Il responsabile post-vendita di una concessionaria ha ricevuto una segnalazione dall’agente IA: 12 clienti hanno rifiutato la sostituzione dei freni negli ultimi novanta giorni. Quattro abitano vicino a un concorrente.
Il dealer non li stava cercando. Nessun sistema glielo chiedeva.
L’agente IA è uno strumento costruito su un singolo KPI: una sola sede, un solo problema, un orizzonte di novanta giorni. Il metodo si chiama C-D-A-R: raccogli il dato preciso, diagnostica il problema sottostante, agisci sull’elemento specifico, recupera se l’azione produce effetti inattesi.
Una sede. Un KPI. Novanta giorni. Poi sai se funziona.
L’intervento su quei 12 clienti è stato diretto: un messaggio WhatsApp inviato nel momento giusto da un agente AI per ricordare il servizio rifiutato. Tre sono tornati in officina. Ogni ordine di lavoro freni vale tra €300 e €600 in fatturato diretto.
Il processo non prevede alcun richiamo automatico sui servizi rifiutati. L’accettatore ha le stesse performance medie del reparto: nessun segnale negativo, nessuna critica ricevuta. Il dato era nel DMS da novanta giorni: 12 clienti con un servizio freni rifiutato. Nessuno stava cercando un problema. Quando un sistema non riceve una domanda specifica, non produce una risposta specifica. L’agente IA ha fatto la domanda.
Questa è la differenza tra un agente IA che genera risultati misurabili e uno che resta un esperimento costoso: la specificità del problema in ingresso. Un KPI preciso genera un’azione misurabile e un costo giustificabile. Un problema generico genera un sistema da calibrare per mesi, con dati da correggere prima ancora di avere un risultato utile.
I dealer che avviano progetti IA partendo da piattaforme su scala aziendale invece che da un singolo caso operativo spendono il 60-70% del tempo a correggere dati, non a produrre valore.
Quale KPI useresti come punto di partenza?
