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

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

Nel nostro ultimo webinar Behind the Agent: 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 layer IA per gestire questo volume, dall'architettura agli standard di test, fino al lavoro organizzativo necessario.

L'obiettivo principale 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.

Il loro obiettivo finale è fare in modo che ogni cliente, su ogni canale e in ogni momento importante, riceva una soluzione immediata oppure venga affidato a un operatore umano che conosce il cliente, il contesto e la situazione che sta cercando di risolvere.

La loro metrica principale era raggiungere il 90% di risoluzioni al primo contatto, insieme a un servizio disponibile 24/7, interazioni concise e un NPS sensibilmente più alto.

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

Ma la risoluzione era il loro punto di riferimento. Admiral misura separatamente se il cliente ha effettivamente ottenuto ciò per cui ha chiamato e se la chiamata è stata inoltrata, in modo che un passaggio deliberato a un operatore umano non venga mai considerato un fallimento.

Cosa significa fare bene in un settore regolamentato

Gli standard di Admiral per andare in produzione erano elevati. Vogliono che la loro soluzione agentica sia valida quanto i loro operatori umani oggi, o migliore, prima di renderla disponibile.

Vogliamo alzare gli standard di validazione, senza abbassare quelli di conformità normativa.

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

E, in pratica, il team ha definito limiti di ambito precisi. Ad esempio, i casi di vulnerabilità e di morosità continuano a essere indirizzati a un operatore umano, mentre il team approfondisce altri casi limite relativi al caso d'uso.

Poiché gran parte della normativa assicurativa si basa sugli esiti, 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 detto di farlo.

Dom ha lavorato per anni in McKinsey su programmi di change management prima di entrare in Admiral. Alla domanda su cosa direbbe oggi a un pari 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 con i 50 principali leader del gruppo, per spiegare in modo chiaro cos'è 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. Nelle parole di Dom, hanno "davvero... apprezzato l'esperienza".

2) Non è mai solo una questione di tecnologia

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

Quando le persone concordano sul risultato, le opzioni tecnologiche si definiscono. Il consiglio di Dom è di non partire dalla tecnologia.

3) Definisci la governance fin dall'inizio

Definire fin dai primi giorni i touchpoint, i KPI e i dati giusti rende le decisioni molto più semplici. L'errore da evitare, nelle sue parole, è affidarsi all'istinto e ritrovarsi con "un artefatto molto bello" che nessuno usa e che non migliora nessuna delle metriche che ti interessano.

Anche il modello di rollout era importante. L'approccio di Admiral è stato scegliere una parte del gruppo per sperimentare a fondo su un argomento, quindi applicare gli insegnamenti ovunque nel resto dell'organizzazione.

Prima adottano rapidamente quanto imparato, poi procedono con un rollout completo. Non un caso d'uso in un dominio, che secondo Dom li avrebbe rallentati enormemente, ma una disciplina precisa per non reinventare la ruota dieci volte.

Demo 1: preventivi di estinzione (Admiral Money)

Scenario: Una cliente vuole estinguere anticipatamente il proprio prestito. È una richiesta semplice: le serve solo l'importo da pagare per chiuderlo.

Tradizionalmente, per ottenere quella cifra doveva navigare in un IVR, verificare la propria identità con un operatore umano, attendere che un sistema backend eseguisse il calcolo e che le schermate si caricassero, per poi aspettare un PDF nella casella di posta. 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 gestita da un sub-agente dedicato all'inizio del workflow, prima che venga eseguito qualsiasi altro passaggio
• Il sub-agente sentinella verifica se chi chiama può parlare con l'agente IA: i clienti vulnerabili e quelli in morosità vengono trasferiti in una coda prioritaria con un operatore umano, 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 un operatore umano richiede circa cinque minuti, con l'agente ne richiede circa due e mezzo
• Il successo viene misurato in base al raggiungimento dell'obiettivo: il cliente si è autenticato e ha ricevuto il proprio preventivo di estinzione? Questo dato viene 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 inoltrate ricevono quasi tutte 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. Nelle parole di Dan, si tratta soprattutto di ridurre la durata delle chiamate e migliorare di conseguenza l'esperienza cliente. Le escalation attuali riflettono inoltre i limiti che il team ha scelto di adottare mentre apprende, non un'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 ("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 una risposta.

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

Cosa è stato mostrato:

• Il system prompt, il primo messaggio, i workflow e il sub-agente sono stati tutti 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 nettamente migliori lavorando così. Olivia rileva automaticamente l'inglese e risponde in inglese quando necessario.
• Le conversazioni reali dei clienti vengono esaminate rispetto alla knowledge base per individuare eventuali lacune; in alcuni casi, le correzioni vengono applicate all'agente live 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 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: la riduzione del ciclo di release da settimane a ore è già di per sé significativa, 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 resiste al contatto con un nuovo mercato

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

Non esiste una soluzione universale. Secondo Dom, ciò che funziona è affiancare un ingegnere che conosce prompting e architettura a un responsabile aziendale dell'entità locale, che porta il contesto del mercato, e considerare questa coppia come l'unità di deployment.

La creazione in sé non differisce 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.

Se i tuoi clienti non si fidano, se non capiscono, diranno immediatamente, già al secondo due della conversazione: "per favore, trasferiscimi a un operatore umano"

Per questo il team prevede di dedicare più tempo alla formazione dei clienti, con messaggi di benvenuto, posizionamento, messaggi IVR e altro, che al modello sottostante.

Trattamento equo in tutti i mercati

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

L'approccio di Admiral è rilevare le vulnerabilità attraverso più canali. In particolare, il team utilizza deliberatamente modelli di machine learning consolidati insieme all'IA generativa, anziché affidarsi a uno solo dei due: in questo modo, 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 sub-agente sentinella valuta ogni chiamante e i clienti vulnerabili o in morosità vengono indirizzati direttamente a una coda prioritaria con un operatore umano: un limite deliberato mentre il team approfondisce altri casi limite.

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

Il team dietro gli agenti

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

Il centro di eccellenza è diviso in due parti. La prima si occupa della creazione di valore e gestisce strategia, roadmap, progettazione del prodotto e test dei risultati, inclusi i test A/B. La seconda è l'area tecnica, composta da ingegneri, architetti e colleghi responsabili della delivery, che garantiscono che ogni soluzione creata rispetti gli standard e si integri con il resto dell'ecosistema.

Secondo Dom, l'ingegnere IA del futuro si occuperà molto meno di scrivere codice e molto di più di capire come funziona l'IA generativa, strutturare correttamente le idee e sfruttare l'agentic coding per realizzarle.

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

In McKinsey dicevamo che per ogni sterlina spesa in tecnologia, se ne spendono tre per la riprogettazione dei processi e cinque per il change management

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 progetti più grandi, dove il rischio e il valore sono maggiori, mentre la fattibilità è leggermente inferiore, così il supporto centrale può sbloccare i colli di bottiglia. Gli spoke hanno spazio per l'innovazione dal basso, purché abbiano la capacità necessaria e rispettino le linee guida dall'alto.

La roadmap futura che il team sta creando ruota attorno all'ambizione di fare in modo che il cliente non debba mai ripetersi, tra IVR, agente vocale, operatore umano 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 interno e lo stack tecnologico per avvicinarsi al proprio obiettivo di creare la migliore esperienza cliente nel settore assicurativo.

Guarda il webinar completo qui.