Come si addestra un AI Voice Agent per rispondere a 150.000 chiamate al mese?

Addestrare un AI Voice Agent è un'attività che difficilmente si può descrivere con precisione prima di averla affrontata. Non perché sia complessa da un punto di vista tecnico, ma perché assomiglia pochissimo a qualsiasi altra attività che si affronta normalmente in un progetto tecnologico. 

Non ci sono configurazioni da applicare una volta sola, né funzionalità da attivare e testare. C'è invece un processo iterativo di raccolta dei dati, test e correzione degli output che si ripete finché le risposte dell'agente non raggiungono il livello di precisione richiesto dal contesto. 

In ambito sanitario, questa fase è particolarmente delicata: le informazioni fornite dall'agente devono essere accurate, prive di margine di approssimazione. Un orario errato, una convenzione assicurativa imprecisa o una prestazione non aggiornata al listino corrente compromettono l'esperienza del paziente.

Per un network di strutture sanitarie distribuite su tutto il territorio italiano, la fase di addestramento dell'AI Voice Agent, implementato con il supporto di Everex, è stata la più impegnativa e determinante per l'esito dell'intero progetto. 

A poche settimane dal go-live dei primi centri pilota, possiamo condividere il processo che ha portato l’AI Agent a interagire con gli utenti che contattano le strutture, e i primi dati che dimostrano l’efficacia dell’addestramento.

Alle radici del progetto AI: le esigenze di ottimizzazione del network

Il centro prenotazioni è l’ingranaggio più sollecitato dell’intera organizzazione, che conta strutture distribuite su otto regioni italiane. Novanta operatori, in turno dalle sette di mattina alle otto di sera, rispondono a pazienti e potenziali clienti con un volume di chiamate mensili tra le 150.000 e le 160.000. 

Prenotazioni di visite specialistiche, convenzioni assicurative, orari di apertura, disdette, indicazioni stradali: richieste legittime, spesso urgenti per chi le pone. Ma per chi le riceve, giorno dopo giorno, rappresentano un compito ripetitivo e standardizzato; un operatore qualificato è costretto a rispondere alle stesse domande, riducendo il tempo e la concentrazione da dedicare alle conversazioni che si traducono nell’acquisizione di un nuovo cliente.

È a partire da questa osservazione che la direzione e il team IT hanno deciso di affidarsi a Everex per implementare un AI Voice Agent. Lo scenario operativo ipotizzato consisteva nel delegare all'agente AI le richieste puramente informative, reindirizzando le competenze degli operatori verso la gestione di nuove prenotazioni, disdette e tutto ciò che richiede giudizio ed empatia nella relazione con il paziente.

Immagine

L’AI gestisce le informazioni, le persone gestiscono le relazioni: la configurazione del sistema di comunicazione

L'agente AI interviene solo nella seconda fase dell'interazione: il sistema è stato configurato con code molto diversificate, che all'origine prevedono una prima interazione con un IVR. Dopo aver presentato l'informativa sulla privacy, l'IVR chiede all'utente di scegliere il servizio desiderato. A quel punto, offre la possibilità di interagire con l'agente AI come alternativa esplicita alla coda con un operatore umano per ottenere informazioni. La scelta è dell'utente, dichiarata nel momento in cui avviene.

Chi opta per l'agente AI viene accolto da un sistema in grado di rispondere a un insieme di domande definito con precisione in fase di progetto: listino prezzi, prestazioni erogate, orari di apertura, ubicazione dei centri, convenzioni assicurative riconosciute. Si tratta di informazioni selezionate per circoscrivere il perimetro operativo dell'agente: definire con chiarezza cosa l'agente deve fare è la condizione necessaria affinché lo faccia bene.

Quando l’agente rileva che l’intenzione del chiamante è effettuare una prenotazione o riconosce di non poter rispondere alla richiesta dell’utente, effettua un trasferimento verso un operatore. L'agente non tenta di gestire ciò che va oltre il suo mandato, ma segue le indicazioni fornite per delimitarne l’autonomia. Questa delimitazione del campo d'azione è stata una precisa scelta di progetto: l'AI gestisce le informazioni, le persone gestiscono le relazioni.

Immagine

Il training dell'AI Voice Agent

La formazione di un agente AI richiede un ciclo metodico di istruzioni, test e correzioni. Si fornisce all'agente un insieme di informazioni, si simulano le domande che un utente reale potrebbe porre, si valutano le risposte ottenute, si identificano le imprecisioni e si interviene per correggerle. Poi si ricomincia. L'agente impara attraverso la qualità e la coerenza del materiale con cui viene istruito e la precisione con cui i suoi errori vengono identificati.

Il network sanitario si avvicinava per la prima volta a un progetto di implementazione di AI Agent. Il primo passo è stato quindi selezionare e organizzare le informazioni a cui l’AI poteva attingere per elaborare le risposte alle chiamate degli utenti. Everex ha fornito le linee guida per definire e strutturare i dati di addestramento, orientando il cliente nella selezione dei contenuti e nella valutazione degli output. Nella fase iniziale, il perimetro informativo affidato all'agente è stato circoscritto a un insieme essenziale di contenuti: informazioni facilmente verificabili, stabili nel tempo, rappresentative delle domande più frequenti. 

Una volta configurato l’AI Agent con il primo set di dati, il network ha destinato alcuni operatori a simulare le chiamate del pubblico, per rilevare le imprecisioni nelle risposte dell'agente e segnalarle al team Everex. È proprio la qualità di questo scambio a determinare la velocità con cui l'agente raggiunge il livello di affidabilità richiesto.

Verificata la qualità delle risposte sul primo set di contenuti, il cliente ha avviato un processo di arricchimento progressivo delle informazioni a disposizione dell'agente, ampliandone il perimetro con la stessa gradualità che aveva caratterizzato la fase iniziale. Ogni nuovo contenuto aggiunto al set di addestramento è stato sottoposto allo stesso ciclo di test e validazione, prima di essere considerato affidabile per le interazioni reali.

Immagine

I primi risultati: cosa dicono le prime settimane di go-live sull’efficacia dell’addestramento

Il sistema è attualmente attivo in fase pilota presso due sedi del Piemonte. I dati delle prime settimane di operatività offrono una prima lettura significativa, su più dimensioni.

Il primo dato riguarda l'accettazione spontanea dell'agente AI da parte degli utenti: circa il 10% dei chiamanti ha scelto volontariamente di interagire con l'agente. In un contesto dove il rapporto con l'interlocutore umano ha tradizionalmente un peso significativo, una quota di accettazione di questa entità indica che la soglia psicologica verso l'interazione con un agente AI è più bassa di quanto molti si aspettassero.

Di queste interazioni, circa il 60% si è concluso interamente con l'agente, senza alcun trasferimento. Il restante 40% è stato indirizzato automaticamente a un operatore: in parte per una richiesta di prenotazione rilevata dal sistema, in parte per l'assenza delle informazioni necessarie nel set di addestramento corrente. Un segnale utile per orientare i cicli successivi di arricchimento dei contenuti.

Immagine

Il dato forse più inatteso riguarda la gestione delle chiamate fuori orario. L'agente ha risposto a tutte le chiamate ricevute al di fuori degli orari di apertura dei centri. In una delle due sedi, su 166 chiamate gestite in orario di chiusura, solo 29 utenti hanno richiesto di essere ricontattati da un operatore. Gli altri hanno ottenuto le informazioni di cui avevano bisogno, senza attendere il giorno successivo e senza gravare sul carico del contact center nelle ore di apertura.

I dati delle prime settimane confermano che il sistema funziona. Ma la domanda più interessante non è se funziona: è perché funziona, e cosa ha reso possibile quel risultato. Non è stata la piattaforma tecnologica a determinare la qualità dell'esito: era una condizione necessaria per l’avvio del progetto. Soprattutto se pensiamo che la tecnologia continua ad evolversi, con agenti AI sempre più capaci e affidabili.

Dietro il successo dell’implementazione c’è stato un lavoro metodico di definizione del perimetro di addestramento, selezione dei contenuti, simulazione delle interazioni e validazione progressiva degli output. Un lavoro che richiede tempo, attenzione e una stretta collaborazione tra chi conosce la tecnologia e chi conosce il contesto operativo in cui quella tecnologia deve operare.