L’IA sa rispondere alle domande. La prossima sfida è aiutare le persone ad andare avanti.

Siamo diventati straordinariamente bravi a sviluppare sistemi di IA capaci di rispondere alle domande. Basta chiedere entro quando va presentata una domanda, quali documenti sono necessari o come funziona una procedura, e in pochi secondi si ottiene una risposta utile. Ma quando sono in gioco l’istruzione di una persona, il suo futuro finanziario o il suo senso di appartenenza, una risposta è solo l’inizio. Ciò che conta è che quella persona riesca davvero ad andare avanti.

È qui che l’IA agentica diventa interessante. Invece di considerare ogni interazione come una domanda isolata, un agente di IA può capire a che punto di un percorso più ampio si trova una persona, individuare cosa deve succedere dopo e aiutarla a raggiungere il proprio obiettivo. Tuttavia, per farlo in modo affidabile non basta un modello linguistico capace. Servono percorsi progettati ad hoc, sistemi connessi e supervisione umana integrata nel processo fin dall’inizio.

Pensiamo all’istruzione superiore. Uno studente presenta una domanda di ammissione, completa la richiesta di aiuti finanziari, si iscrive ai corsi, incontra un tutor, cerca supporto accademico e un tirocinio, si prepara a laurearsi, cerca lavoro e, infine, diventa un ex studente. Gli atenei suddividono queste fasi tra dipartimenti e sistemi tecnologici distinti, ma gli studenti vivono l’esperienza di un’unica università. Non dovrebbero essere costretti a conoscere il suo organigramma per ottenere l’aiuto di cui hanno bisogno.

Le persone non vogliono un’altra interfaccia. Vogliono riuscire a fare qualcosa.

In un recente sondaggio condotto su 1.058 studenti iscritti attualmente ai college statunitensi, il 76% ha dichiarato di aspettarsi di poter risolvere la maggior parte delle proprie esigenze relative ai servizi per gli studenti senza telefonare o recarsi in un ufficio. Eppure, uno studente su quattro ha affermato che il proprio ateneo non soddisfa questa aspettativa. Alla domanda su cosa conti di più in una moderna esperienza digitale, il 64% ha indicato la rapidità di risposta e risoluzione, il 54% la disponibilità 24 ore su 24, 7 giorni su 7 e il 50% la possibilità di completare le attività in un unico posto. Gli studenti vogliono risposte più rapide, meno passaggi da un interlocutore all’altro e la possibilità di completare le attività senza dover navigare tra più sistemi.

Un potenziale studente inizia una domanda di ammissione al college, ma non la porta mai a termine. Un chatbot tradizionale potrebbe rispondere alle domande sui requisiti di ammissione, ma lo studente dovrebbe comunque capire da sé cosa manca e come procedere. Un sistema agentico può individuare il punto in cui la procedura si è bloccata, identificare il passaggio successivo e aiutare lo studente a riprendere da dove si era fermato. Se lo studente dice di aver già caricato il certificato degli esami, il sistema può controllare la domanda, verificare che il documento sia presente e passare oltre quel requisito, anziché chiedergli di soddisfarlo di nuovo.

È anche qui che permangono alcune delle maggiori sfide tecniche. Microsoft Research individua nell’affidabilità, nella conservazione del contesto e nell’esecuzione di flussi di lavoro nel mondo reale alcune delle sfide che gli agenti per la produttività devono affrontare. Un agente non può guidare una persona in modo affidabile attraverso una procedura se perde il contesto tra un passaggio e l’altro o non è in grado di operare sui diversi sistemi coinvolti.

Dalle risposte reattive all’assistenza proattiva

L’opportunità non si limita a rispondere alle domande: consiste anche nel riconoscere quando una persona ha bisogno di supporto e nell’aiutare gli atenei a individuare il passo successivo più adatto. Per esempio, un team che si occupa di sviluppo e raccolta fondi potrebbe cogliere segnali che indicano che un ex studente è pronto a riallacciare i rapporti, fare volontariato o effettuare la sua prima donazione. Ma riconoscere il segnale è solo l’inizio. Il vero valore sta nel capire quale approccio sia più adatto a quella persona, in quel momento, e cosa fare in seguito.

I percorsi progettati ad hoc possono integrare pratiche consolidate per diversi tipi di pubblico e obiettivi, offrendo ai team un punto di partenza più solido rispetto a strumenti generici o flussi di lavoro creati da zero. E i vantaggi vanno oltre il risparmio di tempo per il personale. Gli atenei dispongono già di enormi quantità di dati. Ciò di cui hanno bisogno è un aiuto per interpretare quei segnali e trasformarli in interazioni attente e tempestive.

La necessità è evidente. Nello stesso sondaggio condotto tra gli studenti, la metà ha dichiarato di aver evitato di contattare il proprio ateneo perché la procedura sembrava troppo complicata. Un altro 40% si è visto chiedere di ripetere informazioni già fornite, il 34% è stato trasferito a un altro interlocutore senza ottenere una soluzione e il 31% non è riuscito a trovare ciò che cercava e ha rinunciato.

Le esperienze di IA più utili aiutano gli atenei a riconoscere questi ostacoli prima che inducano qualcuno a interrompere il rapporto.

È il contesto che trasforma una risposta in un’azione utile

Tutti abbiamo provato la frustrazione di dover ripetere più e più volte le stesse informazioni a un’organizzazione. Immaginate di doverlo fare mentre cercate di iscrivervi ai corsi, risolvere un problema relativo agli aiuti finanziari o riallacciare i rapporti con la vostra alma mater. Ogni interazione priva di continuità fa sembrare un po’ meno che l’istituzione sia un’organizzazione che vi conosce.

Collegare le informazioni attorno alla persona, anziché suddividerle tra i diversi dipartimenti, cambia l’esperienza. Studenti, ex studenti e donatori beneficiano di interazioni più continuative e personalizzate, mentre il personale acquisisce il contesto necessario per rispondere in modo più efficace. Quando gli atenei rendono le interazioni più semplici e personali, creano le condizioni per instaurare relazioni più solide e una fedeltà duratura.

Gli studenti stanno già segnalando di volere esperienze digitali che funzionino in questo modo. La stessa ricerca condotta sugli studenti ha rilevato che il 56% si aspetta di poter passare da un sistema all’altro senza reindirizzamenti e senza dover inserire ripetutamente le stesse informazioni. La metà si aspetta che gli strumenti digitali segnalino in modo proattivo scadenze, requisiti o problemi prima che si trasformino in ostacoli.

Per offrire un’esperienza di questo tipo non basta rendere più intelligenti i singoli strumenti. Occorre collegare le informazioni e i flussi di lavoro che consentono agli istituti di capire a che punto del proprio percorso si trova una persona e di risponderle di conseguenza.

La migliore IA sa quando agire, quando tutelare e quando farsi da parte

L’obiettivo dell’IA agentica non dovrebbe essere la massima autonomia, ma il giusto equilibrio tra assistenza, azione e giudizio umano, integrando fin dall’inizio l’approvazione umana nel flusso di lavoro.

Man mano che l’IA diventa capace di intraprendere più azioni, decidere quali dovrebbe svolgere autonomamente diventa importante quanto ampliare ciò che è in grado di fare. Le attività di routine, come individuare moduli incompleti o far emergere informazioni pertinenti, possono prestarsi bene all’automazione. Ma quando un sistema di IA prepara una comunicazione o suggerisce un’azione che potrebbe influire sull’esperienza di uno studente, una persona dovrebbe avere la possibilità di approvarla prima che qualsiasi cosa venga comunicata allo studente.

La supervisione umana non dovrebbe limitarsi a sottoporre i casi insoliti a un livello superiore o a rivedere decisioni già prese. Nelle interazioni più delicate, l’approvazione deve precedere l’azione, non seguirla. L’IA può individuare segnali, suggerire i passi successivi e preparare comunicazioni, mentre il personale mantiene il controllo su ciò che accade in seguito.

Questo approccio lascia spazio anche al giudizio e all’empatia, che la tecnologia non può sostituire. Uno studente alle prese con una situazione finanziaria insolita o in difficoltà sul piano accademico potrebbe aver bisogno di più di una raccomandazione automatizzata. La tecnologia dovrebbe aiutare il personale a riconoscere questi momenti e a rispondere con il contesto necessario, anziché escluderlo dal processo.

Un’implementazione responsabile significa anche proteggere le informazioni sensibili da cui dipendono queste esperienze. Collegare i sistemi e consentire all’IA di agire solleva questioni importanti riguardo all’accesso ai dati, alle autorizzazioni, alla sicurezza e alla responsabilità. Un agente che assiste nella procedura di candidatura o nella richiesta di aiuti finanziari dovrebbe poter accedere solo alle informazioni e alle azioni appropriate per quella specifica interazione, con limiti chiari a ciò che può fare.

Il lavoro di Microsoft Research sugli agenti con supervisione umana sottolinea l’importanza di integrare la supervisione e il controllo delle persone nei sistemi sempre più autonomi, anche attraverso meccanismi che consentano loro di partecipare al lavoro di un agente e di reindirizzarlo. Un’IA responsabile rende possibili esperienze migliori, contribuendo a creare la fiducia necessaria per offrirle.

La prossima generazione di IA sarà orientata ai risultati

Gli istituti devono compiere un altro cambiamento: modificare il modo in cui valutano se l’IA stia davvero funzionando.

Oggi le prestazioni dell’IA vengono spesso valutate in base a metriche di attività: conversazioni gestite, domande a cui è stata data risposta, tempi di risposta o richieste sottratte al personale. Queste misure possono dirci se un sistema viene utilizzato o se riduce il carico di lavoro, ma non necessariamente se ha aiutato qualcuno a raggiungere il proprio obiettivo.

Per uno studente che si è bloccato a metà della procedura di candidatura, il successo consiste nel completarla, non semplicemente nel ricevere risposte da un assistente IA. Per un ex studente che desidera riallacciare i rapporti, significa compiere il passo successivo in quella relazione.

L’impatto di queste esperienze digitali va ben oltre la comodità. La ricerca condotta sugli studenti ha rilevato che il 38% aveva rimandato un’importante attività relativa all’iscrizione, agli aiuti finanziari o al percorso accademico perché era difficile orientarsi tra gli strumenti digitali. Uno su quattro ha dichiarato che tali difficoltà lo avevano portato a chiedersi se valesse la pena continuare a essere iscritto, considerando tutte le complicazioni. Quando la tecnologia crea così tanti ostacoli, misurare il coinvolgimento con la tecnologia stessa significa perdere di vista l’obiettivo. Gli istituti dovrebbero chiedersi se le persone riescono a portare a termine le attività che intendevano svolgere, dove incontrano difficoltà e se l’esperienza migliora nel tempo.

La prossima generazione di IA sarà definita da ciò che le persone riusciranno a fare grazie ad essa, e questo cambiamento è entusiasmante. Che si tratti di affrontare il percorso universitario, gestire la propria assistenza sanitaria o interagire con un’organizzazione a cui si tiene, l’opportunità consiste nel rendere esperienze complesse davvero capaci di offrire sostegno. Per riuscirci servono percorsi progettati intorno alle persone reali, informazioni collegate, una supervisione umana efficace e l’impegno a misurare i risultati anziché l’attività.

L’obiettivo non è automatizzare di più fine a sé stesso, ma aiutare le persone ad andare avanti con meno ostacoli, maggiore fiducia e la più forte consapevolezza che l’organizzazione dall’altra parte le capisce davvero.