Agente IA per l'automazione dei ticket support, dalla risposta alla chiusura

Un ticket ben classificato che resta senza risposta non serve a nulla. Una volta che si sa di cosa parla e quanto è urgente, bisogna ancora redigere la risposta, pubblicarla, seguire la scadenza prima che esploda, e chiudere il ticket correttamente. È questa parte del lavoro, la più ripetitiva e la più sensibile al volume, che un agente IA autonomo può prendere in carico.

Il problema

Il costo di una cattiva gestione dei ticket si vede in fretta nel comportamento dei clienti. Secondo i dati Zendesk Benchmark ripresi da Zendesk, il 73% dei consumatori cambia marchio dopo più esperienze di servizio negative, e oltre la metà lo fa già dopo una sola esperienza negativa (https://www.zendesk.fr/blog/customer-service/satisfaction/customer-service-statistics/). Il rapporto CX Trends 2026 di Zendesk, basato su oltre 11.000 intervistati in 22 paesi, va nella stessa direzione: l'85% dei responsabili CX interpellati ritiene che i clienti se ne vadano dopo un problema irrisolto, anche al primo contatto (https://cxtrends.zendesk.com/).

La buona notizia è che gli stessi dati Zendesk Benchmark mostrano che l'IA è già percepita come utile su questo terreno preciso: quasi 8 consumatori su 10 ritengono che un bot IA sia utile per i problemi semplici, e due terzi dei dirigenti interpellati dichiarano che i loro investimenti in IA per il servizio clienti hanno prodotto miglioramenti di performance significativi. Un segnale di risultato concreto arriva da un fornitore del settore: Intercom, che vende il proprio agente IA di supporto (Fin), indicava a giugno 2026 un tasso di risoluzione medio del 76% sull'insieme dei suoi oltre 7.000 team clienti, una cifra progredita ogni mese secondo l'editore (https://www.intercom.com/blog/from-resolutions-to-outcomes-evolving-how-fin-delivers-value/). È una cifra annunciata da un fornitore sul proprio prodotto, non una misurazione indipendente, va letta con questa riserva, ma l'ordine di grandezza dà un'idea di ciò che una gestione assistita dall'IA può coprire su ticket basati su una base di conoscenza.

Ciò che questi numeri non mostrano è il lavoro necessario a monte perché un tasso di risoluzione elevato sia raggiungibile: una base di conoscenza aggiornata, macro pertinenti per i casi ricorrenti, un follow-up SLA che avvisa prima della scadenza invece che dopo. Senza questa preparazione, una gestione automatizzata produce soprattutto risposte generiche o fuori tema, il che erode la fiducia invece di migliorarla. È esattamente il divario che questo agente è pensato per colmare: appoggiarsi a ciò che esiste già invece di inventare una risposta dal nulla.

Cosa fa l'agente, passo dopo passo

Su Atako, questo agente lavora su ticket già aperti e categorizzati, che siano stati classificati da una persona o da un agente di triage dedicato. Monitora la coda in continuo, su tutti i canali di ticketing collegati, senza dipendere dagli orari del team.

Per ogni ticket, cerca nella base di conoscenza dell'azienda l'articolo più pertinente, poi redige una risposta adattata al contesto preciso del ticket e al tono definito dall'azienda. Se il grant concesso sul connettore di ticketing lo autorizza in scrittura, pubblica direttamente la risposta; altrimenti, la prepara come bozza per la convalida umana. In parallelo, calcola e segue la scadenza SLA residua per ogni ticket in base alla sua priorità, e avvisa il team su Slack quando un ticket si avvicina alla scadenza senza una risposta sufficiente. Quando il motivo di un ticket corrisponde a un pattern già risolto più volte, applica o suggerisce una macro invece di redigere una risposta dal nulla. Una volta risolto il ticket, aggiorna la scheda cliente nel CRM con un riepilogo della risoluzione.

Le integrazioni utilizzate

Zendesk e Freshdesk ricevono la risposta redatta tramite update_ticket, se il grant lo autorizza in scrittura, e permettono all'agente di seguire lo stato del ticket fino alla chiusura. Notion funge da base di conoscenza: l'agente vi cerca l'articolo pertinente con search o query_database prima di redigere qualsiasi cosa, il che evita che inventi una risposta senza fonte.

HubSpot aggiorna la scheda cliente una volta risolto il ticket, con un riepilogo della risoluzione registrato sul contatto o sul deal interessato. Slack riceve infine l'allerta quando un ticket si avvicina alla scadenza SLA senza una risposta sufficiente, affinché un umano riprenda il controllo prima che il termine esploda.

Ciò che resta all'essere umano

L'agente non redige mai una risposta dal nulla: si appoggia alla base di conoscenza esistente, e se questa non copre l'argomento del ticket, non ha nulla di affidabile da proporre. Ogni integrazione che utilizza dipende da un grant preciso: un grant in sola lettura su Zendesk, ad esempio, obbliga l'agente a preparare le proprie risposte come bozza invece di inviarle direttamente, il che lascia un punto di controllo umano sistematico finché il team lo desidera.

Tre responsabilità restano chiaramente umane. Prima di tutto, convalidare o correggere le risposte generate prima dell'invio su tutto ciò che non corrisponde a una macro già convalidata dal team. Poi, gestire i ticket complessi o scalati che la base di conoscenza non copre, il che richiede un vero giudizio sul caso del cliente e talvolta una decisione commerciale che l'agente non ha mandato di prendere da solo. Infine, mantenere la base di conoscenza aggiornata: un agente, per quanto ben progettato, non può rispondere correttamente a partire da una documentazione obsoleta o incompleta.

Questo funzionamento segue il principio dello human-in-the-loop: l'agente assorbe la redazione ripetitiva e il follow-up delle scadenze, l'essere umano mantiene il controllo su ciò che esce realmente verso il cliente non appena il caso esce dal quadro noto. Ogni azione dell'agente, risposta pubblicata, macro applicata, aggiornamento CRM, viene registrata con il proprio stato e consultabile nella timeline di attività dell'agente, e nel registro delle integrazioni di tutta l'azienda per un amministratore.

Risultato misurabile

Nel tempo, questa regolarità cambia anche il modo in cui il team support vive il proprio carico di lavoro: meno picchi di stress legati alle scadenze SLA che esplodono in silenzio, e più tempo dedicato ai ticket che richiedono davvero un giudizio umano invece di una risposta già scritta altrove.

Il beneficio principale si misura su due assi: il rispetto delle scadenze SLA, perché l'agente sorveglia ogni ticket in continuo e avvisa prima della scadenza invece che dopo, e la regolarità della qualità delle risposte, perché sono sempre tratte dalla stessa base di conoscenza invece che riformulate ogni volta in modo diverso da persone diverse. Questo non dispensa dal mantenere una base di conoscenza aggiornata, anzi è una condizione perché il risultato regga nel tempo: un agente, per quanto ben progettato, resta dipendente dalla qualità di ciò che gli viene dato da leggere, il che rende la documentazione un investimento continuo invece di un compito puntuale sistemato una volta per tutte a inizio progetto e poi dimenticato fino al prossimo incidente.

Il piano Standard di Atako fattura 20 euro al mese per slot agente, con 1.000 crediti inclusi ogni mese per le chiamate al modello mobilitate dalla ricerca dell'articolo, dalla redazione e dal follow-up SLA. Questo costo resta identico qualunque sia il volume di ticket gestiti nel mese, conta solo il numero di agenti attivi contemporaneamente. Il dettaglio è sulla pagina prezzi.