattarli come componenti all’interno di un’architettura più ampia e governata.

Il “problema del grounding” nella conversazione

L’esperimento degli “Autonomous Architect” ha evidenziato un ostacolo critico: il problema del grounding. Un AI Agent può proporre uno schema di database matematicamente perfetto ma funzionalmente inutile perché non comprende le sfumature politiche o operative “disordinate” del business.

Nel contact center il grounding è ancora più essenziale. Un modello S2S potrebbe sentire un cliente dire “Ho finito con questo” e concludere matematicamente che l’intento è “Termina chiamata”. Ma un agente umano – o un sistema ben progettato – sa che nel contesto questo potrebbe significare “Inoltra al team Retention”.

Senza un framework per ancorare queste interpretazioni “neurali” nella logica di business “simbolica”, non stai costruendo automazione: la tua organizzazione sta solo generando debito tecnico.

Il nostro approccio: l’ibrido neurale-simbolico

In Spitch.ai consideriamo e progettiamo l’AI collaborativa come una forza di supporto, non come una sostituzione. Affrontiamo il grounding unendo tre elementi:

1. Il Neurale (LLM): Utilizziamo modelli Speech-to-Speech SOTA e LLM multimodali per gestire le sfumature, l’empatia e la complessità del linguaggio umano.
2. Il Simbolico (Guardrail): Vincoliamo quella “creatività” all’interno di macchine a stati deterministiche e logica “legacy” come DTMF e protocolli di trasferimento.
3. L’Autorità Umana: i sistemi sono progettati con un principio human-in-the-loop, a supporto delle decisioni e del controllo umano. – sia i clienti che chiamano per risolvere problemi, sia gli agenti umani responsabili in ultima istanza della loro risoluzione.

Non consideriamo DTMF, logica di trasferimento rigida o flussi di chiamata guidati passo dopo passo come ” tecnologia obsoleta”. Li consideriamo ancore simboliche. Sono i guardrail a livello di piattaforma che impediscono a un modello S2S di “perdersi nei dettagli” durante un’interazione live , fornendo al contempo la struttura che permette agli LLM di brillare dove sono più forti.

Dibattito multi-agente in fase di progettazione

Uno dei cambiamenti più significativi che stiamo introducendo è il passaggio dal tradizionale paradigma Prompt–Completion a un modello di Ragionamento Distribuito

• In fase di training: Utilizziamo “sciami multi-agente” durante la fase di progettazione. Un agente simula un cliente frustrato, un altro assume il ruolo di critico della conformità, mentre un terzo agisce come ottimizzatore. Insieme ‘dibattono’ e mettono alla prova il flusso del customer journey prima che venga esposto a un cliente reale
• In produzione: Ottimizziamo la configurazione per ridurre la latenza e l’uso di token, lasciando un modello di customer journey più snello che opera all’interno dei “binari” simbolici che gli AI Agent hanno contribuito a validare. Gli AI Agent specifici per attività assumono ancora ruoli dedicati come la raccolta ordini o la gestione delle escalation, ma attività come produrre un saluto iniziale coerente o recuperare informazioni CRM possono essere orchestrate come passaggi statici ottimizzati per ridurre il consumo di token.

L’ascesa del ruolo di curatore dell’esperienza

Questo cambiamento ridefinisce il ruolo del progettista del customer journey: non è più necessario essere un linguista o un programmatore esperto, ma è fondamentale comprendere a fondo il funzionamento del contact center, il business e le esigenze dei clienti serviti . CAnalogamente agli ‘Autonomous Architects’ dei dati, i nostri utenti stanno passando da esecutori di script IVR a curatori strategici del customer experience journey Il Il valore risiede nel fatto che gli stakeholder CX, grazie alla loro profonda conoscenza operativa, sono oggi più responsabilizzati che mai nel guidare architetture di customer journey capaci di generare il massimo valore.

Nel 2026, il vantaggio competitivo non apparterrà all’azienda con il modello più ‘intelligente’, ma a quella in grado di offrire il più alto livello di autonomia — governata, ancorata e orchestrata. Questa capacità consentirà alle aziende di realizzare le proprie visioni CX con un’efficacia senza precedenti, garantendo esperienze in cui i clienti trovano sempre ciò che cercano.

In Spitch.ai non stiamo solo costruendo agenti che parlano. Stiamo costruendo i framework che li fanno ascoltare. Contattaci per saperne di più sulla nostra piattaforma e sulle nostre soluzioni di “Collaborative Agentic AI”