Quando un sistema di assistenza tecnica
impara a rispondere
meglio degli operatori.

Prodotti verticali, versioning articolato, utenti che parlano lingue diverse: l'assistenza tecnica era un punto di pressione strutturale, non un problema occasionale. I team di customer care di primo e secondo livello erano costantemente sotto carico.

Cogliendo il momento di interesse crescente sull'AI, il cliente ha avviato una procedura per assegnare una PoC: progettare e realizzare un sistema di assistenza tecnica capace di ridurre quella pressione. Con un vincolo preciso: nessun servizio esterno, nessun dato fuori dal perimetro aziendale. Il sistema doveva funzionare in un ambiente completamente isolato. L'esperienza di Generazione AI su architetture di AI privata ha fatto il resto.

Il team era guidato dal CTO e dal COO di Generazione AI, rispettivamente responsabile tecnico e project manager, con il supporto di uno specialista di manualistica software, un analista di processo, un ML engineer e un front-end developer.

Nella prima fase il team ha studiato il contesto e il materiale disponibile per costruire un approccio condiviso. Il cliente ha definito obiettivi e KPI; Generazione AI ha progettato l'architettura del sistema su Digital Tech Support e stabilito gli standard per costruire la RAG, cioè la base di conoscenza privata su cui l'intelligenza artificiale avrebbe lavorato. Al team cliente sono stati spiegati il funzionamento del sistema, i rischi legati all'adozione dell'AI e i dati necessari per alimentarla.

La quantità e la varietà del materiale da gestire — manuali, versioning, storico dei ticket — hanno richiesto una revisione parziale dei contenuti. Con il team cliente è stato definito un formato condiviso per rileggere i ticket e riorganizzare le informazioni: un passaggio tecnico che si è rivelato, col senno di poi, uno dei più utili dell'intero progetto.

Con la base dati pronta e l'addestramento completato, il team ha confrontato diversi modelli. La scelta è caduta su un modello multimodale con supporto multilingue, in grado di leggere non solo testo ma anche immagini come gli screenshot che gli utenti allegano alle richieste di supporto.

Il sistema funzionava bene, ma testarlo con rigore era difficile: il team cliente aveva poco tempo disponibile e i contenuti erano molto specialistici. Serviva un modo per generare un numero elevato di conversazioni realistiche senza dipendere dalla disponibilità delle persone.

Generazione AI ha proposto di costruire un tester virtuale: un sistema automatico programmato per fare domande al supporto tecnico in modo sistematico, anche in lingue diverse, fino a coprire tutti i casi rilevanti. Una specie di cliente simulato, molto esigente. Il risultato è stato un set ampio di conversazioni che ha permesso di misurare le performance con precisione e validare i KPI del cliente.

Il sistema ha risposto in modo adeguato al 90% delle richieste classificabili come primo livello, senza intervento umano. Per quelle più complesse, di secondo livello, ha gestito direttamente molti casi e, quando necessario, ha passato all'operatore una scheda già compilata con il contesto della richiesta, riducendo i tempi e migliorando la qualità della presa in carico.

Il lavoro di revisione dei documenti ha portato un beneficio inatteso: processi di gestione della documentazione più chiari, un tracciamento delle modifiche più preciso, ticket classificati meglio. Un miglioramento che è rimasto anche a progetto concluso.

I risultati hanno convinto il cliente a valutare un'estensione del sistema: non solo al supporto esterno, ma anche ai team interni, agli operatori in formazione e ad altre figure come installatori e manutentori hardware. Tutto è già incluso in un piano di integrazione attualmente in fase di programmazione.

Per Generazione AI, il tester virtuale è diventato uno strumento stabile: un'idea nata per risolvere un problema pratico che ha trovato posto nel nostro processo di validazione per i progetti futuri.