Tradizionalmente, chiamare l'assistenza clienti del proprio provider internet per un'interruzione di servizio andava più o meno così. Una voce robotica ti salutava come cliente stimato, per poi farti perdere diversi minuti tra i menu telefonici ("premi 3 per l'assistenza tecnica, 2 per internet, poi 4 per tutte le altre richieste"). Venivi messo in attesa, sentendoti dimenticato, finché un operatore non rispondeva finalmente chiedendoti nome, numero di conto e il motivo della chiamata. Se riavviare il router non risolveva il problema, venivi rimesso in attesa, solo per dover raccontare tutta la storia da capo a un secondo operatore prima di ottenere l'appuntamento con un tecnico.
L'IA sta già trasformando interazioni di assistenza come questa. Invece di lottare con una voce robotica e passare da un operatore all'altro, oggi un agente IA può prendere subito in carico la richiesta. Può visualizzare il tuo account, verificare se anche altri clienti nella tua zona sono interessati dal problema e risolvere direttamente le questioni più semplici oppure prenotare un tecnico. Niente più "tutti i nostri operatori sono attualmente occupati" e niente più musica d'attesa. Fino a poco tempo fa, questo era il limite tecnologico.
Ma ora nuove capacità permettono agli agenti di seguire i vari passaggi ed eseguire compiti su orizzonti temporali più lunghi. Crediamo che questo consentirà alle aziende di IA di andare oltre le singole interazioni con i clienti e ripensare il modo di gestire percorsi complessi che si sviluppano nell'arco di settimane e mesi. L'IA guiderà i clienti assicurativi dalla prima chiamata fino al risarcimento, chi richiede un mutuo dalla pre-approvazione alla firma finale, e i lead aziendali dalla prima demo fino alla sottoscrizione del contratto. Questo non solo produrrà risultati migliori per i clienti, ma permetterà anche ai fornitori di IA di essere remunerati per l'espansione dei ricavi generata, e non solo per il risparmio sui costi.
Il valore emerge solo al termine della staffetta
Esistono molti tipi di attività in cui creare valore per i clienti richiede numerosi passaggi, distribuiti su settimane e mesi. Prendiamo come esempio il tradizionale percorso di preparazione di una causa legale per conto di un attore. I potenziali casi arrivano spesso come lead tramite telefono: gli specialisti dell'accettazione raccolgono i fatti chiave e li trasmettono a un avvocato, che valuta se accettare il cliente. Una volta che lo studio accetta il caso, seguono le indagini e la raccolta delle prove: i paralegali richiedono i rapporti di polizia, cercano di contattare i testimoni e inviano lettere di conservazione delle prove (spoliation letters) ai convenuti per preservare gli elementi utili, tenendo nel frattempo i clienti aggiornati sui progressi. Gli studi attendono poi la conclusione delle cure mediche del cliente prima di redigere una cronologia clinica e consegnare le informazioni agli avvocati per finalizzare la lettera di richiesta danni.
Questo processo è ciò che storicamente avremmo definito una "staffetta": un lungo percorso con il rischio di abbandoni o dispersione di valore a ogni passaggio di consegne. I potenziali clienti di solito contattano diversi studi specializzati in lesioni personali e spesso firmano con quello che risponde più rapidamente. Così i casi possono uscire dal funnel se i clienti trovano solo la segreteria telefonica o se la decisione di qualifica è lenta. Una volta acquisito il cliente, la raccolta delle prove coinvolge molti flussi paralleli contemporaneamente e gli studi potrebbero non avere la costanza di chiamare un potenziale testimone per la quinta volta dopo che i quattro tentativi precedenti sono andati a vuoto. Inoltre, i vincoli di personale possono impedire agli studi di esaminare ogni prova nel dettaglio, soprattutto per i sinistri apparentemente ordinari e di basso valore. Uno studio potrebbe accettare la prima offerta quando una lettura attenta del referto medico avrebbe fatto emergere indicatori di una lesione cerebrale, aumentando il valore del risarcimento. Infine, i casi possono durare mesi, richiedere il contributo di numerose persone e coinvolgere informazioni distribuite tra documenti, stakeholder e sistemi. Questo rende quasi impossibile mantenere un quadro completo su ogni cliente. Di conseguenza, fatture importanti potrebbero non essere incluse nella lettera di richiesta danni o lacune nelle cure potrebbero rimanere inspiegate, riducendo il valore del risarcimento.
L'opportunità degli agenti a esecuzione prolungata
Fino a poco tempo fa, gli agenti IA gestivano principalmente compiti circoscritti ("Invia questa email di follow-up", "Riassumi quella chiamata", "Crea questo documento") e interazioni limitate. Ad esempio, l'assistenza clienti è stato un ottimo caso d'uso iniziale per l'IA perché il perimetro del problema è ben definito, rendendo raggiungibile un'elevata affidabilità e permettendo comunque la personalizzazione in base alle policy specifiche dell'azienda. Le interazioni sono brevi, i risultati verificabili e, se gli agenti IA incontrano casi limite che non riescono a gestire, i team di supporto esistenti sono generalmente ancora disponibili per le escalation.
Ora, gli agenti a esecuzione prolungata (long-running agent) sono in grado di perseguire obiettivi attraverso decine di passaggi, modalità e orizzonti temporali più ampi, permettendo loro di gestire una staffetta dall'inizio alla fine. Nell'esempio dello studio legale, un agente a esecuzione prolungata potrebbe essere assegnato a un caso fin dalla chiamata iniziale di accettazione, con l'obiettivo di massimizzare il risarcimento del cliente. L'agente salverebbe e recupererebbe il contesto sul caso secondo necessità. Si attiva in base a eventi o scadenze, invia proattivamente sotto-agenti per contattare testimoni, aggiornare il cliente e interagire con gli avvocati tramite telefono, email o messaggi. Poi consolida i risultati, pianifica le mosse successive, prepara bozze di documenti da revisionare e guida il caso verso il miglior risultato possibile. Lavorando su più clienti, continua ad apprendere, poiché ogni caso genera dati che aiutano l'agente a gestire il caso successivo meglio di quello attuale.
L'agente affronta le principali dispersioni di valore osservate nella staffetta odierna. All'inizio del percorso, i clienti non vengono più persi a causa di valutazioni lente, poiché l'agente è disponibile indipendentemente dall'ora o dal giorno della settimana e può valutare i casi quasi istantaneamente. La raccolta delle prove non è più limitata dalle capacità umane, dato che l'agente assegnato al caso può attivare in qualsiasi momento un sotto-agente aggiuntivo per effettuare la quinta, la decima o persino la ventesima telefonata. Poiché gli agenti sono scalabili quasi all'infinito, anche i casi apparentemente ordinari vengono gestiti completamente e ogni prova viene esaminata nel dettaglio, facendo emergere quella potenziale lesione cerebrale che altrimenti sarebbe passata inosservata. Infine, l'agente conserva un registro completo del caso, dalle trascrizioni delle telefonate con i testimoni ai rapporti di polizia e alle cartelle cliniche, assicurandosi che nessuna informazione vada persa.
Essere pagati per i risultati
Oltre a chiudere queste falle, possedere l'intero percorso del cliente può cambiare le dinamiche economiche per il fornitore dell'agente. Poiché gli agenti contribuiscono a ottenere risultati di qualità superiore e in tempi più rapidi, possono generare un aumento dei ricavi, non solo una riduzione dei costi per i clienti. Ancora più importante, poiché l'impatto è osservabile e attribuibile agli agenti, i fornitori possono partecipare al valore aggiunto che creano, adottando modelli di prezzo basati sui deliverable o sui risultati ottenuti. Nel diritto civile, ad esempio, un singolo caso rappresenta un'unità di lavoro discreta e il valore del risultato ottenuto, ovvero l'importo del risarcimento, è chiaramente identificabile. Inoltre, i risultati possono essere collegati più facilmente agli agenti man mano che questi ultimi si fanno carico di una quota maggiore del prodotto finale. I fornitori possono così partecipare all'espansione del fatturato, raggiungendo valori contrattuali prima inarrivabili concentrandosi esclusivamente sulla riduzione dei costi.
Va ammesso che il passaggio a un pricing basato sui risultati non è privo di ostacoli. Nel settore legale, la maggior parte degli Stati vieta ai non avvocati di partecipare agli onorari legali, quindi i prezzi dovrebbero allinearsi ai valori dei risarcimenti senza trattenere una quota diretta. In altri settori verticali, i fornitori potrebbero incontrare resistenze dai team di procurement, che non hanno ancora precedenti per contratti basati sui risultati. E anche se gli agenti si avvicinano sempre di più alla piena gestione dei risultati, inizialmente emergeranno probabilmente discussioni sull'attribuzione dei meriti. Implementare con successo agenti a esecuzione prolungata sarà quindi una sfida commerciale tanto quanto tecnica.
Tuttavia, farsi pagare per i risultati su percorsi cliente ad alto valore non è un'idea nuova.
Il caso per una Red Ventures AI-native
Red Ventures (RV) è un ottimo esempio storico. Fondata da Ric Elias e Dan Feldstein, RV ha aperto la strada alle operazioni di vendita digitali esternalizzate end-to-end per contratti consumer a lungo termine. Ad esempio, per le polizze assicurative, RV raccoglieva i dettagli dei clienti mentre cercavano questi prodotti (possedendo siti come homeinsurance.com), li contattava, li guidava tra le opzioni di copertura e concludeva la polizza. Gestendo interamente questo percorso, RV riceveva un pagamento dall'assicuratore per ogni polizza conclusa. Questo modello funzionava estremamente bene: secondo S&P Global, nel 2022 RV ha generato circa 370 milioni di dollari di EBITDA su circa 1,4 miliardi di dollari di vendite.
Oggi questo modello sembra strutturalmente minacciato. Nella parte alta del funnel, i consumatori stanno cambiando il modo in cui scoprono i prodotti. Invece di affidarsi alle ricerche su Google o ai siti di comparazione per esplorare e confrontare i prodotti, ora possono chiedere direttamente raccomandazioni a un agente personale come Muse o Instinct di Meta, riducendo il valore del possesso dei tradizionali siti di ricerca. Più a valle, invece di centinaia di persone che gestiscono funnel lineari, gli agenti a esecuzione prolungata possono operare su percorsi molto più complessi. Lo faranno su più prodotti e modalità di comunicazione, in parallelo, in qualsiasi lingua e su larga scala, con una costanza infinita. Il calo dell'EBITDA di RV a una stima di circa 160 milioni di dollari nel 2025, dovuto al churn dei clienti e a una spesa pubblicitaria più debole, fornisce un primo segnale della vulnerabilità del modello, considerando che l'IA trasformerà ulteriormente il settore in futuro.
Tre strategie di go-to-market
Esistono diversi modi per portare sul mercato gli agenti a esecuzione prolungata.
(1) Vendere la piattaforma: con questo approccio, il fornitore vende l'agente a esecuzione prolungata come software, supportando l'azienda nelle sue operazioni esistenti. L'agente per i casi legali che si integra con un team esistente e i suoi flussi di lavoro ne è un buon esempio. Vendere una piattaforma offre margini di crescita dei ricavi, poiché spesso non esistono contratti software o di servizi esternalizzati comparabili che ancorino i prezzi. Tuttavia, questo allunga anche i cicli di vendita, poiché è necessario creare nuove voci di budget, ed è più difficile attribuire chiaramente i risultati a un agente che interagisce con diversi dipartimenti all'interno dell'azienda.
(2) Vendere il servizio: in questo caso, il fornitore rileva un servizio già esternalizzato per ottenere il risultato desiderato in modo più efficace, esattamente come Red Ventures gestiva l'intero percorso di acquisizione clienti per una compagnia assicurativa. Questo approccio accorcia i cicli di vendita, poiché il calcolo del ROI per gli acquirenti è semplice e le voci di budget per i BPO (Business Process Outsourcing) esistono già. Tuttavia, i modelli di prezzo attuali, precedenti all'IA, potrebbero non riflettere il vero valore che un agente a esecuzione prolungata può offrire, e molti percorsi ad alto valore sono oggi gestiti internamente, limitando la portata di questo approccio.
(3) Adottare un modello full-stack: un approccio full-stack significa integrarsi verticalmente e diventare un player AI-native. Ad esempio, invece di vendere un agente a esecuzione prolungata a un'agenzia di recupero crediti, potresti acquistare portafogli di debiti e recuperarli tu stesso, permettendoti di catturare interamente il valore aggiunto generato dall'IA e di risolvere i problemi di attribuzione. Tuttavia, questo significa anche farsi carico di parti del servizio come licenze o compliance, che esulano dal vero percorso del cliente, aggiungendo distrazioni e complessità operativa.
È troppo presto per dire quale di questi approcci prevarrà, ma siamo convinti che gli agenti a esecuzione prolungata vinceranno la staffetta su larga scala, espandendo il mercato indirizzabile dall'IA da una quota dei budget del personale a una quota dei ricavi. La preparazione delle cause legali è solo un esempio e ci aspettiamo di vedere agenti guidare i risultati in altri percorsi ad alto valore come l'erogazione di mutui, la gestione dei sinistri assicurativi, le vendite enterprise complesse e innumerevoli altri. Se stai lavorando per cogliere questa opportunità, ci farebbe piacere sentirti!
