Un agente AI che paghi solo se fa il risultato, un’idea che potrebbe funzionare?

Salesforce ha introdotto un terzo modello di pricing per Agentforce in diciotto mesi: 2 dollari per ticket risolto, zero da pagare se l’agente non chiude il caso. Il lancio di Agentforce Help Agent — disponibilità generale prevista per luglio 2026 — segna una svolta nella logica commerciale del customer support AI. Il vendor scommette che allineare il prezzo al risultato sia la leva giusta per convincere le aziende enterprise a fare il salto dall’abbonamento fisso all’AI a consumo. È una scommessa razionale, ma la storia recente di Salesforce sul pricing invita a qualche cautela metodologica.

L’azienda ha già cambiato formula due volte. A ottobre 2024 Agentforce costava 2 dollari per conversazione: il cliente pagava ogni sessione aperta, indipendentemente dall’esito. A maggio 2025 era arrivato il modello Flex Credits, a 0,10 dollari per azione, pensato per workflow agentici granulari in cui ogni chiamata a strumento, ogni ricerca, ogni modifica al record viene conteggiata separatamente. Ora il pendolo torna a 2 dollari, ma con una condizione radicalmente diversa: il pagamento scatta solo se il ticket viene chiuso. Il segnale che tre pivot in diciotto mesi lanciano al mercato è che nessuno dei modelli precedenti ha convinto abbastanza da diventare standard di riferimento.

Tre modelli in diciotto mesi: il mercato non ha trovato la formula

Il pricing per conversazione aveva un difetto di incentivi evidente: il vendor veniva pagato anche quando l’agente prolungava una sessione senza produrre risultati. Il cliente pagava la persistenza, non la soluzione. Flex Credits aveva un problema diverso: la granularità delle azioni rendeva il costo difficile da prevedere e ancor più difficile da difendere in un consiglio di amministrazione che pretende numeri stabili nel piano di spesa annuale.

Il pay-per-resolution tenta di risolvere entrambi i problemi ponendo la chiusura del ticket come unica unità di misura economica. Se l’agente risolve il 70% dei ticket in autonomia — percentuale che Salesforce dichiara per Agentforce sulla base dei dati di utilizzo — il costo per 100 ticket è 140 dollari. Se risolve il 40%, il costo scende a 80 dollari. L’azienda che acquista paga proporzionalmente al valore ricevuto, non al consumo di risorse computazionali. Sul piano teorico, è il modello più allineato che si possa costruire tra chi offre e chi compra il servizio.

I numeri di Salesforce sul mercato enterprise sono solidi: 4,3 milioni di richieste gestite da Agentforce, 2,9 miliardi di dollari di ARR, 29.000 deal con aziende enterprise. Non è un esperimento: è un prodotto in produzione su scala significativa. Ma proprio per questo i tre cambi di modello in diciotto mesi raccontano qualcosa di importante: il mercato non ha ancora deciso cosa vuole misurare, e i vendor stanno sperimentando insieme ai clienti — a spese dei clienti.

Il problema delle definizioni: quando un ticket è davvero risolto

Il diavolo del pricing a risoluzione vive nella definizione operativa di “risoluzione”. Un ticket formalmente chiuso non corrisponde sempre a un problema effettivamente risolto. Un agente può chiudere la sessione dopo aver fornito un link alla documentazione: il sistema segna risoluzione, il cliente riapre il caso il giorno successivo. La metrica di success rate che Salesforce usa per dichiarare il 70% conta le chiusure, non la soddisfazione del cliente né la stabilità della soluzione nel tempo.

Questa distinzione non è accademica. I concorrenti diretti di Salesforce nel mercato del customer support AI hanno scelto prezzi diversi per lo stesso modello: Intercom applica 0,99 dollari per risoluzione, Zendesk oscilla tra 1,50 e 2 dollari a seconda del piano. L’ecosistema si sta orientando verso il pay-per-resolution come standard de facto, ma le definizioni operative variano tra vendor. Prima di firmare un contratto, un’azienda dovrebbe chiedere non quanto costa ogni ticket, ma come viene definita la risoluzione nel contratto specifico e con quale finestra temporale — una risoluzione che tiene 24 ore è diversa da una che tiene sette giorni, e i contratti raramente lo specificano.

Il confronto prezzi aiuta a calibrare le aspettative ma non è sufficiente per valutare il ROI. Un agente che risolve il 70% dei ticket a 2 dollari costa, su 1.000 ticket mensili, 1.400 dollari. Un agente che risolve il 55% a 0,99 dollari costa 545 dollari. La differenza del 15% di efficacia costa 855 dollari in più al mese — somma che un’azienda dovrebbe giustificare con dati propri sul costo del lavoro umano per quei 150 ticket aggiuntivi, non con le percentuali dichiarate dal vendor.

Agentforce in produzione: dove funziona e dove il conto non torna

Agentforce Help Agent ha dimostrato risultati concreti su categorie specifiche di problemi: ticket tecnici prevedibili, richieste di stato degli ordini, problemi di accesso, FAQ strutturate attorno a una knowledge base densa e aggiornata. Le 4,3 milioni di richieste gestite sono dati reali. Il modello funziona dove i pattern delle richieste sono sufficientemente ricorrenti da permettere all’agente di convergere sulla soluzione senza escalation umana.

Il support ad alto contenuto relazionale o tecnico complesso è un territorio diverso. Problemi che richiedono contesto storico del cliente, discrezionalità su casi edge, escalation emotive, decisioni che coinvolgono più reparti — in questi scenari il tasso di risoluzione autonoma scende significativamente sotto il 70% dichiarato. Il modello pay-per-resolution diventa meno conveniente esattamente nei casi in cui il supporto produce più valore, perché i ticket complessi che l’agente non riesce a chiudere restano a carico degli operatori umani, con il doppio overhead di gestire sia il caso sia il passaggio di consegne dall’agente.

Per un’azienda con alto volume di richieste standard, la matematica del pay-per-resolution funziona. Per chi gestisce support con alta variabilità di casistica, la percentuale di risoluzione autonoma sarà strutturalmente più bassa. Il modello non è neutro rispetto al tipo di prodotto e al profilo del cliente finale: è ottimizzato per il support ad alto volume e bassa complessità tecnica, e le aziende che non corrispondono a questo profilo pagheranno un premio per una capacità che non riescono a sfruttare.

Incentivi allineati o mina a orologeria?

La domanda che il modello pay-per-resolution solleva in modo sottile riguarda gli incentivi di lungo periodo del vendor. Se Salesforce viene pagata solo per le risoluzioni, ogni ticket che l’agente chiude in modo approssimativo — per “non fallire” — è un costo nascosto per il cliente. L’allineamento degli incentivi funziona solo se la definizione di successo è robusta abbastanza da resistere all’ottimizzazione. Altrimenti il rischio è che l’agente impari a chiudere rapidamente i ticket, non a risolverli davvero — e che il success rate del 70% nasconda una percentuale significativa di richieste che tornano come nuovi ticket il giorno successivo.

Le aziende che stanno valutando il passaggio a modelli AI per il customer support devono affrontare prima di tutto un problema di misurazione interna: quanto costa oggi un’interazione di supporto, e con quale varianza? Senza questo dato di baseline, confrontare il costo dell’agente AI con il costo del lavoro umano è impossibile. Senza sapere la propria percentuale di ticket ricorrenti, è impossibile valutare se il 70% di risoluzione dichiarato da Salesforce è rilevante per il proprio caso specifico. La governance dei costi AI è una precondizione, non un optional da aggiungere dopo l’adozione.

Tre modelli di pricing in diciotto mesi non è un segno di debolezza di Salesforce: è il riflesso di un mercato che non ha ancora standardizzato né le metriche né i benchmark. Il pay-per-resolution è probabilmente il modello più corretto per il lungo periodo, perché allinea vendor e cliente intorno a un risultato misurabile. Ma funziona solo se le definizioni sono rigorose, i dati sono condivisi e le aziende hanno la capacità interna di misurare l’efficacia reale dell’agente — non solo quella dichiarata nel contratto. Chi firma senza questi dati non sta adottando l’AI: sta delegando al vendor la definizione di cosa sia il proprio successo.