Dall’inizio della pandemia, la qualità della customer experience sui canali digitali è diventata una priorità per le aziende di tutti i settori. Da un giorno all’altro, strumenti come il contact center, la app o un portale web sono diventati l’azienda, per il cliente finale.
Essere vicini, anche se lontani
Per le aziende del settore Finance, in particolare, il cambio di paradigma è stato radicale: come passare rapidamente da una relazione ancora basata, per molti prodotti e servizi a valore aggiunto, sul rapporto personale con il consulente/gestore, a una relazione digitale? Con una “remote closeness”, una vicinanza da remoto, in cui l’esperienza digitale è costruita su misura di cliente grazie all’intelligenza artificiale.
L’AI in banche e assicurazioni
Se ne è parlato al webinar “AI for remote closeness” di Capgemini, che ha visto la moderazione di Alberto Grisoni, Direttore di AziendaBanca. Lo scenario iniziale è disegnato dai dati del Report “Smart Money: how to drive AI at scale to transform the financial services customer experience” di Capgemini, presentati da Monia Ferrari, Direttore Financial Services di Capgemini: banche e compagnie assicurative sono in ritardo nell’implementazione dell’intelligenza artificiale su larga scala, avvenuta rispettivamente nel 5% e nel 6% delle aziende.
Il cliente non trova beneficio
Questo nonostante il 94% delle aziende Finance sia certo che il miglioramento della customer experience sia l’obiettivo chiave in ambito AI, permettendo di ottenere sia una riduzione dei costi operativi (indicata dal 13% del campione) sia maggiori ricavi (10%).
Una combinazione apparentemente perfetta, ma le cui implementazioni, finora, non soddisfano pienamente: secondo il 49% dei clienti finali, infatti, il valore aggiunto dei touchpoint digitali abilitati dall’AI è “inesistente” o “inferiore al previsto”. Il problema principale? Il 35% segnala la mancanza di un tocco umano nelle interazioni.
Il modello remote closeness
Che è un altro modo di dire che il canale digitale deve essere, al contempo, remoto e vicino, secondo il modello della remote closeness. Un digitale personalizzato sul cliente e vicino alle sue necessità. Giuseppe Contaldo, Practice Customer Experience di Doing, parte del Gruppo Capgemini, racconta come realizzarlo. «I dati ci dicono che le aziende Finance che hanno lavorato bene con l’AI hanno visto un aumento dell’engagement e della fedeltà alla Marca fino al 40%. E siamo solo all’inizio. Per valorizzare fino in fondo i benefici offerti dall’AI, bisogna rivedere i paradigmi di marketing, comunicazione e prodotto verso la centralità del cliente e dei suoi bisogni. Oggi oltre a prodotti e servizi di valore – afferma Contaldo – bisogna guarda anche al modo in cui i clienti interagiscono con questi prodotti e servizi, all’interno del loro ciclo di vita. Le esperienze finanziarie sono parte di una relazione più ampia, che include nuovi use case e nuovi journey, arricchiti e validati dell’AI».
Tre pilastri
L’azione di banche e assicurazioni dovrebbe, in sintesi, basarsi su tre pilastri:
- effortless: ridurre gli sforzi del cliente, offrendo soluzioni veloci e semplici;
- personalization: anticipare i bisogni dei clienti con suggerimenti personalizzati;
- empowering: dare ai clienti un maggior controllo delle loro interazioni.
Cosa è stato fatto
Gli esempi, sul mercato, non mancano. «L’AI può coinvolgere il cliente – spiega Contaldo – in base al contesto in cui si trova in ogni momento. Alcune compagnie assicurative elaborano le richieste di risarcimento RC Auto in pochi minuti, grazie all’AI: il cliente si autentica con riconoscimento facciale, carica le immagini del veicolo, le informazioni sui danni e ottiene il risarcimento. Un secondo caso è Capital One, che ha sviluppato un concierge digitale che svolge una serie di compiti al posto del cliente: verifica movimenti sospetti o incongruenze nelle domiciliazioni, ad esempio. Invia persino avvisi se si lascia una mancia troppo alta al ristorante».
Due approcci ai dati...
Declinare questi obiettivi nella pratica richiede però una strategia definita. «Gli use case possono essere identificati – conferma Andrea Scribano, Head of Data Driven Enterprise di Capgemini – con due diversi approcci. Posso partire dai dati che l’azienda, banca o assicurazione che sia, possiede e di cui conosce la qualità: qui il rischio è non potere sviluppare le idee più creative. Un’alternativa è mettere al centro l’esperienza del cliente, migliorandola facendo ricorso anche a dati esterni: c’è più innovazione, ma bisogna verificare costo di acquisizione e qualità dei dati esterni».
... un unico obiettivo: Data Governance
Appare prioritaria, quindi, una solida Data Governance, per identificare e comprendere quali dati sono disponibili e con quale qualità. E velocizzare così il time-to-market, anche in base alla complessità di realizzazione dei progetti e dei loro benefici, in termini sia di ritorni economici sia di valore della migliore esperienza del cliente. «Infine, si arriva alla fase di realizzazione – prosegue Scribano – in cui i modelli sono due. Alcune aziende hanno una struttura centralizzata di Data Scientist, che lavora in base a una specifica lista di priorità per l’intera azienda. Un modello decentralizzato, invece, prevede dei Citizen Data Scientist, cioè risorse interne e dedicate per ogni struttura che definisce le priorità all’interno della propria area. Nelle prime fasi, per POC e MVP, la realizzazione può avvenire anche in chiave progettuale, con fonti dati non industrializzate e gestite come estrazioni ad hoc. Questo approccio evolve poi in una modalità strutturata, che integra l’attività nell’architettura dati dell’Organizzazione».
AI etica...
Il “come” implementare l’intelligenza artificiale nei processi di banche e assicurazioni comprende anche il tema dell’etica. «Quando si parla di AI ethics – spiega Marcella Zucca, Insights & Data di Capgemini – dobbiamo considerare un sistema di intelligenza artificiale che impara tutto ciò che gli viene insegnato, compresi i pregiudizi dei suoi programmatori. E invece implementare correttamente l’AI, preprocessando i dati utilizzati, è fondamentale, perché la finanza etica sarà al centro della ripresa economica ed è anche un’opportunità per il business: basti pensare che 2 consumatori su 3 sono disponibili a pagare di più per prodotti con un impatto sociale positivo».
...ecco le linee guida
Sul tema di una intelligenza artificiale etica mancano standard istituzionali e giuridici, ma ci sono sicuramente delle linee guida da cui partire. «I progetti devono avere uno scopo definito e misurabile – illustra Zucca – basarsi su dati privi di pregiudizi, per garantire equità, e verificare costantemente gli algoritmi utilizzati. Ci sono anche aspetti di trasparenza verso il cliente, che deve sapere che un servizio è gestito da un algoritmo che funziona in un dato modo. E, ovviamente, vanno garantite privacy e protezione dei dati. Un’importante dimensione dell’etica è legata all’obiettivo che si vuole raggiungere: pensiamo a un early warning che individua una posizione creditizia prima che entri in difficoltà, per avviare azioni proattive e riportarla in bonis. Oppure a un algoritmo che personalizza l’offerta verso il cliente, offrendogli il giusto prodotto per la sua situazione economica, anche in termini di convenienza. Sono esempi di servizi che creano valore per il cliente e rispettano l’etica».
