Modello di maturità IA per l'assistenza clienti: 5 livelli

Un modello di maturità IA per l’assistenza clienti descrive quanta strada ha fatto un team di assistenza, dal servizio gestito solo da persone fino ad agenti AI che risolvono le richieste da soli, e che cosa deve essere vero prima di andare oltre. Questo modello ha cinque livelli, dal supporto guidato dalle persone ai processi autonomi, sei dimensioni e una verifica scritta per ogni passaggio di livello.

In breve

• La maggior parte dei modelli di maturità IA misura l’adozione: quanta AI usa. Questo misura anche se può dimostrare che l’AI ha ragione e chi la controlla.
• I cinque livelli sono: guidato dalle persone, assistito, pilota ibrido, ibrido su scala e processi autonomi. I livelli 1 e 2 sono supporto umano, il 3 e il 4 supporto ibrido, il 5 supporto agentico.
• Ogni livello è descritto su sei dimensioni: perimetro, misurazione della qualità, governance, percorsi e passaggi di consegne, persone e metriche.
• Si sale solo superando una verifica di passaggio: copertura completa delle valutazioni, qualità pari o superiore al riferimento umano, escalation rispettate e un responsabile nominativo in grado di mettere in pausa l’agente.
• L’autovalutazione in 15 domande va da 0 a 45 punti, ma la risposta più debole su qualità, governance o percorsi limita il livello: la sola automazione non basta per salire.

Che cos’è un modello di maturità IA per l’assistenza clienti?

Un modello di maturità IA per l’assistenza clienti è una descrizione per fasi di come un’organizzazione di assistenza usa l’AI, da nessun uso fino ad agenti AI che gestiscono interi processi. Un modello utile dice tre cose: dove si trova oggi, com’è il livello successivo e quali prove le servono prima di poterci arrivare.

La maggior parte dei modelli pubblicati si ferma alle prime due. Il modello di maturità IA di Gartner va da Foundational a Transformational su sette pilastri, tra cui strategia, dati e governance (Gartner AI Maturity Model toolkit, in inglese), ma è pensato per l’intera azienda, non per un reparto di assistenza in cui un agente AI emette rimborsi.

I modelli specifici per l’assistenza che abbiamo letto a novembre 2026 descrivono quanto lavoro svolge l’AI, raramente come si verifica che abbia ragione.

Questa lacuna conta: un cattivo bot infastidisce i clienti, ma un agente AI che applica una policy sbagliata lo fa migliaia di volte, e ogni caso sembra risolto. Per questo qui qualità e governance sono dimensioni su cui si sale. È il framework alla base della nostra guida all’assistenza clienti agentica e a come arrivarci: la griglia, le verifiche di passaggio e una regola di punteggio.

Quali sono i cinque livelli di maturità IA nell’assistenza clienti?

I cinque livelli sono: 1, supporto guidato dalle persone con controllo qualità a campione; 2, supporto assistito, in cui l’AI prepara bozze e i bot basati su regole rispondono alle FAQ; 3, pilota ibrido, con agenti AI su pochi intenti ben delimitati; 4, ibrido su scala, con agenti AI su molti intenti e azioni entro limiti precisi; 5, processi autonomi gestiti da più agenti, con le persone sulle eccezioni.

Un intento è un motivo di contatto: ciò che il cliente vuole ottenere, come “dov’è il mio ordine” o “voglio disdire l’abbonamento”.

La guida alla transizione usa quattro fasi; questo modello divide in due la sua fase 3, perché agenti AI su tre intenti e su quaranta sono due operazioni diverse: la seconda richiede livelli di autonomia per le azioni, approvazioni, controllo dei rilasci e un responsabile dedicato.

Due regole rendono i livelli onesti. Il livello si stabilisce per intento, non per azienda: lo stato dell’ordine può essere al livello 4 mentre i reclami restano al livello 1. E il suo livello è quello della dimensione più bassa che ha raggiunto: un team con agenti AI su 40 intenti ma senza valutazione delle loro conversazioni è un team di livello 2 con un’esposizione di livello 4.

La griglia di maturità del supporto agentico (da copiare)

La griglia di maturità descrive ciascuno dei cinque livelli su sei dimensioni: perimetro dell’AI, misurazione della qualità, governance, percorsi e passaggi di consegne, persone e ruoli, metriche. La legga riga per riga per capire dove si trova oggi ogni dimensione: la riga più bassa stabilisce il suo livello, e la cella alla sua destra è il prossimo lavoro da fare.

Tre righe meritano una nota, perché gli altri modelli le saltano.

La misurazione della qualità cambia natura al livello 3. Un campione del 2% a 5% funziona quando le persone commettono errori vari; un agente AI ripete lo stesso difetto in ogni conversazione simile, quindi un errore raro e costoso si nasconde proprio nella parte che nessuno legge. Veda la valutazione degli agenti AI e una sola scheda di valutazione per operatori e agenti AI.

La governance è il salto dal livello 3 al 4. OWASP chiama questo rischio “excessive agency” (funzionalità, permessi o autonomia eccessivi) e raccomanda di “richiedere che una persona approvi le azioni ad alto impatto prima che vengano eseguite” (OWASP LLM06:2025, in inglese). Il livello 4 decide, azione per azione, quali sono: veda la matrice dei livelli di autonomia degli agenti AI e la governance degli agenti AI.

Percorsi e passaggi di consegne decidono il livello 5. Quando più agenti condividono un processo, ognuno può svolgere correttamente il proprio passo mentre il percorso fallisce nel passaggio, quindi il livello 5 misura percorsi, non agenti. Veda il QA della customer journey e l’orchestrazione degli agenti AI.

Quali verifiche bisogna superare per salire di livello?

Una verifica di passaggio è un insieme scritto di controlli che un intento deve superare, per un periodo continuativo, prima di salire al livello successivo. Scriva le verifiche prima del rollout, con soglie firmate da CX, rischio e IT, così che la decisione di estendere l’AI si prenda sulle prove e non su una bella demo o sulla roadmap di un fornitore.

Le soglie che seguono sono punti di partenza suggeriti, non standard di settore, e corrispondono ai controlli di fase della guida alla transizione.

Tre regole decisionali chiudono le discussioni che le verifiche generano.

1. Un’escalation mancata blocca il passaggio, qualunque cosa dicano gli altri punteggi. Un passaggio a una persona mancato fa più danni di una risposta lenta.
2. Si spostano gli intenti, non l’azienda. Se la verifica C passa per lo stato dell’ordine e il cambio di indirizzo ma non per i rimborsi, sposti quei due e lasci i rimborsi al livello 3.
3. Le verifiche valgono nei due sensi. Lo stesso errore critico tre volte in una settimana riporta un intento al livello precedente finché la correzione non è testata e le nuove conversazioni non risultano pulite.

Per gli intenti a basso volume, aggiunga un minimo, come le 300 conversazioni valutate in 30 giorni della guida alla governance.

Come valutare la maturità IA del suo team di assistenza?

Risponda alle 15 domande qui sotto per gli intenti gestiti dalla sua AI, assegnando a ciascuna da 0 a 3 punti. Sommi i punti per un totale da 0 a 45, legga la sua fascia, poi applichi il limite: la dimensione più debole tra qualità, governance e percorsi limita il livello che può dichiarare, per quanto automatizzi. Dia i punteggi in base a come funzionano le cose oggi, non a come dice il piano.

La domanda 12 è anche un obbligo di legge nell’UE: l’articolo 4 del regolamento sull’IA (AI Act) chiede a fornitori e deployer di adottare misure per sostenere l’alfabetizzazione in materia di IA del proprio personale e delle altre persone che si occupano del funzionamento e dell’utilizzo dei sistemi di IA per loro conto. Da quando il Digital Omnibus (regolamento (UE) 2026/1744) lo ha riscritto, con effetto dal 27 luglio 2026, non richiede più di garantire un livello specifico di alfabetizzazione (veda la nostra guida all’AI Act nel servizio clienti). La trasparenza, parte della verifica B, viene dall’articolo 50 dello stesso regolamento: i sistemi di IA che interagiscono direttamente con le persone devono essere progettati in modo che queste siano informate di avere a che fare con un sistema di IA, salvo che sia evidente.

La regola di punteggio

1. Sommi i 15 punteggi per un totale da 0 a 45.
2. Legga la fascia: da 0 a 9 è il livello 1, da 10 a 18 il livello 2, da 19 a 27 il livello 3, da 28 a 36 il livello 4, da 37 a 45 il livello 5.
3. Applichi il limite. Calcoli la media dei punteggi di qualità (domande da 3 a 5), governance (da 6 a 8) e percorsi (9 e 10). Prenda la più bassa delle tre medie. Sotto 1: è al massimo al livello 2. Da 1 a meno di 2: al massimo al livello 3. Da 2 a meno di 2,5: al massimo al livello 4. Da 2,5 in su: nessun limite.
4. Il suo livello è il più basso tra fascia e limite. Se la risposta sul perimetro (domanda 1) è più avanti, sta usando l’AI con più autonomia di quanta ne possa controllare; colmi questo divario prima di aggiungere intenti. Il limite esiste perché il perimetro è facile da allargare, qualità e governance no.

Un esempio pratico (illustrazione, numeri inventati per mostrare il calcolo)

L’agente AI di un retailer risolve 24.000 delle 80.000 conversazioni mensili (30%) su 12 intenti, inclusi rimborsi fino a 50 €. Un analista QA controlla a campione 300 conversazioni AI al mese. Le risposte: perimetro 3 e 1; qualità 1, 1, 1; governance 2, 2, 1; percorsi 2, 1; persone 2, 1; metriche 1, 1, 1.

• Totale: 21 punti, cioè la fascia del livello 3.
• Limite: la qualità ha una media di 1,0, la governance di 1,67, i percorsi di 1,5. La più bassa è 1,0, quindi il limite è il livello 3.
• Livello: 3. Ma il perimetro (domanda 1) è di livello 4: un’operazione ibrida su scala con i controlli di un pilota ibrido.

Quanto costa questo divario? I 300 controlli a campione coprono l’1,25% delle conversazioni dell’agente. Se una modifica alla knowledge base porta l’agente ad approvare rimborsi fuori policy nello 0,2% delle conversazioni, sono 48 rimborsi sbagliati al mese. Il campione ne contiene in media 0,6: circa il 45% di probabilità di vederne anche solo uno, e circa il 2% di vederne tre, abbastanza per parlare di una tendenza (statistiche sul campionamento QA, in inglese, mostra il calcolo).

Il piano del trimestre: valutare ogni conversazione AI (domanda 3 da 1 a 3), condividere i criteri principali della scheda (4 a 2), fissare riferimenti per i motivi principali (5 a 2), rivedere le modifiche (8 a 2), tracciare i contatti ripetuti per intento (10 a 2), riportare la risoluzione corretta (13 a 3) e contare gli errori critici sulla copertura completa (14 a 3). Sono 10 punti in più: 31, la fascia del livello 4. Le nuove medie (qualità 2,33, governance 2,0, percorsi 2,0) alzano il limite al livello 4, quindi livello e perimetro coincidono e la verifica C si può controllare intento per intento.

Lo veda sulle sue conversazioni. Kaizo copre la riga della misurazione della qualità: AutoPilot valuta il 100% delle conversazioni del suo agente AI con la sua scheda di valutazione, la stessa con cui viene valutato il suo team, e collega ogni punteggio alle prove (controllo qualità per gli agenti AI). È la copertura che la verifica C richiede. Prenoti una demo.

Come si trasforma il modello di maturità in una roadmap per l’AI nell’assistenza clienti?

Una roadmap per l’AI nell’assistenza clienti costruita su questo modello è un elenco di intenti, ciascuno con il livello attuale, il livello obiettivo e la verifica che deve superare dopo. L’ordine lo danno le verifiche, non un calendario: un intento sale quando le prove reggono per il periodo concordato, di solito 4 settimane o più.

1. Assegni un livello a ogni intento principale. Si aspetti di trovarne la maggior parte ai livelli 1 e 2.
2. Scelga i prossimi intenti in base alle conseguenze: volume alto, policy chiara, azione reversibile. Veda quali richieste automatizzare per prime.
3. Copra il ruolo prima del perimetro. Il livello 4 richiede un responsabile degli agenti AI che gestisca istruzioni, set di test, rilasci e punteggi.
4. Riporti il tasso di risoluzione corretta accanto al contenimento, così che il consiglio di amministrazione veda che cosa l’AI ha fatto bene, non solo che cosa ha trattenuto.

Sta scegliendo un fornitore? Trasformi le verifiche in domande per la RFP sugli agenti AI: limiti d’azione per intento, esportazione di ogni azione, pausa per singolo intento.

Quando un modello di maturità è lo strumento sbagliato?

Un modello di maturità è lo strumento sbagliato quando il lavoro che descrive non la riguarda ancora, o quando il livello diventa un obiettivo in sé. I team piccoli, i team senza scheda di valutazione e quelli che corrono a dichiarare “livello 5” al consiglio di amministrazione guadagnano di più risolvendo prima un problema concreto.

• Volumi bassi. Con poche centinaia di conversazioni a settimana, rivedere a mano ogni conversazione AI può bastare.
• Nessuna scheda di valutazione. Il limite la tiene al livello 2; scriva prima la scheda (verifica A).
• Il livello come obiettivo. Contestazioni per frode, clienti vulnerabili e reclami con implicazioni legali spesso devono restare al livello 2 per sempre.

Come iniziare questa settimana

Può collocare il suo team sulla griglia in una settimana senza acquistare nulla: un livello di partenza scritto per ogni intento, il divario tra livello e perimetro, e un primo divario da colmare, con un responsabile e una data.

1. Elenchi i 20 intenti principali per volume e segni il livello di ciascuno sulla griglia.
2. Faccia rispondere alle 15 domande il Head of CX, il responsabile QA e il responsabile dell’agente AI, separatamente, poi confronti: i disaccordi mostrano dove nessuno ha i dati.
3. Applichi il limite e annoti il divario rispetto al perimetro.
4. Scriva la prossima verifica per i 2 o 3 intenti più vicini al passaggio; la faccia firmare a CX, rischio e IT.
5. Nomini un responsabile e un vice per ogni agente AI, e provi la messa in pausa almeno una volta.

Ripeta l’esercizio ogni trimestre; l’andamento della sua dimensione più debole dice più del totale.

Domande frequenti

Qual è la differenza tra un modello di maturità IA e un modello di maturità CX?

Un modello di maturità CX misura quanto l’intera azienda è orientata al cliente: ricerca, progettazione dei percorsi, cultura. Un modello di maturità IA per l’assistenza clienti misura quanto lavoro di assistenza svolge l’AI e quanto bene quel lavoro è controllato. Questo modello copre solo il secondo aspetto.

Quanto tempo serve per passare da un livello al successivo?

Non c’è un tempo fisso, perché ogni passaggio dipende dalla sua verifica. La verifica C richiede una qualità pari o superiore al riferimento umano per 4 settimane consecutive, quindi un intento non può salire in meno di un mese. Scrivere le policy e nominare un responsabile richiedono spesso più tempo della tecnologia.

Intenti diversi possono trovarsi a livelli di maturità diversi?

Sì, ed è giusto così. Lo stato dell’ordine può funzionare al livello 4 mentre i reclami restano al livello 1. Un livello aziendale è solo una sintesi; le decisioni di estendere o ridurre l’AI si prendono intento per intento, rispetto alla verifica di quell’intento.

Al livello 5 gli agenti AI sostituiranno gli operatori umani?

Non del tutto. Al livello 5 meno persone rispondono ai contatti di routine, ma più persone lavorano su eccezioni, knowledge base, istruzioni degli agenti, approvazioni e analisi della qualità. Ridurre il team prima di avere coperto questi ruoli è un modo rapido per perdere il controllo di un processo autonomo.

Che cos’è un AI adoption specialist nell’assistenza clienti?

Un AI adoption specialist aiuta un team di assistenza a portare gli strumenti di AI nel lavoro quotidiano: forma gli operatori, cambia i flussi di lavoro e ne monitora l’uso. In questo modello quel lavoro rientra nella dimensione persone ai livelli 2 e 3, e al livello 4 di solito diventa un ruolo dedicato di responsabile degli agenti AI.