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

Admiral gestisce ogni anno milioni di interazioni con i clienti in più lingue a livello globale, anche nel Regno Unito, in Italia, Francia e Spagna.

Nel nostro ultimo webinar Dietro l'agente: come Admiral gestisce le chiamate assicurative con agenti IA, Dominika Kampa, Group Head of Generative AI di Admiral, ha spiegato come il suo team sta costruendo il livello IA per gestire questo volume, incluse l'architettura, gli standard di test e il lavoro organizzativo necessario.

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

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

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

L'obiettivo finale è risolvere subito ogni esigenza di ogni cliente, su ogni canale e in ogni momento importante, oppure trasferirla a una persona che conosca il cliente, il contesto e la situazione da risolvere.

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

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

Ma il punto di riferimento era la risoluzione. Admiral monitora, come metrica a sé stante e separata dall'escalation della chiamata, se il cliente ha effettivamente ottenuto ciò per cui ha chiamato, così un trasferimento deliberato a una persona non viene mai considerato un fallimento.

Cosa significa essere "bravi" in un settore regolamentato

Gli standard di Admiral per la produzione sono elevati. Prima di andare online, vogliono che la loro soluzione agentica sia valida quanto le persone che lavorano oggi, o persino migliore.

La conoscenza dei casi limite, che prima risiedeva nell'istinto degli agenti più esperti, ora deve essere testata esplicitamente per ogni caso d'uso.

E, nella pratica, il team ha definito deliberatamente i confini dell'ambito. Per esempio, i casi di vulnerabilità e di arretrati continuano a essere indirizzati a una persona, mentre il team approfondisce altri casi limite relativi al caso d'uso.

Dato che gran parte della regolamentazione assicurativa si basa sui risultati, la visione di Dom è pragmatica: il "come" è flessibile, purché il risultato per il cliente e per l'azienda sia esattamente quello previsto.

Il consenso non nasce da un ordine

Un'organizzazione regolamentata non adotta l'IA perché le viene detto di farlo. 

Dom ha trascorso anni in McKinsey lavorando a programmi di change management prima di entrare in Admiral e, quando le è stato chiesto cosa direbbe oggi a un collega per sostenere l'adozione dell'IA agentica, ha indicato tre principi direttamente tratti da quel playbook.

1) Le persone sostengono ciò che contribuiscono a costruire

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 con i 50 principali dirigenti del gruppo, per chiarire cosa sia l'IA agentica. ElevenLabs e Dom hanno organizzato una giornata di formazione in cui il team dirigenziale, inclusa la Group CEO Milena Mondini de Focatiis, ha creato agenti da zero. Per usare le parole di Dom, hanno "davvero…apprezzato l'esperienza".

2) Non si tratta mai solo di tecnologia

La visione riguarda il cambiamento nel conto economico, nell'esperienza cliente e nell'esperienza dei dipendenti.

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

3) Crea una governance fin dall'inizio

I giusti punti di contatto, i KPI giusti e i dati giusti fin dai primi giorni rendono il processo decisionale molto più semplice. L'anti-pattern, secondo lei, è affidarsi all'intuito e finire con "un artefatto molto bello" che nessuno usa e che non migliora alcuna metrica che ti interessa.

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

Lo fanno prima con implementazioni rapide e poi con un rollout completo. Non un caso d'uso in un unico ambito, che secondo Dom li avrebbe rallentati enormemente, ma una disciplina deliberata per non reinventare la ruota dieci volte.

Demo 1: Preventivi di estinzione (Admiral Money)

Scenario: Una cliente desidera estinguere anticipatamente il proprio prestito. È una richiesta semplice: le serve soltanto l'importo da pagare per estinguerlo.

Tradizionalmente, ottenere quell'importo significava passare attraverso un IVR, verificare la propria identità con un agente umano, aspettare che un sistema backend eseguisse il calcolo e 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 realizzato.

Ecco cosa è stato mostrato:

• L'autenticazione viene eseguita come sotto-agente indipendente 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 con pagamenti arretrati 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 opera tramite API, invece di 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, monitorato 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 escalate ricevono quasi esclusivamente quattro e cinque.

Perché è importante: il tempo risparmiato deriva dal fatto che il workflow è basato su API anziché su schermate, non semplicemente dal fatto che l'IA risponde al posto di una persona. Secondo Dan, si tratta soprattutto di ridurre la durata delle chiamate e, di conseguenza, migliorare l'esperienza cliente. E le escalation attuali riflettono limiti che il team ha scelto mentre continua ad apprendere, non l'incapacità dell'agente di aiutare.

Demo 2: Olivia (L’Olivier)

Scenario: Una cliente in Francia ha una domanda sulla sua 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 all'opzione A né all'opzione B, quindi se ne va senza una risposta.

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

Ecco 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 formulare prompt nella lingua del cliente coinvolge il modello in modo diverso, e il team ha ottenuto risultati significativamente migliori in questo modo. Olivia rileva automaticamente l'inglese e risponde in inglese quando necessario. 
• Le conversazioni reali con i clienti vengono confrontate con la knowledge base per individuare lacune; le correzioni vengono in genere applicate all'agente attivo entro una o due ore.
• Le modifiche vengono distribuite su un branch con una ripartizione graduale del traffico: 1%, 2%, 5%, 10%, 25%, 50% e infine 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: la riduzione del ciclo di rilascio da settimane a ore è di per sé notevole, ma l'intuizione più importante è che la lingua potrebbe non essere solo un dettaglio di localizzazione: potrebbe cambiare il modo in cui il modello ragiona. 

Nessun playbook sopravvive al contatto con un nuovo mercato

Le convenzioni sui turni di parola, la tolleranza alle interruzioni e ciò che viene considerato un normale ritmo conversazionale 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 del mercato, e considerare questa coppia come l'unità di deployment.

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

Per questo il team prevede di dedicare più tempo all'educazione dei clienti, come 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 rilevare la vulnerabilità attraverso più canali. In particolare, il team utilizza deliberatamente modelli di machine learning consolidati insieme all'IA generativa, anziché fidarsi di uno solo dei due, così i clienti vulnerabili vengono individuati in qualsiasi fase, indipendentemente dal segnale che si attiva per primo, e assistiti nel modo corretto.

Questo standard vale 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 con pagamenti arretrati passano direttamente a una coda prioritaria con una persona: un limite deliberato mentre il team approfondisce altri casi limite.

E poiché i clienti sono imprevedibili, per esempio qualcuno ha chiesto a Olivia come preparare la zuppa di cipolle, il team combina guardrail e segnalazione proattiva degli imprevisti, così sa sempre chi interagisce con i suoi strumenti e come.

Il team dietro gli agenti 

Admiral utilizza un modello hub and spoke, in cui le competenze a livello di gruppo risiedono nell'“hub” e gli esperti locali nei “spoke”, 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, si occupa di strategia, roadmap, progettazione del prodotto e test dei risultati, inclusi gli A/B test. La seconda è tecnica, composta da ingegneri, architetti e colleghi del delivery che assicurano che tutto ciò che viene realizzato 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 del funzionamento dell'IA generativa, la corretta strutturazione delle idee e l'uso dell'agentic coding per realizzarle.

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

Come Admiral stabilisce le priorità della roadmap 

Anche qui il modello hub and spoke fa la differenza. Il gruppo stabilisce priorità non negoziabili per i progetti più importanti, dove il rischio e il valore sono maggiori e la fattibilità leggermente minore, così il supporto centrale può sbloccare i colli di bottiglia. Gli spoke hanno spazio per l'innovazione dal basso, purché ne abbiano la capacità e rispettino le linee guida dall'alto.

La roadmap futura che il team sta costruendo punta a fare in modo che il cliente non debba mai ripetersi, tra IVR, agente vocale, persona o canale, trasferendo a ogni passaggio i segnali di intento, sentiment e vulnerabilità, non solo la trascrizione. 

Guarda la sessione completa

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

Guarda il webinar completo qui.