Ogni azienda ha un bisogno vitale di sapere come viene percepita: dal mercato e dai clienti, dalla rete di distribuzione e dai partner, dai propri dipendenti e collaboratori. Eppure il feedback, pur restando fondamentale da sempre, viene chiesto poco. A volte basterebbe domandare per ottenere risposte, ma spesso non lo si fa. Una delle ragioni a monte è che il feedback implica poi prendere decisioni su ciò che emerge, e questo frena. Superato questo punto, resta una difficoltà pratica enorme, ed è proprio qui che l'intelligenza artificiale cambia lo scenario.
Il limite del questionario quantitativo
Quando un'azienda vuole davvero raccogliere feedback, deve trasformare obiettivi di comprensione in un questionario strutturato, con domande chiuse, punteggi e qualificazioni. È un lavoro umano complesso e spesso intrinsecamente difficile, perché il feedback è qualitativo per natura. Si vorrebbero fare domande aperte e ascoltare le risposte, ma mille risposte aperte da leggere dicono poco di immediato, mentre un punteggio offre un numero su cui muoversi. Salvo che, tra una soddisfazione di 7,2 e una di 7,6, la differenza è minima e poco scientifica: quando si deve premere un pulsante, 7 e 8 sono troppo vicini. La statistica aggiusta queste pieghe, ma il processo resta complicato e raramente risponde alla vera domanda. Per questo lo si fa poche volte.
L'intervista al posto del questionario
L'AI ribalta lo scenario in un caso preciso. Si ha un database di persone, che possono essere potenziali clienti, clienti, partner o dipendenti, e si vuole rilevare del feedback. Si comunica all'AI la popolazione su cui operare e cosa si vuole rilevare, per esempio la soddisfazione del parco clienti sulla qualità dei servizi, sui tempi di erogazione, sulla relazione e sul pricing. A quel punto l'AI si organizza: genera una prima email per invitare le persone non a compilare un questionario, ma a fare una chiacchierata con un assistente. Chi accetta avvia una sessione che è un'intervista libera, dove le domande non sono predeterminate ma generate in base agli obiettivi, e non sono sempre le stesse. Se una risposta aperta è negativa e troppo corta, l'AI comprende che non è esaustiva e decide di indagare, chiedendo un esempio, scavando come farebbe una persona in un'intervista telefonica. Si crea così una conversazione unica e iperpersonalizzata per ciascuno.
Dal qualitativo al quantitativo
A valle, l'AI compie due passaggi che rientrano nelle capacità tipiche degli LLM. Il primo è trasformare la conversazione in dato quantitativo: analizzando l'intervista, assegna un punteggio da 0 a 10 su ciascuno dei temi rilevati. Non è l'utente a determinare il voto, ma l'AI sulla base di come l'utente ha risposto e conversato. Il secondo è estrarre insight: per ciascun punto si possono ricavare elementi critici e positivi, e un giudizio complessivo sulla soddisfazione, facendo emergere il punto più importante della singola conversazione. Sul cumulativo, mettendo insieme tutte le risposte, si lavora poi sulla clusterizzazione degli argomenti più ricorrenti, problematici o positivi, e sulla media dei valori quantitativi, ottenendo un'analisi che è la somma di tutte le interviste.
Strategia messa al lavoro
Trattandosi di uno strumento di marketing automation, se una persona non risponde si può riprovare dopo due settimane con un'altra email, affrontando il problema comune della scarsa adesione ai questionari. Ma la vera potenza sta nella semplicità di attivazione: una volta predisposta la piattaforma, basta indicare la popolazione e le poche cose da rilevare. Si possono usare i dati di profilazione presenti nel database, come lingua, paese o classificazione del cliente, per personalizzare l'intervista in modo automatizzato. Questo permette di inserire la rilevazione nella normalità dell'agire aziendale e di farla diventare una metodica consolidata: ogni sei mesi su una popolazione, ogni mese su un'altra, misurando i risultati nel tempo in modo diacronico, anche per valutare l'effetto delle azioni messe in campo. È strategia messa al lavoro, con una semplicità quasi disarmante.
Quando il qualitativo e il quantitativo si incontrano
Questo approccio dimostra come due mondi a lungo separati, il qualitativo e il quantitativo, riescano a intersecarsi grazie all'AI. Dalle conversazioni si possono ricavare elementi per progettare in modo molto più preciso: personas, cluster di pain, tutto ciò che serve a disegnare cose che funzionano meglio o anche solo a prevenire stati di crisi. Resta da considerare un aspetto: l'AI generativa potrebbe talvolta non condurre un'intervista in modo perfetto, ma se accadesse una volta su cento, quella piccola deviazione verrebbe riassorbita dalle tendenze generali e non inficierebbe il risultato statistico. Anzi, quel singolo elemento anomalo non va perduto: l'analisi lo estrapola e lo segnala, e potrebbe rivelarsi proprio l'insight inaspettato che fa cambiare punto di vista. È un pattern che nasce dalla pratica e che, astratto, può allargarsi enormemente la platea dei casi affrontabili.