Un chatbot sul sito può rispondere in pochi secondi, raccogliere una richiesta e accompagnare una persona verso il contenuto giusto. Ma la velocità, da sola, non è una strategia di marketing conversazionale. Se l’utente non capisce con chi sta parlando, quali risposte sono affidabili e come ottenere aiuto quando la conversazione si blocca, l’automazione riduce il costo del primo contatto ma aumenta il costo della fiducia.
Per questo considero il chatbot una parte della promessa commerciale, non un elemento decorativo della home page. La promessa non è “abbiamo l’intelligenza artificiale”. È più concreta: “puoi fare questa domanda, ricevere un orientamento comprensibile e sapere quale sarà il prossimo passo”. Quando il sistema non sa rispondere, deve poterlo ammettere e lasciare la conversazione in una condizione migliore di quella iniziale.
La conversazione comincia dalla trasparenza
Un’interfaccia conversazionale può sembrare umana anche quando non lo è. Il nome, il tono, i tempi di risposta e una frase come “come posso aiutarti?” possono creare un’aspettativa che il sistema non è in grado di sostenere. Non serve rendere l’esperienza fredda, ma serve evitare ambiguità: la persona deve capire presto se sta interagendo con un operatore, con un flusso automatizzato o con un sistema di intelligenza artificiale.
L’articolo 50 del regolamento europeo sull’intelligenza artificiale prevede che i sistemi destinati a interagire direttamente con le persone siano progettati in modo da informarle che stanno interagendo con un sistema di AI, salvo che ciò sia già ovvio considerando il contesto. La Commissione europea indica inoltre che dal 2 agosto 2026 si applicano nell’Unione nuove regole di trasparenza sui sistemi di AI. Non trasformerei queste indicazioni in un’etichetta isolata nei termini d’uso: le renderei visibili al primo scambio, con parole che una persona possa capire senza conoscere la tecnologia.
Una frase come “Sono un assistente automatico. Posso aiutarti a trovare informazioni sul servizio e raccogliere una richiesta; se serve, puoi parlare con una persona” è più utile di un’icona senza spiegazione. La disclosure deve essere coerente con ciò che il sistema può davvero fare. Se dietro il chatbot c’è un team umano che legge le conversazioni, anche questo va spiegato insieme a tempi e modalità del passaggio.
Definire il perimetro prima di aprire il chat
Molti progetti partono dalla domanda “quale modello usiamo?” Io partirei da un’altra domanda: quali decisioni vogliamo rendere più semplici? Il chatbot può essere adatto a cercare una pagina, spiegare una procedura, raccogliere requisiti iniziali o proporre il contenuto successivo. È molto meno adatto a improvvisare preventivi complessi, interpretare situazioni delicate o rispondere su temi che richiedono valutazioni professionali.
Il perimetro dovrebbe essere scritto in modo operativo. Quali fonti può consultare? Quali informazioni può citare? Quando deve dichiarare di non sapere? Quali richieste devono essere trasferite? Quali dati non devono essere inseriti nella chat? Una base documentale aggiornata aiuta, ma non elimina la necessità di controllare le risposte. La risposta fluida non è una prova di accuratezza.
La promessa deve avere anche un limite
Il copy di apertura dovrebbe anticipare almeno tre confini: il tipo di aiuto disponibile, il tempo o il canale del supporto umano e ciò che il sistema non può fare. “Posso aiutarti a capire quale servizio è più vicino alla tua esigenza” è una promessa più credibile di “chiedimi qualsiasi cosa”. Il limite non indebolisce la conversione: evita che la persona costruisca un’aspettativa che il percorso successivo dovrà smentire.
Passare la mano non è un fallimento
Un chatbot utile non trattiene la persona a tutti i costi. Riconosce quando una risposta è incerta, quando la domanda esce dal perimetro o quando l’utente sta ripetendo lo stesso problema. Il passaggio a una persona dovrebbe essere una funzione progettata in anticipo: un pulsante chiaro, un modulo breve, un indirizzo email o un numero con orari realistici. Non una caccia al tesoro dopo dieci messaggi automatici.
La guida W3C sul criterio Consistent Help include tra i meccanismi di aiuto anche il chatbot e osserva che, quando il bot non trova una risposta soddisfacente dopo alcuni tentativi, è utile offrire i contatti umani. Il pattern W3C per l’aiuto umano aggiunge un principio semplice: il supporto deve essere facile da trovare e richiedere il minor numero possibile di passaggi. Sono indicazioni di progettazione accessibile, ma anche buone indicazioni di marketing: la fiducia si perde quando l’azienda sembra usare l’automazione per rendersi irraggiungibile.
Stabilirei quindi soglie concrete. Dopo due o tre tentativi non risolutivi, il bot può offrire il passaggio a una persona. Se rileva una richiesta urgente, un reclamo o un tema che richiede riservatezza, dovrebbe anticipare l’escalation. La conversazione trasferita dovrebbe includere il contesto necessario, senza costringere l’utente a ripetere tutto e senza consegnare al team dati che non servono.
La supervisione deve essere praticabile
Scrivere “c’è un umano nel ciclo” non basta. Bisogna sapere chi controlla le conversazioni, con quale frequenza, usando quali criteri e con quale possibilità di intervenire. Se il team vede soltanto un punteggio aggregato, non può correggere una risposta fuorviante. Se riceve centinaia di casi senza priorità, la supervisione diventa un gesto simbolico.
Il NIST AI Risk Management Framework e il suo profilo sulla AI generativa propongono di collegare gestione del rischio, valutazione e monitoraggio. In ambito europeo, anche le indicazioni dell’EDPS sull’uso della AI generativa e dei dati personali insistono sulla necessità di controllare gli output e prevedere supervisione umana; il documento riguarda direttamente le istituzioni dell’Unione, ma offre un criterio operativo utile: il controllo deve essere reale, documentato e proporzionato al rischio.
Chiedere meno dati migliora la conversazione
Il primo messaggio non dovrebbe trasformarsi in un modulo nascosto. Nome, email, telefono, settore, budget e descrizione dettagliata del progetto possono essere informazioni utili in un secondo momento, ma non sono automaticamente necessarie per orientare una domanda iniziale. Chiederei il minimo indispensabile per il compito che si vuole svolgere e spiegherei perché serve.
Le conversazioni in linguaggio naturale invitano a condividere più del necessario. Una persona può incollare un contratto, un problema di salute, credenziali o dati di clienti senza rendersi conto di come saranno conservati e chi potrà leggerli. L’analisi EDPB sui rischi e sulle mitigazioni per la privacy nei modelli linguistici richiama, tra gli altri aspetti, il rischio che utenti vulnerabili condividano dati personali e l’utilità di chiarire che le risposte generate non sono necessariamente definitive. Nel marketing la traduzione pratica è semplice: avviso leggibile, raccolta limitata, tempi di conservazione comprensibili e un percorso umano per le richieste che non dovrebbero restare dentro il chatbot.
Misurare la qualità della conversazione
Il tasso di conversazioni concluse dal bot può sembrare una metrica positiva, ma può premiare anche una cattiva esperienza: la persona rinuncia, non trova l’uscita o accetta una risposta incompleta. Misurerei almeno la risoluzione dichiarata, il numero di richieste ripetute, il passaggio a una persona, il tempo fino alla prima risposta utile e l’esito della richiesta dopo il contatto.
Per il marketing aggiungerei una domanda breve e non obbligatoria: “Hai trovato il prossimo passo che cercavi?”. Se la risposta è negativa, chiederei il motivo con poche opzioni e un campo facoltativo. Collegherei poi le conversazioni alle richieste commerciali con attenzione alla minimizzazione: non serve conservare tutto per capire se il traffico è qualificato. Una conversazione che non produce un lead può comunque avere valore se riduce una domanda ripetitiva, chiarisce un limite del servizio o evita un contatto destinato a interrompersi subito.
Un test piccolo prima del lancio esteso
Prima di pubblicare il chatbot su ogni pagina, sceglierei un solo percorso ad alta intenzione e lo testerei per una settimana. Preparerei dieci domande frequenti, cinque formulazioni ambigue, tre richieste fuori perimetro e almeno due casi che devono passare a una persona. Per ogni risposta controllerei accuratezza, tono, fonte, dati richiesti, possibilità di uscita e promessa del passaggio successivo.
Nel mio lavoro userei il chatbot quando riduce davvero l’incertezza, non quando serve soltanto a esibire una tecnologia. La conversazione migliore non è quella che dura più a lungo né quella che evita sempre il team umano. È quella che porta la persona al livello di aiuto giusto, con informazioni proporzionate, un’uscita chiara e una promessa che l’azienda può mantenere.
Nota di trasparenza: questo articolo è stato elaborato con l'aiuto dell'intelligenza artificiale e con supervisione e responsabilità editoriale umana.