il build. abbiamo costruito due cose per un team di supporto e-commerce mid-market di circa 18 agenti: recupero interno su 4 anni di ticket storici, documentazione di prodotto e policy di spedizione, più un assistente di bozza con revisione. gli agenti hanno ricevuto risposte più rapide con fonti citate. circa il 32% dei ticket ripetuti ha smesso di raggiungere un secondo agente.
non è stato consegnato alcun chatbot rivolto ai clienti. il team ne aveva spento uno anni fa e non lo voleva indietro. la deflessione viene dagli agenti che rispondono correttamente al primo tentativo, non da un bot che intercetta i clienti all'ingresso.
i numeri che interessano a un responsabile del supporto: tempo di prima risposta sui ticket complessi giù del 40%, e circa il 32% dei ticket ripetuti "dov'è il mio ordine" e sulle policy risolti al primo contatto tramite una risposta suggerita invece di essere escalati. il dato sulla deflessione viene dalla baseline di etichettatura dei ticket del team, non da una stima del fornitore.
#cos'è la deflessione dei ticket con l'ai se non c'è un chatbot?
cos'è la deflessione dei ticket con l'ai per i team di supporto senza chatbot?
significa che un ticket ripetuto viene risolto al primo tentativo invece di rimbalzare tra agenti o essere escalato. qui, il recupero interno ha estratto la policy giusta e la risoluzione precedente, e un assistente di bozza con revisione ha scritto una risposta con fonte che l'agente ha modificato e inviato. il cliente ha comunque parlato con un essere umano.
la maggior parte delle proposte di "deflessione" intende un bot che risponde così che il cliente non arrivi mai a una persona. non è quello che è successo. una domanda "dov'è il mio ordine" che prima veniva escalata a un agente senior ora viene risposta correttamente dal primo agente, perché l'assistente mostra la policy di spedizione e i tre ticket passati più simili con le loro risoluzioni.
#cosa abbiamo costruito concretamente per il team di supporto?
due componenti, entrambi interni. recupero sulla storia del team e un assistente alle risposte che elabora bozze a partire da essa. niente che veda il cliente, niente che invii in automatico.
- recupero interno: indicizza 4 anni di ticket risolti, la documentazione di prodotto e le policy di spedizione e reso. quando un agente apre un ticket, mostra i casi passati più simili e il paragrafo esatto della policy, con un link alla fonte.
- bozza con revisione: scrive una risposta preliminare nel tono del team, citando la policy usata. l'agente modifica e invia. niente parte senza che un essere umano prema invia.
- etichettatura: ogni risposta suggerita viene registrata rispetto all'etichetta del ticket, così il team può vedere quali categorie deflettono e quali richiedono ancora una persona.
we are
un livello di recupero e bozza interno che consegna a ogni agente una prima risposta citata da modificare, così i ticket ripetuti vengono risolti al primo contatto da un essere umano.
we aren't
un chatbot rivolto ai clienti che li intercetta al widget di aiuto e risponde da una base di conoscenza generica prima che raggiungano una persona.
la parte con le fonti citate è quella che ha fatto guadagnare la fiducia degli agenti. una bozza che dice 'secondo la policy dei resi aggiornata a marzo 2026, gli articoli spediscono gratis sopra 50 euro' con un link batte un'ipotesi sicura di sé. è lo stesso schema di cui abbiamo scritto in ticket triage: il sistema legge e bozza, l'agente decide.
#perché ridurre il tempo di prima risposta deflette anche i ticket?
perché una prima risposta sbagliata o vaga è quello che crea il secondo e il terzo ticket. un cliente chiede dov'è il suo ordine, riceve un generico "stiamo verificando", e riscrive due volte. ogni follow-up è un nuovo contatto da gestire per il team.
quando il primo agente risponde correttamente con lo stato di tracciamento e la policy effettiva, il thread si chiude. il tempo di prima risposta sui ticket complessi è calato del 40%, e i follow-up ripetuti che si accumulavano dietro una prima risposta debole hanno smesso di arrivare. è da lì che viene la maggior parte del 32%.
non stiamo deflettendo le persone lontano da noi. stiamo deflettendo il secondo e il terzo ticket che una cattiva prima risposta creava.
#quanto tempo ci ha messo la deflessione a comparire?
non nella prima settimana. nelle prime due settimane il recupero mostrava troppi ticket passati vagamente correlati, e gli agenti hanno smesso di leggere i suggerimenti. abbiamo passato quel tempo ad affinare quali casi storici contassero e a ridurre il rumore, così i primi tre fossero davvero i più simili.
i numeri sulla deflessione si sono stabilizzati entro la quinta settimana, una volta che gli agenti si fidavano abbastanza dei suggerimenti in cima da partire da quelli. questo engagement ha la stessa forma del resto del nostro lavoro sul customer support: recupero interno, triage e bozza con revisione, formazione per il team integrata così che siano padroni del flusso, non solo dello strumento. altri resoconti costruiti in pubblico sono nel journal.
se gestisci un team di supporto e stai valutando se l'ai può ridurre i tempi di risposta e deflettere i ticket ripetuti senza mettere un bot tra te e i tuoi clienti, la risposta onesta è sì, e ha questo aspetto: bozze con fonti citate, un essere umano su ogni invio, la tua storia di ticket che fa il lavoro. questa è la versione che costruiamo. dicci cosa stai costruendo.