Quando si parla di IA nell'ascolto del cliente e nelle ricerche di mercato, il dibattito tende subito a polarizzarsi. Da una parte, la promessa di insight quasi immediati e a basso costo, accompagnata dalla pressione a migliorare performance e produttività grazie all'IA. Dall'altra, una conoscenza limitata del funzionamento dei diversi approcci all'IA, il carattere un po' «a scatola nera» di alcuni metodi e, in definitiva, il timore di prendere decisioni affrettate sulla base di consumatori «fittizi» o di insight che restano in superficie. Entrambe le posizioni trascurano l'essenziale.

‍

La sfida non è scegliere tra IA e ricerca sul campo, ma capire in quale fase del processo di conoscenza del cliente ciascun approccio sia più pertinente. Per esempio, laddove prima ci si limitava a un brainstorming o addirittura a una «sensazione a pelle» - e quanti di voi hanno assistito a decisioni tattiche prese al volo tra un ufficio e l'altro per mancanza di insight disponibili! - oggi l'IA consente non soltanto di sintetizzare le informazioni esistenti, ma anche di simulare, iterare e selezionare le ipotesi prima di proseguire nello sviluppo di un'offerta o di un concept.

‍

L'IA, quindi, non è soltanto uno strumento da usare all'occorrenza, ma un metodo da integrare nei processi con cui le organizzazioni raccolgono e sviluppano la conoscenza dei clienti.

‍

I vantaggi dell'IA nella CX e nelle ricerche di mercato

Per prima cosa, è utile identificare e organizzare i punti di forza dell'IA generativa. Offre tre benefici concreti, già visibili nel lavoro dei team.

‍

La sintesi: condensare per decidere. In pochi minuti, l'IA può sintetizzare migliaia di commenti spontanei, recensioni o ticket di assistenza post-vendita. Codifica le risposte alle domande aperte, individua i temi emergenti e permette finalmente di valorizzare l'enorme mole di dati CX rimasta inutilizzata per mancanza di risorse. Spesso è il suo primo impiego, o il primo progetto pilota (PoC) sviluppato nelle organizzazioni. Studi e dati di diversa provenienza possono essere incrociati più facilmente e trasformati in insight chiari e prioritizzati: monografie, sintesi di indagini, raccomandazioni.

‍

La ricerca: indicizzare, ritrovare e incrociare. Oggi l'IA permette di interrogare in linguaggio naturale l'insieme delle conoscenze disponibili (ricerche interne, segmentazioni, open data) per recuperare informazioni disperse e metterle in relazione. Questo dà nuova vita ai repository e alle piattaforme di knowledge management (basta con la laboriosa etichettatura manuale dei documenti), rafforza la centralità del cliente e favorisce la condivisione interna della conoscenza dei clienti.

La conversazione: dialogare con i clienti. Le capacità conversazionali dell'IA possono già arricchire gli strumenti esistenti per conoscere i clienti: basti pensare agli agenti vocali basati sull'IA, che facilitano la somministrazione dei questionari, oppure alle domande di approfondimento automatiche e contestualizzate nelle tradizionali risposte aperte. Ma il valore della conversazione sta soprattutto nella possibilità di creare nuovi modi di interagire con i dati sui clienti: persona conversazionali e panel sintetici possono essere interrogati come se si parlasse a consumatori reali, per raccogliere insight e testare claim, contenuti visivi e concept in qualsiasi momento. Report e dati diventano conversazioni, anziché momenti isolati di presentazione dei risultati, riportando il cliente finale al centro delle organizzazioni in modo continuativo e accessibile.

‍

‍

‍

I limiti da considerare nell'utilizzo dell'IA

Questi vantaggi richiedono tuttavia un metodo rigoroso, perché l'IA generativa non è stata progettata né per le imprese né per la conoscenza dei clienti.

‍

L'IA generativa è stata concepita per il grande pubblico, per rispondere a qualsiasi domanda di chiunque. Non conosce i dati, le regole e i processi delle aziende e tende a basare le proprie risposte sulle informazioni più facilmente accessibili online, con la tendenza a ragionare per probabilità, appiattire le differenze e produrre indicazioni generiche. Perché possa parlare in modo credibile dei vostri clienti, occorre ancorarla ai dati e agli insight dell'organizzazione: customer journey e ricerche interne, segmentazioni, commenti dei clienti e open data selezionati e verificati.

‍

L'IA generativa è stata inoltre progettata per mostrare empatia e assecondare l'utente. È il noto bias di accondiscendenza: il modello tende, alla fine, a confermare ciò che gli viene sottoposto, una caratteristica incompatibile con il test di idee o la co-creazione di un concept. È quindi importante contrastare questa tendenza naturale dell'IA attraverso prompt progettati per limitare tali distorsioni. Si possono, ad esempio, attribuire a una persona sintetica meccanismi decisionali o valori specifici, inserire nei panel sintetici ponderazioni che attenuino la sovraesposizione degli LLM all'attualità oppure introdurre contraddizioni per rappresentare la complessità delle differenze tra opinioni e comportamenti. Una persona sintetica viene creata per valutare, non per convalidare.

‍

L'uso dell'IA generativa per conoscere i clienti non elimina dunque la necessità di metodi e principi. È essenziale, in particolare, contestualizzare l'IA e formulare prompt adeguati, affinché i risultati tengano conto sia della realtà aziendale in cui viene utilizzata sia di quella dei consumatori che rappresenta. Due applicazioni concentrano oggi queste sfide: le persona IA e i panel sintetici.

‍

Le persona IA: ridare voce ai segmenti di clientela

Le persona sono presenti da tempo nei team di ricerca, marketing e CX. Il loro limite è noto: una volta terminata la presentazione e appesi i poster alle pareti, tendono a rimanere poco presenti nella mente dei team e a essere utilizzate raramente. Le segmentazioni dei clienti finiscono così spesso nel dimenticatoio o vengono sfruttate solo superficialmente, fino al loro successivo aggiornamento.

‍

Le persona IA restituiscono la parola ai clienti e li trasformano in interlocutori permanenti per chi prende le decisioni. Vengono costruite a partire da dati reali (customer journey, ricerche, CRM, commenti spontanei, comportamenti). Di conseguenza, più dati e studi possiede un'organizzazione, più queste persona IA risultano pertinenti e credibili. Occorre inoltre integrare prompt che limitino le note «allucinazioni» e basare questi strumenti interattivi di consultazione sulla documentazione relativa ai clienti utilizzata per crearli. La persona diventa così una vera dashboard o un report interattivo, rendendo accessibili all'interno dell'azienda la conoscenza e le percezioni dei clienti, favorendo una maggiore immersione nella loro quotidianità e consentendo di testare ipotesi, talvolta in tempo reale durante una riunione o un comitato esecutivo.

‍

Le applicazioni sono molto concrete e si stanno moltiplicando: dall'inserimento delle persona negli sprint di innovazione o nei workshop ai percorsi di onboarding dei dipendenti, fino alla formazione, soprattutto nel B2B, dove i commerciali possono provare virtualmente le proprie argomentazioni prima di incontrare i prospect. In base ai dati disponibili in azienda e nelle fonti aperte, si possono modellizzare segmenti specifici di consumatori, ma anche profili professionali (elettricisti, come nell'esempio seguente, avvocati, clienti grandi aziende…) o target difficili da raggiungere - rendendoli così sempre accessibili - come persone affette da patologie specifiche. Sul piano pratico, si possono far «percorrere» a diversi profili un customer journey o un percorso di gestione dei reclami per anticipare i punti di attrito; si può sottoporre una promessa sia a una persona anziana diffidente verso il digitale sia a un giovane professionista sempre di corsa. Soprattutto, si permette ai team marketing, prodotto, IT e servizio clienti, così come ai colleghi che consultano raramente i report di ricerca, di dialogare con i «propri» clienti.

La persona permette quindi di comprendere in profondità i profili distinti di una segmentazione. Per ragionare su un'intera popolazione e ottenere ordini di grandezza, però, occorre cambiare scala.

‍

Panel sintetici: una sala di ricerca virtuale

I panel sintetici consentono di andare ancora oltre e di replicare gli usi e gli atteggiamenti di intere popolazioni. L'obiettivo non è imitare le ricerche condotte con consumatori «reali», ma utilizzare ancora una volta l'approccio sintetico nei contesti appropriati, ricordando anche i bias insiti nelle risposte dichiarate dei «veri rispondenti» (attenzione limitata, desiderabilità sociale, intenzioni mai tradotte in azioni, razionalizzazioni a posteriori). In breve, si tratta di combinare il meglio dei due mondi e attivarli a seconda del contesto e delle esigenze. Si possono distinguere due approcci alla ricerca quantitativa basata sull'IA.

‍

Panel sintetici: configurare per esplorare. L'obiettivo è riprodurre una determinata popolazione (spesso un campione rappresentativo a livello nazionale, per disporre di una base sufficiente) attraverso dati pubblici di riferimento (INSEE, ARCEP, ADEME…), uno strato psicografico (i valori e i criteri decisionali utili a contrastare il bias di accondiscendenza) e uno strato narrativo (l'aggiunta di situazioni di vita pertinenti in funzione dell'uso previsto del panel).

‍

Gemelli digitali: replicare per simulare. In questo caso si riproduce un database esistente (CRM, iscritti a un programma fedeltà…) per creare i gemelli digitali dei contatti e poterli interrogare ogni volta che serve, generalmente su temi tattici, senza sollecitare eccessivamente i rispondenti reali e riservando il loro coinvolgimento alle ricerche approfondite, prioritarie o strategiche.

Consideriamo un caso d'uso per illustrare i vantaggi dei panel sintetici. Siete responsabili della rete di filiali di una grande banca e state riflettendo sul loro futuro: penalizzate dalla progressiva perdita di attrattività dei centri cittadini e dalla digitalizzazione dei percorsi, le filiali devono reinventarsi. Per alimentare un brainstorming, potete iniziare con un'indagine sintetica sulla frequenza e sulle motivazioni delle visite in filiale, testando anche alcune nuove proposte di servizio.

‍

I rispondenti riconoscono che ormai quasi tutte le operazioni bancarie possono essere effettuate online. Il contatto umano (33%) e la consulenza personalizzata (32%) restano i principali motivi per recarsi in filiale, insieme alla risoluzione di problemi e reclami (23%), anche se probabilmente non si tratta dell'appuntamento preferito dai consulenti! L'interesse per nuovi servizi rimane elevato, in particolare per l'accesso a esperti e l'assistenza nelle pratiche amministrative. I panel sintetici permettono di ottenere non solo risultati numerici, ma anche conclusioni e raccomandazioni. In questo caso emergono tre direzioni: un'indispensabile «integrazione tra digitale e umano» (la richiesta di consulenza personalizzata attraversa tutte le generazioni), «la filiale come punto di riferimento per risolvere i problemi» (quando le interfacce digitali non funzionano, il cliente cerca competenze umane per «sbloccare» una situazione di grande valore percepito) e infine la banca come «sportello unico» (esigenza di semplificazione, soprattutto tra i più giovani).

‍

Lo strumento suggerisce persino alcuni concept: da un hub amministrativo semplificato, che trasforma la filiale in un facilitatore, fino all'idea meno intuitiva di uno spazio di lavoro temporaneo e connesso, orientato alla produttività.