CX Network ha pubblicato il primo report globale sulla maturità dell’AI nel servizio clienti, e il quadro che ne esce è di fallimento sostanziale della promessa. Il rapporto CX Horizons: The state of CX in 2026, uscito ad aprile, raccoglie le risposte di 342 professionisti del settore intervistati tra dicembre 2025 e gennaio 2026. Il dato che apre il documento è una spia: il 36% dei leader CX dichiara che i clienti hanno capito come funziona l’AI, e stanno cambiando comportamento di conseguenza.
Il problema è di credibilità prima che tecnico. I consumatori avevano accettato la promessa di assistenti virtuali capaci di risolvere richieste in pochi secondi, e si trovano davanti a sistemi che girano in tondo, non capiscono il problema, e ostacolano il passaggio all’operatore umano. Tre indagini distinte — Glance, SurveyMonkey e Medallia — convergono sullo stesso verdetto, con percentuali che non lasciano spazio a interpretazioni indulgenti.
Il 75% dei consumatori intervistati da Glance nel 2025 dichiara di essere stato frustrato almeno una volta nell’anno da un’AI di customer service. SurveyMonkey misura un 79% che preferisce parlare con un umano, un 56% che prova sentimenti negativi verso le aziende che usano AI nel servizio, e un 41% convinto che il servizio clienti sia peggiorato proprio per colpa dell’AI. Medallia inquadra il gap tra dichiarato e percepito: il 66% dei brand crede che la propria CX stia migliorando, solo il 17% dei consumatori è d’accordo. Quarantanove punti percentuali di scarto.
La promessa era risolvere in pochi secondi. Il risultato è ricominciare daccapo.
I leader CX intervistati da CX Network conoscono il problema. Le tre customer behaviour che più stanno influenzando il loro lavoro sono consapevolezza su come l’AI tratta i dati personali (36%), domanda crescente di velocità (30%), e clienti che ormai usano l’AI per cercare informazioni (29%) prima ancora di rivolgersi all’azienda. La cliente che apre il chatbot ha già fatto i suoi compiti, vuole il salto a un livello superiore, e si trova bloccata nello stesso loop che ha già consumato.
Deflettere il ticket invece di risolverlo, e il cliente l’ha capito
Il problema strutturale è di disegno, non di tecnologia. I deployment AI nel customer service sono stati pensati nella stragrande maggioranza dei casi per deflettere il ticket, non per risolverlo. L’obiettivo del business case era ridurre il volume di chiamate, abbassare il costo per contatto, comprimere il personale. La risoluzione del problema del cliente è obiettivo secondario, e nei call flow si vede: l’escalation a operatore è scoraggiata, nascosta, talvolta impossibile.
Il risultato è il loop senza uscita. Il cliente chiede X, il bot offre la FAQ Y, il cliente riformula, il bot ripropone la stessa FAQ. Per i problemi complessi, per la gestione della frustrazione, per la one-call resolution, l’operatore umano resta nettamente superiore — lo riconoscono perfino i clienti che hanno una preferenza per i canali digitali. I settori più colpiti dal cortocircuito sono telco, retail bancario, utility e grandi distributori, dove il costo medio per contatto era già alto e la pressione sui margini ha reso più aggressivo il taglio.
Un bot pensato per deflettere è progettato per non risolvere. Il cliente lo sente.
Le risposte tecniche al problema esistono, e sono note. La combinazione di AI di primo livello e operatore umano sul secondo chiude il 57% delle richieste, contro il 29% del solo bot — un dato che emerge anche dai casi italiani di medie e grandi imprese che hanno implementato architetture ibride. Servono agenti multimodali capaci di leggere contesto, storia del cliente e tono emotivo, non chatbot con script branching. E serve un’escalation rapida e priva di attrito come opzione di default, non come ultima spiaggia.
Vendor come Oracle, Salesforce e Microsoft sostengono che i modelli agentici di nuova generazione siano strutturalmente diversi dai chatbot scriptati che hanno fatto fallire la prima ondata. La promessa è quella di sistemi che ragionano sul contesto invece di pescare da un albero di FAQ. Sulla carta è plausibile, ma il dato Medallia del 2026 fotografa proprio il momento in cui questi modelli avrebbero dovuto già dare frutti. I frutti, nei sondaggi sui clienti, non si vedono.
Quarantanove punti tra ciò che i brand vedono e ciò che i clienti sentono.
Il conto della deflezione, e chi lo paga
La tesi che esce dal report, messa accanto ai dati Glance, SurveyMonkey e Medallia, è netta: l’AI come strumento di deflezione è il problema, non la soluzione. Finché il KPI di riferimento resta il “ticket evitato”, il deployment continuerà a deludere. Il cliente che apre un canale di assistenza ha un problema, e il valore per l’azienda non sta nel non farlo arrivare a un operatore: sta nel risolvere quel problema al primo contatto.
Il danno è asimmetrico. Le aziende risparmiano sul costo per contatto nel breve, e il bilancio trimestrale tiene. Il costo del churn, della reputazione bruciata, della disaffezione del cliente che racconta ad amici e colleghi quanto è stato male, emerge mesi o anni dopo, in un altro reparto, su un’altra metrica. Chi ha tagliato il call center sta consegnando il debito a chi gestirà il customer base tra due anni.
C’è poi una dimensione di fiducia sistemica che pesa. Il 36% di consumatori che ha capito come funziona l’AI è anche il 36% che sa di essere trattato da clienti di serie B quando viene smistato a un bot mentre gli altri ottengono un umano. In mercati maturi come telco e banking, dove la portabilità è facile, la segmentazione percepita diventa abbandono. Per chi disegna oggi i propri investimenti CX, il consiglio è uno: misurare la soddisfazione e la risoluzione, non il volume deflesso. La metrica che si sceglie determina il prodotto che si costruisce, e finora il prodotto costruito non funziona.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Sara Romano
Source link
