I sistemi aziendali dedicati alla gestione delle relazioni con i clienti si trovano davanti alla necessità di ripensare flussi di lavoro storicamente lenti e frammentati. Nel comparto delle telecomunicazioni, la gestione dei contatti commerciali richiede la convergenza tra volumi elevati di informazioni e tempi di reazione ridotti. In questo scenario, l’adozione di soluzioni basate su Agentic AI segna un distacco rispetto ai software di automazione convenzionali, introducendo capacità decisionali autonome all’interno dei processi operativi. Il tema è stato approfondito da Marianna Valendino, Manager of Marketing Campaign Automation di Fastweb + Vodafone, intervenuta al convegno “AI for OCX: le strategie delle aziende italiane” organizzato dall’Osservatorio Omnichannel Customer Experience presso gli Osservatori Digital Innovation del Politecnico di Milano. La presentazione ha delineato la revisione dell’infrastruttura di contatto dell’operatore, incentrata sullo sviluppo di un orchestratore commerciale progettato per collegare la strategia di business all’esecuzione omnicanale.
Indice degli argomenti
Le inefficienze strutturali del campaign management tradizionale
La gestione a silos e la pianificazione manuale
L’architettura operativa storicamente impiegata nelle campagne di marketing diretto poggiava su strutture rigide, caratterizzate da divisioni interne e da un costante intervento manuale da parte degli operatori. Le attività venivano pianificate con cadenze fisse, tipicamente mensili o settimanali, limitando la reattività di fronte alle variazioni delle abitudini d’uso della clientela. I target di riferimento venivano stabiliti a tavolino attraverso l’esame a posteriori di dati storici, traducendosi nella costruzione manuale di complessi diagrammi di flusso per ogni singola iniziativa. Tale approccio comportava un elevato assorbimento di risorse su passaggi tecnici ripetitivi, a discapito della flessibilità complessiva del sistema.
Time-to-market e rischi di sovra-comunicazione
La complessità di questa configurazione incideva in modo diretto sul time-to-market, allungando i tempi tecnici necessari per trasformare un obiettivo commerciale in una campagna attiva sui canali di contatto. Un secondo elemento critico riguardava la contact policy e il controllo della pressione comunicativa. In assenza di un coordinamento centralizzato e dinamico, i diversi comparti aziendali rischiavano di inviare comunicazioni sovrapposte, generando disinteresse o fenomeni di rigetto da parte del destinatario. La necessità di ridurre i costi operativi imponeva quindi l’individuazione di una metodologia in grado di ottimizzare la frequenza di contatto, mantenendo l’attenzione sui tassi di apertura e conversione senza saturare i canali a disposizione.
L’architettura del sistema Maestro e l’uso dell’Agentic AI
Obiettivi e perimetro dell’orchestratore
Per superare i colli di bottiglia della gestione tradizionale, Fastweb + Vodafone ha avviato lo sviluppo di Maestro, acronimo di Multi-Agent Engine for Segmenting, Targeting, and Recommendation Orchestration. La piattaforma si configura come un agentic commercial orchestrator che impiega l’intelligenza artificiale generativa per ristrutturare i passaggi operativi interni. L’obiettivo dichiarato dall’azienda riguarda la semplificazione delle procedure operative e l’incremento delle prestazioni commerciali su scala individuale. Marianna Valendino ha spiegato le ragioni che hanno guidato l’avvio del progetto: «La ragione principale per cui è stato pensato questo nuovo progetto è la capacità di sfruttare l’intelligenza artificiale per automatizzare, semplificare e ottimizzare i processi che spesso erano davvero complessi».
L’unione di dati strutturati e strategie in linguaggio naturale
Il funzionamento dell’Agentic AI all’interno della piattaforma poggia sulla combinazione simultanea di fonti informative eterogenee. Da una parte, il sistema elabora dati strutturati ricavati dai comportamenti di consumo, dai modelli statistici predittivi e dagli algoritmi di machine learning. Dall’altra, acquisisce dati non strutturati, rappresentati dalle indicazioni strategiche redatte direttamente in linguaggio naturale dai team commerciali. Attraverso questa integrazione, il motore algoritmico riceve sia le evidenze quantitative relative ai clienti, sia i perimetri commerciali definiti dal management, utilizzandoli come base per calcolare le scelte di contatto.
I meccanismi operativi: agenti verticali e coordinamento centrale
Le cinque aree di specializzazione commerciale
Il motore analitico di Maestro è suddiviso in cinque agenti verticali, ciascuno programmato per operare su specifici percorsi commerciali. Il primo agente è dedicato all’Upselling, con il compito di proporre incrementi di valore per i clienti che mostrano margini di sviluppo. Il secondo agente gestisce il Cross-selling, concentrandosi su prodotti o servizi complementari rispetto alle opzioni già attive. Il terzo agente presidia la Prevention, identificando i clienti in stati considerati critici per intervenire prima che maturino scelte di disdetta. Il quarto agente si concentra sul comparto Device, monitorando i requisiti di rinnovo o aggiornamento degli apparati telefonici. Il quinto agente è riservato al comparto Energy, inserito per supportare la convergenza commerciale dell’azienda tra i servizi di telecomunicazione fissa, mobile e fornitura energetica.
La funzione dell’agente coordinatore e la selezione dei canali
Oltre a indicare il prodotto più rilevante, i cinque moduli hanno il compito di associare la proposta al canale di trasmissione più idoneo, spaziando tra notifiche push applicative, comunicazioni via posta elettronica, SMS e chiamate outbound. Per evitare sovrapposizioni tra le diverse linee di business, la struttura prevede al livello superiore un agente coordinatore. Questo elemento centrale raccoglie e confronta le istanze generate dai singoli agenti specializzati, definendo un ordine di priorità che rispetti la contact policy aziendale e tracci il percorso di contatto più lineare per ogni utente.
Il passaggio alla gestione dinamica e la generazione del copy
Dalla segmentazione per cluster ai messaggi differenziati
L’impiego dell’Agentic AI ha modificato le modalità di profilazione dell’audience. Nei flussi di lavoro precedenti, le comunicazioni venivano inviate in modo uniforme a interi gruppi omogenei stabiliti manualmente. Nel nuovo assetto, i parametri tecnici rimangono condivisi, mentre la definizione delle priorità relative a target e canale viene elaborata direttamente da Maestro. L’intelligenza artificiale generativa interviene inoltre nella redazione dei testi, producendo testi differenziati che adattano argomenti e terminologia in funzione delle caratteristiche del singolo destinatario.
Monitoraggio continuo e rialimentazione dei dati
L’intero processo di costruzione delle comunicazioni risulta integrato con le piattaforme di erogazione, riducendo la necessità di impostare diagrammi di flusso manuali per ciascuna campagna. I riscontri sulle attività svolte — inclusi tassi di recapito, aperture dei messaggi, click sui collegamenti e conversioni contrattuali — vengono rilevati e rielaborati costantemente dal motore di GenAI. Questa retroazione continua sostiene logiche di interazione always-on, consentendo di individuare tempestivamente i segnali predittivi di pre-churn. A descrivere questo cambio di paradigma è stata la stessa Valendino: «Siamo passati da un modello di campaign statico e gestito a cluster a una logica completamente automatizzata. Questo automatismo ci permette comunque di mantenere il controllo umano e la possibilità di intervenire costantemente sul modello».
Fasi di rilascio e misurazione dei risultati operativi
L’estensione progressiva dal gruppo pilota alla base clienti
L’introduzione della tecnologia agentica in Fastweb + Vodafone è avvenuta per gradi, seguendo un percorso di scalabilità controllata. Le prime fasi di sperimentazione, avviate oltre un anno prima della presentazione, hanno coinvolto un gruppo pilota circoscritto a 500.000 clienti. A valle dei controlli preliminari sull’affidabilità dei flussi, la sperimentazione è stata allargata a una platea intermedia di 2 milioni di utenti, fino a completare il rilascio esteso all’intera customer base della compagnia.
Il riscontro dei KPI attraverso il campione di controllo
La valutazione degli impatti è stata discussa nel corso del dibattito condotto da Giulia Tua, Ricercatrice Senior dell’Osservatorio Omnichannel Customer Experience del Politecnico di Milano, la quale ha chiesto dettagli circa le metriche quantitative utilizzate per verificare i risultati di business. Rispondendo al quesito, Valendino ha precisato che l’analisi ha previsto un costante confronto con un campione di controllo rappresentativo. I parametri osservati hanno incluso la redemption calcolata sulle attivazioni di prodotto, l’apertura dei messaggi digitali e la variazione del tasso di churn. Stando a quanto riferito dalla manager durante l’incontro, la metodologia avrebbe mostrato una moltiplicazione della redemption su determinate categorie merceologiche, un’accelerazione nel time-to-market e una maggiore alternanza delle offerte proposte alla clientela.
Struttura organizzativa e perimetro decisionale della tecnologia
L’integrazione tra Big Data, CVM e Campaign Automation
L’adozione di un’infrastruttura di Agentic AI ha richiesto interventi a livello di processi organizzativi interni, superando la separazione operativa tra i comparti aziendali. L’alimentazione e la verifica del modello comportano una collaborazione costante tra tre strutture: l’area Big Data, il team responsabile del CVM (Customer Value Management) e la funzione di Marketing Campaign Automation. Tale coordinamento è funzionale all’aggiornamento costante delle informazioni inserite nel sistema, allineando le capacità predittive alle dinamiche di mercato.
La separazione tra indirizzo strategico e gestione algoritmica
Interpellata in merito alle modalità di governo degli investimenti in intelligenza artificiale, Valendino ha spiegato che la governance fa capo al gruppo Big Data, operante in raccordo con il team CVM. Questa cabina di regia definisce gli scenari economici e le priorità mensili, come la scelta di incentivare in determinati periodi la convergenza sui servizi per l’energia. All’interno di questi limiti strategici, l’assegnazione operativa delle campagne viene delegata al calcolo algoritmico. La manager ha formalizzato questa distinzione operativa precisando che: «Le priorità strategiche vengono sempre date dal marketing, mentre l’orchestrazione di come queste priorità debbano arrivare sui clienti con l’offerta e il target migliori viene decisa direttamente da Maestro e dalla GenAI».
La ridefinizione dei ruoli operativi nel marketing relazionale
L’esperienza analizzata dimostra come l’implementazione dell’Agentic AI non elimini il ruolo decisionale dei team di marketing, ma ne sposti il baricentro operativo. La gestione quotidiana si sposta dalla configurazione manuale di filtri, segmenti ed elenchi di contatti verso l’impostazione degli indirizzi di business e il controllo dei parametri algoritmici. In questo assetto, la tecnologia opera come un esecutore regolato, incaricato di elaborare grandi quantità di dati comportamentali all’interno di perimetri di sicurezza predefiniti dalla governance aziendale.
Partecipa alla community