Interviste

Zack Peng, cofondatore e CEO di Seel – Serie di interviste

Antoine Tardif
Aggiungi Unite.AI alle tue fonti preferite su Google
Zack Peng, Co-Founder and CEO of Seel
Punti chiaveSeel risolve oltre il 99% dei casi di assistenza consentendo all'IA di completare le…
Vedi di più
  • Seel risolve oltre il 99% dei casi di assistenza consentendo all'IA di completare le risoluzioni anziché deviare i ticket.
  • La fiducia nell'assistenza basata sull'IA dipende dalla presenza di un'uscita visibile verso un operatore umano, più che dall'accuratezza del bot.
  • I commercianti dovrebbero pretendere prove dei tassi di risoluzione end-to-end e della responsabilità, anziché demo ben curate.

Zack Peng è cofondatore e CEO di Seel, dove si occupa dei problemi che acquirenti e commercianti affrontano dopo il checkout. Il suo lavoro è iniziato con la previsione di resi e rimborsi e si è poi esteso ai sistemi di IA che risolvono le richieste dei clienti nei diversi processi di commercio. Sostiene l’uso di agenti capaci di agire, con limiti operativi chiari, possibilità di escalation a un operatore umano e responsabilità per l’esito ricevuto dai clienti.

Seel offre servizi post-acquisto e agenzie di IA per l’e-commerce, tra cui protezione degli acquisti e delle consegne, assistenza clienti e rivendita. La sua piattaforma collega i sistemi dei commercianti, le informazioni sugli ordini e i flussi di lavoro dei servizi per aiutare a risolvere i problemi degli acquirenti, mentre LLM Gateway consente di accedere ai modelli e di instradare le richieste in base alle attività. In questa intervista, Peng parla del passaggio dal rispondere alle domande al farsi carico dei risultati, dei controlli necessari affinché gli agenti possano agire su più sistemi e di come i commercianti possano valutare l’affidabilità dei servizi di IA.

Che cosa l’ha spinta a cofondare Seel e in che modo affrontare i problemi che gli acquirenti incontrano dopo il checkout l’ha portata a sviluppare una forza lavoro basata sull’IA per l’e-commerce?

Tutto è iniziato con un marketplace. Abbiamo incontrato il fondatore di un marketplace e abbiamo visto quanto impegno il settore dedicava a prevedere le contestazioni di addebito, che costano circa lo 0,5% del GMV. Resi e rimborsi rappresentavano invece dal 10 al 20%, e nessuno cercava di prevederli. Così abbiamo creato un modello in grado di farlo e lo abbiamo usato per consentire agli acquirenti di pagare una piccola commissione per rendere rimborsabili gli articoli venduti senza possibilità di reso. Pensavo che avrebbe aderito dal 3 al 5% degli acquirenti. In realtà è stato dal 10 al 20%. Questo ci ha dimostrato che gli acquirenti sono disposti a pagare per sentirsi sicuri dopo il checkout, proprio come fanno quando acquistano AppleCare o un’esenzione dalla responsabilità per un’auto a noleggio.

La forza lavoro basata sull’IA è nata dalla nostra casella di posta dell’assistenza. Più del 70% dei ticket di assistenza non riguardava i resi. Gli acquirenti volevano sapere dov’era il loro ordine o se potevano cambiare un articolo. Invece di rimandarli al commerciante, abbiamo iniziato a risolvere noi stessi quei ticket. Abbiamo capito che il vero valore dell’IA nel commercio non consiste nel risparmiare. Sta nel fare le cose all’istante e su larga scala, anche nei periodi di picco. Questo significa disporre di sistemi di IA capaci di valutare e approvare i rimborsi ammissibili prima ancora di ricevere i resi, oltre che di agenti di IA attivi 24 ore su 24, 7 giorni su 7, in grado di agire per risolvere le richieste dei clienti.

Lei descrive un percorso che dai chatbot capaci di rispondere alle domande passa agli agenti che agiscono e poi alle agenzie di IA che si fanno carico di un intero risultato. Che cosa cambia, sul piano tecnico e operativo, tra queste fasi? Può illustrarlo con un problema reale di un cliente?

La differenza sta in chi si fa carico del risultato. Un chatbot risponde alla domanda «Dov’è il mio ordine?». Un agente completa una singola attività, per esempio aprire una richiesta di risarcimento. Un’agenzia si assume la responsabilità del risultato: che il cliente riceva ciò per cui ha pagato.

Sul piano tecnico, un’agenzia opera su più sistemi, tra cui il negozio del commerciante, il corriere e i pagamenti, invece di lavorare all’interno di un solo sistema. Segue un caso per giorni, non per una sola conversazione, e deve sapere quando il problema è davvero risolto. Sul piano operativo, si smette di dimensionare il personale in base al volume dei ticket e si inizia a farlo in base alle eccezioni.

Prendiamo il caso di un pacco segnato come consegnato che non è mai arrivato. Un chatbot dice all’acquirente di aspettare. Un agente apre una richiesta di risarcimento. Seel Agencies controlla la scansione del corriere e la cronologia dell’ordine, verifica i requisiti, dispone un rimborso o invia una sostituzione, aggiorna i registri del commerciante e comunica all’acquirente che il problema è risolto. In qualità di partner che gestisce per i commercianti i ticket post-acquisto dall’inizio alla fine, abbiamo prima sperimentato questa infrastruttura di IA sui nostri ticket. Questo approccio basato sulla risoluzione ci ha aiutato a raggiungere un tasso di risoluzione superiore al 90% e a segnalare e rimborsare immediatamente le richieste ammissibili.

Immaginiamo che un agente di acquisto acquisti per conto di qualcuno la taglia sbagliata. Che cosa dovrebbe accadere tra l’agente, il commerciante e Seel per risolvere l’errore, e chi dovrebbe essere responsabile del risultato?

L’acquirente non dovrebbe essere costretto a fare da arbitro. A prescindere da chi abbia commesso l’errore, la soluzione è la stessa: un cambio o un rimborso rapido.

Tre elementi lo rendono possibile. L’ordine deve registrare chi lo ha effettuato e in base a quali istruzioni, così che sia possibile risalire alla decisione dell’agente. In secondo luogo, la politica di reso del commerciante deve essere leggibile da una macchina, affinché un agente possa applicarla. In terzo luogo, qualcuno deve garantire il risultato prima che venga stabilito di chi sia la colpa.

È qui che entra in gioco Seel. Ci assumiamo la responsabilità finanziaria. Se l’ordine era protetto, l’acquirente viene rimborsato integralmente per primo e solo in seguito si stabilisce a chi attribuire la responsabilità. Se un agente di acquisto basato sull’IA ordina per conto di qualcuno la taglia sbagliata, l’acquirente dovrebbe poter ottenere una soluzione con le stesse modalità previste se avesse effettuato l’ordine personalmente, purché al checkout sia stata aggiunta la protezione adeguata e il problema rientri nella copertura. Ci assumiamo la responsabilità finanziaria degli esiti che copriamo. L’acquirente non dovrebbe essere costretto a fare da arbitro per stabilire se l’errore sia suo o dell’agente.

Il vostro team afferma che l’IA accelera l’80% del volume dei ticket di assistenza di Seel. Che cosa significa concretamente «accelera», quanti ticket vengono risolti senza intervento umano e quali indicatori dimostrano che i clienti ricevono davvero un servizio migliore?

Significa che l’IA svolge il lavoro che prima rallentava una persona: esamina il caso, recupera i dati dell’ordine e del corriere, verifica le condizioni del venditore e, nella maggior parte dei casi, completa la risoluzione. L’IA gestisce l’80% del volume dei nostri ticket. Nel complesso, risolviamo il 99% o più dei casi di assistenza, mentre di solito il settore parla di percentuali comprese tra il 60 e il 70%.

Ma il solo tasso di chiusura può nascondere un servizio scadente, perché un bot che evita ai clienti di rivolgersi all’assistenza fa un’ottima figura su una dashboard. Per questo monitoriamo metriche come il tasso di riapertura delle richieste, il tasso di escalation a un operatore umano e la soddisfazione dei clienti. La rapidità è importante nei momenti che frustrano i clienti. Modificare un indirizzo di spedizione di solito comporta una serie di e-mail tra sistemi separati per gli ordini e l’evasione. I nostri operatori lo fanno in pochi minuti.

La misura che mi interessa di più è sapere se il cliente effettua un nuovo acquisto. Nella nostra rete, il 69% dei clienti che hanno acquistato di nuovo aveva protetto il primo ordine.

Ti sei descritto come «favorevole agli agenti, ma non all’autopilota». Quali decisioni riservi deliberatamente alle persone e come fa il tuo sistema a riconoscere quando un caso apparentemente di routine richiede il giudizio umano?

Autopilota significa che nessuno vigila. Vogliamo che gli agenti svolgano la maggior parte del lavoro e che siano le persone a prendere le decisioni quando serve giudizio.

Riserviamo alle persone tre tipi di decisioni: tutto ciò che definisce le condizioni, i casi in cui una decisione sbagliata è costosa da correggere e i casi così insoliti che la risposta prevista dalla regola potrebbe non essere quella più equa. L’IA gestisce i casi di routine entro questi limiti e non può ampliare i propri poteri. Se un’azione non è stata autorizzata, oppure un caso richiede un’approvazione aggiuntiva o una gestione speciale, viene inoltrato direttamente a una persona.

Il sistema considera non solo il tipo di richiesta, ma anche il contesto: rischio, urgenza, frustrazione del cliente e sensibilità rispetto alle condizioni. I casi ad alto rischio vengono indirizzati alle persone, mentre quelli sensibili rispetto alle condizioni possono richiedere verifiche aggiuntive prima di procedere. Queste soglie vengono configurate in base al venditore e al flusso di lavoro, anziché essere definite da un unico importo in dollari o da un punteggio di affidabilità valido per tutti. Una richiesta di pagamento accelerato o di un importo di rimborso più elevato, per esempio, può non rientrare nei poteri autonomi dell’IA.

Le tue ricerche sui clienti suggeriscono che molti appartenenti alla Gen Z vogliono ancora che una persona intervenga per risolvere i loro problemi. Che cosa hai imparato su come progettare un’assistenza basata sull’IA che sappia conquistare la fiducia, soprattutto quando i clienti vogliono contestare una decisione o parlare con una persona?

La Gen Z è la generazione più a suo agio con l’IA, ma anche la più rapida ad accorgersi quando un’azienda la usa per evitarla. Nel nostro rapporto del 2026 sugli acquisti della Gen Z, il 49% degli appartenenti a questa generazione ha dichiarato che preferirebbe risolvere un problema con una persona. Vogliono comunque una soluzione rapida: l’87% dei clienti si aspetta che un problema venga risolto entro due o tre giorni.

Abbiamo imparato che la fiducia dipende dalla possibilità di passare a una persona, non dal bot. Quando i clienti sanno di poter parlare con qualcuno, sono contenti di lasciare che sia l’IA a occuparsi delle questioni. Quando l’IA diventa un ostacolo, la fiducia crolla, anche se la risposta era corretta.

Per questo puntiamo su tre aspetti:

  • La rapidità, così da risolvere i problemi prima che subentri la frustrazione
  • Una spiegazione chiara e semplice ogni volta che l’IA risponde di no
  • E la possibilità di passare con un solo passaggio a una persona, che visualizza subito tutta la cronologia, così il cliente non deve ripetere nulla.

Quando gli agenti possono emettere rimborsi, modificare ordini o intervenire nei sistemi dei venditori, gli errori hanno conseguenze finanziarie. Come gestite le autorizzazioni, impedite azioni duplicate o non autorizzate e ricostruite l’accaduto quando qualcosa va storto?

Ogni agente riceve gli accessi necessari al proprio lavoro, e nessun altro. Limitiamo tali accessi ai flussi di lavoro specifici concordati con il venditore. Utilizziamo account dedicati o token API, separati dalle identità dei dipendenti, in modo che il venditore possa modificare, sospendere o revocare gli accessi in qualsiasi momento.

Per le azioni a rischio più elevato, come i rimborsi di importo consistente, possiamo configurare una revisione umana o soglie basate sugli importi e sulle regole, in linea con i requisiti del venditore. Dare a un agente accesso a un sistema non dovrebbe significare conferirgli un mandato senza limiti.

Ogni azione eseguita nel sistema viene registrata, indicando quando è avvenuta, che cosa è stato fatto e che cosa l’ha attivata. Se qualcosa va storto, disponiamo così di una traccia da esaminare con il venditore, che ci permette di contribuire al ripristino delle modifiche e di rendere più rigorose le regole in seguito.

Con 1-Click Resale, gli agenti creano annunci, stabiliscono i prezzi e coordinano le vendite su più marketplace. Come verificate le descrizioni dei prodotti e i prezzi e impedite che un articolo venga venduto due volte quando gli aggiornamenti dei marketplace arrivano in ritardo?

La nostra agenzia di rivendita svolge il lavoro che di solito un venditore preferisce evitare. Esamina la foto inviata dal cliente per verificare le condizioni dell’articolo, ne stabilisce il prezzo in base al mercato, crea l’annuncio e lo rimuove una volta venduto.

Le descrizioni partono dai dati che già possediamo. Poiché l’articolo proviene da un ordine effettuato presso un venditore, l’agenzia si basa sulla scheda prodotto originale. Per stabilire il prezzo, parte da quello a cui sono stati effettivamente venduti articoli comparabili, tenendo conto delle condizioni. Il cliente conferma il preventivo prima che procediamo, mentre il nostro team si occupa dell’annuncio e di eventuali dettagli mancanti.

L’obiettivo è rendere più semplice la rivendita, così che i clienti possano recuperare parte del valore degli articoli che non vogliono più, anche dopo la scadenza del periodo di reso

Quali sfide operative vi hanno spinto ad aprire LLM Gateway di Seel e come scegliete i modelli per le diverse attività in base ad affidabilità, latenza e costi? Valutate i costi per chiamata al modello o per risultato ottenuto con successo per il cliente?

L’abbiamo creato innanzitutto per noi. Sviluppare Seel Agencies per gestire i nostri flussi di lavoro ci ha insegnato che usare l’IA su larga scala richiede disciplina nella selezione dei modelli. Avevamo bisogno di scalabilità, affidabilità, accesso ai migliori modelli e costi unitari prevedibili, perciò abbiamo realizzato l’infrastruttura necessaria. Anche i commercianti subivano la stessa crescita dei costi, modello per modello e richiesta per richiesta, così abbiamo reso disponibile l’infrastruttura.

Instradiamo le richieste in base all’attività. Recuperare il numero di un ordine da un’e-mail non richiede lo stesso modello necessario per affrontare un problema complesso articolato in più passaggi. LLM Router valuta la complessità della richiesta e la instrada tra i modelli autorizzati dal cliente. I clienti possono scegliere tra prestazioni, risparmio o un equilibrio tra i due. In questo modo decidono quanto ridurre i costi nelle attività più semplici.

Affidabilità e latenza devono comunque essere adeguate ai carichi di lavoro effettivi. Consigliamo di verificare qualità, tempi di risposta e costi prima di spingere ulteriormente sull’instradamento automatico. Per i flussi di lavoro complessi o le attività che richiedono una rigorosa coerenza, i clienti possono mantenere un modello specifico anziché ricorrere all’instradamento automatico.

LLM Router addebita l’utilizzo dei modelli, non ogni risultato ottenuto con successo per il cliente. Con l’instradamento intelligente, l’addebito è calcolato alla tariffa del modello effettivamente utilizzato. Seel si fa carico del costo di valutazione della complessità della richiesta necessario per decidere come instradarla.

Per chi fonda imprese nel settore dell’IA, cosa vi ha insegnato Seel sulla differenza tra una dimostrazione d’effetto e un servizio su cui i clienti possono contare? Quali prove dovrebbe chiedere un commerciante prima di affidare a un’agenzia di IA un’intera funzione aziendale?

Una demo mostra il sistema in funzione una volta. Un servizio dimostra che funziona anche al decimillesimo caso, alle 2 di notte, quando l’API del corriere è fuori uso e il cliente è arrabbiato. La parte difficile non è mai stata il modello: sono i dati scadenti, i sistemi che si contraddicono e la capacità di capire quando l’IA non dovrebbe intervenire.

I commercianti dovrebbero chiedere prove, non demo. Quale percentuale dei casi l’agenzia risolve dall’inizio alla fine? Quali sono i suoi tempi di risoluzione e i tassi di riacquisto, oltre alla riduzione dei ticket? Quando sbaglia, chi paga, quanto tempo ci vuole e si può vedere esattamente che cosa ha fatto? E quante persone servono per gestirla?

Grazie per la bella intervista. I lettori che desiderano saperne di più sulle agenzie di IA, sui servizi post-acquisto e sull’automazione per l’e-commerce possono visitare Seel.

Antoine è un leader visionario e socio fondatore di Unite.AI, animato da una passione incrollabile per plasmare e promuovere il futuro dell’IA e della robotica. Imprenditore che ha fondato diverse aziende, ritiene che l’IA trasformerà la società quanto l’elettricità e parla spesso con entusiasmo del potenziale delle tecnologie dirompenti e dell’intelligenza artificiale generale (AGI).

In qualità di futurologo, si dedica a esplorare come queste innovazioni plasmeranno il nostro mondo. È inoltre il fondatore di Securities.io, una piattaforma incentrata sugli investimenti in tecnologie all’avanguardia che stanno ridefinendo il futuro e trasformando interi settori.