Riepilogo del webinar: come Admiral gestisce le chiamate assicurative con gli agenti IA

Admiral gestisce milioni di interazioni con i clienti all'anno, in più lingue e in tutto il mondo, inclusi Regno Unito, Italia, Francia e Spagna.

Nel nostro ultimo webinar Dietro l'agente: come Admiral gestisce le chiamate assicurative con gli agenti IA, Dominika Kampa, Group Head of Generative AI di Admiral, ha illustrato come il suo team sta creando il livello di IA necessario a gestire questi volumi, inclusi architettura, standard di test e lavoro organizzativo alla base.

La stella polare di Admiral era creare l'esperienza clienti più affidabile nel settore assicurativo 

L'obiettivo di Admiral era creare una nuova categoria di esperienza clienti.

È facile creare un agente che chiuda rapidamente una conversazione senza risolvere davvero il problema del cliente. 

L'obiettivo finale è che ogni esigenza di ogni cliente, su qualsiasi canale e in ogni momento importante, venga risolta subito oppure affidata a una persona che conosca il cliente, il contesto e la situazione che sta cercando di risolvere.

La loro metrica principale era raggiungere il 90% di risoluzione al primo contatto. Monitoravano inoltre la disponibilità del servizio 24/7, interazioni concise e un NPS sensibilmente più alto. 

Il contenimento era una metrica secondaria. Nel primo caso d'uso vocale, il team l'ha migliorato notevolmente, man mano che i clienti hanno capito che l'agente era più veloce.

Ma la risoluzione era il loro punto di riferimento. Admiral monitora separatamente se il cliente ha effettivamente ottenuto ciò per cui ha chiamato e se la chiamata è stata inoltrata: così, un passaggio intenzionale a una persona non viene mai considerato un fallimento.

Cosa significa essere "validi" in un settore regolamentato

Gli standard di Admiral per andare in produzione sono elevati. Prima del lancio, vogliono che la loro soluzione agentica sia almeno valida quanto le persone che operano oggi, se non migliore.

Le conoscenze sui casi limite, che prima risiedevano nell'istinto degli agenti più esperti, ora devono essere testate esplicitamente per ogni caso d'uso.

In pratica, il team ha definito deliberatamente dei confini di ambito. Ad esempio, i casi di vulnerabilità e morosità restano affidati a una persona, mentre il team approfondisce altri casi limite relativi al caso d'uso.

Poiché gran parte della regolamentazione assicurativa si basa sui risultati, Dom adotta un approccio pragmatico: il "come" è flessibile, purché il risultato per il cliente e per l'azienda sia esattamente quello previsto.

Il consenso non nasce da un'imposizione

Un'organizzazione regolamentata non adotta l'IA perché le viene imposto. 

Prima di entrare in Admiral, Dom ha trascorso anni in McKinsey lavorando su programmi di change management. Alla domanda su cosa direbbe oggi a un collega che vuole sostenere l'adozione dell'IA agentica, ha indicato tre principi direttamente tratti da quell'esperienza.

1) Le persone sostengono ciò che contribuiscono a creare

La risposta di Admiral allo scetticismo è stata mettere lo strumento direttamente davanti agli scettici.

Il team ha organizzato demo e sessioni formative in tutta l'organizzazione, anche per i 50 principali dirigenti del gruppo, per chiarire cosa sia l'IA agentica. ElevenLabs e Dom hanno organizzato una giornata di formazione durante la quale il team di leadership, inclusa la Group CEO Milena Mondini de Focatiis, ha creato agenti da zero. Come racconta Dom, hanno "davvero… apprezzato l'esperienza".

2) Non riguarda mai solo la tecnologia

La visione riguarda il cambiamento del conto economico, dell'esperienza clienti e dell'esperienza dei dipendenti.

Una volta che le persone si allineano sul risultato, si individuano le opzioni tecnologiche. Il consiglio di Dom è di non partire dalla tecnologia.

3) Definisci la governance fin dall'inizio

Avere fin dai primi giorni i giusti punti di contatto, i KPI corretti e i dati giusti rende le decisioni molto più semplici. L'anti-pattern, nelle sue parole, è affidarsi all'intuito e ritrovarsi con "un artefatto molto bello" che nessuno usa e che non migliora nessuna delle metriche rilevanti.

Anche il modello di rollout era importante. L'approccio di Admiral consisteva nello scegliere una parte del gruppo per sperimentare a fondo su un tema, per poi replicare gli apprendimenti ovunque.

Prima adottano rapidamente quanto appreso, poi effettuano un rollout completo. Non un caso d'uso in un singolo ambito, che secondo Dom li avrebbe rallentati enormemente, ma la disciplina deliberata di non reinventare la ruota dieci volte.

Demo 1: preventivi di estinzione (Admiral Money)

Scenario: Una cliente vuole estinguere il proprio prestito in anticipo. È una richiesta semplice: le serve soltanto l'importo da pagare per l'estinzione.

Tradizionalmente, ottenere quell'importo significava passare attraverso un IVR, verificare la propria identità con un agente umano, attendere che un sistema backend eseguisse il calcolo e che le schermate si caricassero, quindi controllare la casella di posta in attesa di un PDF. Cinque minuti di procedura per una domanda con una sola risposta.

Dan Clark, Group Head of Generative AI di Admiral, ha illustrato ciò che il team ha creato.

Cosa è stato mostrato:

• L'autenticazione viene eseguita da un sotto-agente dedicato all'inizio del workflow, prima di qualsiasi altra operazione.
• Il sotto-agente sentinella verifica se chi chiama può parlare con l'agente IA; i clienti vulnerabili e quelli in arretrato vengono trasferiti a una coda prioritaria con una persona, mentre il team approfondisce altri casi limite. 
• L'agente raccoglie in anticipo le risposte in modo predittivo e lavora tramite API, anziché attendere le schermate dei sistemi legacy. Lo stesso percorso, che con una persona richiede circa cinque minuti, con l'agente ne richiede circa due e mezzo.
• Il successo viene misurato in base al fatto che il cliente si sia autenticato e abbia ricevuto il preventivo di estinzione, monitorandolo separatamente dall'escalation.
• Alla fine della chiamata, un agente di feedback chiede ai clienti di valutare l'esperienza da uno a cinque. Le chiamate che non vengono inoltrate ricevono quasi esclusivamente valutazioni di quattro o cinque.

Perché è importante: il tempo risparmiato deriva dal fatto che il workflow è gestito tramite API anziché tramite schermate, non semplicemente dal fatto che l'IA risponde al posto di una persona. Come dice Dan, si tratta soprattutto di ridurre la durata delle chiamate e, di conseguenza, migliorare l'esperienza clienti. Le escalation attuali riflettono inoltre i limiti che il team ha scelto di porre mentre apprende, non l'incapacità dell'agente di aiutare.

Demo 2: Olivia (L’Olivier)

Scenario: Una cliente in Francia ha una domanda sulla propria polizza. Apre la chat sul sito web e trova Ollie Bot, un vecchio strumento ad albero decisionale ("premi A per questo, B per quello"). La sua domanda non corrisponde né all'opzione A né all'opzione B, quindi se ne va senza ottenere una risposta.

Questa era l'esperienza che L’Olivier voleva sostituire. Il team ha creato Olivia, un agente basato sulla knowledge base di ElevenLabs, attivo oggi sul sito.

Cosa è stato mostrato:

• Il system prompt, il primo messaggio, i workflow e il sotto-agente sono stati scritti direttamente in francese, non tradotti dall'inglese. Dan cita ricerche secondo cui il prompting nella lingua del cliente coinvolge il modello in modo diverso, e il team ha ottenuto risultati significativamente migliori lavorando così. Quando necessario, Olivia rileva automaticamente l'inglese e risponde in quella lingua. 
• Le conversazioni reali con i clienti vengono confrontate con la knowledge base per individuare eventuali lacune; le correzioni si riflettono sull'agente attivo di solito entro una o due ore.
• Le modifiche vengono rilasciate su un branch con una distribuzione graduale del traffico: 1%, 2%, 5%, 10%, 25%, 50%, poi 100%, con test di simulazione e anteprima manuale prima che qualsiasi modifica raggiunga il traffico live. Se i dati non supportano la modifica, il traffico torna immediatamente a zero, senza nulla da ripristinare. 
• Un ciclo completo del branch richiede da un paio d'ore a un giorno, dall'inizio alla fine. Niente più sprint di due settimane e deployment di due settimane.

Perché è importante: il passaggio da cicli di rilascio di settimane a poche ore è già di per sé notevole, ma l'intuizione più importante è che la lingua potrebbe non essere soltanto un dettaglio di localizzazione: potrebbe cambiare il modo in cui il modello ragiona. 

Nessun playbook resiste al contatto con un nuovo mercato

Le convenzioni sull'alternanza dei turni di parola, la tolleranza alle interruzioni e ciò che viene considerato un ritmo di conversazione normale variano molto da un mercato all'altro. 

Non esiste una soluzione miracolosa. Secondo Dom, ciò che funziona è affiancare un ingegnere che conosca prompting e architettura a un responsabile aziendale dell'entità locale, che renda concreto il contesto di mercato, e trattare questa coppia come unità di deployment.

La realizzazione in sé non cambia poi molto da un mercato all'altro. L'adozione sì. E secondo Dom questo vale per qualsiasi deployment di IA, non solo per le operazioni rivolte ai clienti.

Per questo il team prevede di dedicare più tempo all'educazione dei clienti, ad esempio messaggi di benvenuto, posizionamento e messaggi IVR, che al modello sottostante.

Trattamento equo in tutti i mercati

Nel settore assicurativo, il rilevamento della vulnerabilità è un requisito di base che deve funzionare in ogni mercato, lingua e canale.

L'approccio di Admiral consiste nel rilevamento attraverso più canali. Per quanto riguarda nello specifico la vulnerabilità, il team utilizza deliberatamente modelli di machine learning consolidati insieme all'IA generativa, anziché fidarsi di uno solo dei due: in questo modo, i clienti vulnerabili vengono identificati in qualsiasi fase, indipendentemente da quale segnale si attivi per primo, e assistiti nel modo corretto.

Questo standard si applica ancora prima che alla tecnologia venga affidato il caso. Nell'agente per i preventivi di estinzione, un sotto-agente sentinella esamina ogni chiamante e i clienti vulnerabili o in arretrato passano direttamente a una coda prioritaria con una persona: un limite definito deliberatamente mentre il team approfondisce altri casi limite.

E poiché i clienti sono imprevedibili, ad esempio qualcuno ha chiesto a Olivia come preparare la zuppa di cipolle, il team abbina guardrail alla segnalazione proattiva di eventi inattesi, così sa sempre chi interagisce con i suoi strumenti e in che modo.

Il team dietro gli agenti 

Admiral adotta un modello hub and spoke, in cui le competenze a livello di gruppo risiedono nell'"hub", mentre negli "spoke" operano esperti locali che conoscono il mercato, i clienti e i dipendenti.

Il centro di eccellenza si divide in due parti. La prima, dedicata alla creazione di valore, gestisce strategia, roadmap, progettazione del prodotto e test dei risultati, inclusi gli A/B test. La seconda, tecnica, riunisce ingegneri, architetti e colleghi del delivery per garantire che tutto ciò che viene creato rispetti gli standard e si integri con il resto dell'ecosistema.

Secondo Dom, il ruolo dell'ingegnere IA del futuro riguarderà molto meno la scrittura di codice e molto di più la comprensione di come funziona l'IA generativa, la corretta strutturazione delle idee e l'uso della programmazione agentica per realizzarle.

Attorno al team centrale, esperti di processo e responsabili aziendali vengono riuniti in piccoli team con talenti di prodotto e tecnologia. Nelle sue parole, bisogna "chiuderli in una stanza" per creare e testare insieme, poi dare il risultato a clienti reali perché lo mettano alla prova.

Come Admiral stabilisce le priorità della roadmap 

Anche qui entra in gioco il modello hub and spoke. Il gruppo stabilisce priorità non negoziabili per i grandi progetti, dove il rischio e il valore sono maggiori e la fattibilità leggermente inferiore, così il supporto centrale può sbloccare i colli di bottiglia. Gli spoke hanno spazio per l'innovazione bottom-up, purché abbiano la capacità necessaria e rispettino le linee guida top-down.

La roadmap futura che il team sta creando punta a far sì che il cliente non debba mai ripetersi, tra IVR, agente vocale, persona o canale, trasferendo a ogni passaggio i segnali relativi a intento, sentiment e vulnerabilità, non soltanto la trascrizione. 

Guarda la sessione completa

Admiral ha ripensato insieme gli standard di validazione, il consenso dell'organizzazione e lo stack tecnologico per avvicinarsi al proprio obiettivo: creare la migliore esperienza clienti nel settore assicurativo.

Guarda il webinar completo qui.