Il nuovo SaS, il Service-as-Software

Negli anni passati la spinta del movimento SaaS ha portato le aziende ad ingombrarsi di più software che mai. CRM, ERP, piattaforme documentali, sistemi di ticketing e strumenti di collaborazione hanno digitalizzato buona parte dei processi aziendali.

Tuttavia, all’aumentare dei tool interni non è sempre seguito un maggiore efficientamento. Anzi.

Molti processi continuano a dipendere da persone che copiano informazioni, verificano documenti, aggiornano sistemi e gestiscono richieste ripetitive.

Il problema? Il software aiuta a gestire il lavoro, ma non lo esegue sotto la supervisione umana.

È su questo collo di bottiglia che si basa il Service-as-Software, un modello interessante da esplorare per progettare e acquistare soluzioni aziendali.

Grazie all’intelligenza artificiale e all’automazione, alcuni servizi tradizionalmente svolti da persone possono essere supportati sempre di più da sistemi software integrati nei processi aziendali.

Dal SaaS al Service-as-Software: cosa cambia davvero

Il modello Software-as-a-Service (SaaS) ha reso le applicazioni aziendali accessibili attraverso il cloud, generalmente tramite abbonamento. Un’azienda acquista l’accesso a una piattaforma e i propri dipendenti la utilizzano per svolgere le attività.

Prendiamo un sistema di customer support.

Un software di ticketing permette di raccogliere le richieste, assegnarle agli operatori, monitorare i tempi di risposta e consultare lo storico delle conversazioni. È uno strumento utile, ma il lavoro rimane in gran parte nelle mani del team: qualcuno deve leggere il ticket, cercare le informazioni, formulare una risposta e risolvere il problema.

Con il Service-as-Software cambia il ruolo del sistema.

Un agente AI, collegato alla documentazione aziendale e ai sistemi operativi può interpretare la richiesta, recuperare le informazioni necessarie e risolvere autonomamente i casi che rientrano nel suo ambito di competenza. Quando incontra una situazione complessa o non dispone di dati sufficienti, può trasferire la richiesta a un operatore specializzato che, in questo modo, apporta il suo valore aggiunto quando serve, nei casi complessi.

L’obiettivo del SaS è quindi non solamente di fornire uno strumento, ma una capacità operativa di risolverne una parte.

Non significa che ogni applicazione debba diventare autonoma, né che il SaaS tradizionale sia destinato a scomparire. I due modelli possono convivere, e spesso è proprio la loro integrazione a generare valore.

Un CRM continua a essere il sistema di riferimento per i dati commerciali. Un servizio automatizzato può utilizzarli per completare determinate attività senza richiedere ogni volta l’intervento di un commerciale.

Il cambiamento è al livello del processo operativo.

Dove il Service-as-Software può creare valore

Le opportunità più interessanti si trovano nei processi ad alto volume, con attività ripetitive, informazioni distribuite e regole operative sufficientemente chiare.

Sono situazioni comuni in aziende strutturate, anche quando dispongono già di un’infrastruttura software articolata. Di seguito alcuni casi studio.

Customer support: dalle risposte suggerite ai ticket risolti

Il supporto clienti è uno degli ambiti in cui il passaggio è più semplice da comprendere.

Un assistente AI che suggerisce risposte agli operatori migliora il lavoro del team, ma lascia invariato il tasso di risposta, non aiutando di fatto a migliorare le metriche dei team.

Un AI agent integrato, accuratamente sviluppato e focalizzato su categorie specifiche, può impattare direttamente e positivamente le metriche del team, rispondendo in autonomia ma con il tone of voice caratteristico dell’azienda e pescando le informazioni direttamente dalla knowledge base aziendale.

Il nostro team ha già applicato con successo questo approccio in un progetto per un’azienda HR Tech, integrando un AI agent con la knowledge base e il CRM esistenti. Il sistema ha raggiunto circa il 30% di ticket deflection: quasi una richiesta su tre viene risolta senza intervento umano.

Attenzione: l’integrazione di questo strumento non ha ridotto del 30% i costi del supporto, né ha eliminato la necessità degli operatori. Significa che una quota misurabile del lavoro viene gestita direttamente dal sistema, lasciando al team i casi che richiedono maggiore attenzione e liberando tempo per scalare progetti che possono portare nuovi clienti.

Processi con un elevato carico documentale possono essere efficientati dall’estrazione dei dati al completamento delle pratiche

Un altro classico esempio, dove il SaS è facilmente applicabile è la gestione documentale.

In molte organizzazioni, ricevere un documento è soltanto l’inizio del processo: qualcuno deve leggerlo, identificare le informazioni rilevanti, verificarne la completezza e trasferire i dati nei sistemi gestionali.

Nell’ambito farmaceutico abbiamo realizzato una soluzione di automazione documentale in grado di elaborare oltre 1.000 documenti al mese, eliminando l’estrazione manuale dei dati.

È un risultato concreto su una fase del processo. Non implica che ogni controllo successivo sia stato eliminato. Al contrario, il ruolo dei professionisti di controllo qualità viene migliorato e velocizzato.

Il passo ulteriore, secondo la logica del Service-as-Software, consiste nel collegare l’estrazione all’esecuzione delle attività successive: validazione dei campi, gestione delle anomalie, aggiornamento dei sistemi e instradamento delle pratiche da verificare.

Il servizio non si limita più a produrre dati strutturati. Contribuisce a portare avanti il lavoro per cui quei dati sono necessari.

Operations: processi che attraversano più sistemi

Consideriamo un esempio ipotetico di gestione degli ordini B2B.

Un cliente invia un ordine via email, allegando un PDF. Un operatore legge il documento, verifica codici e disponibilità nell’ERP, controlla le condizioni commerciali e registra l’ordine.

Parte del processo potrebbe essere eseguita automaticamente: acquisizione del documento, interpretazione dei dati, confronto con l’anagrafica prodotti e preparazione dell’ordine nel gestionale.

Le eccezioni, come un codice sconosciuto o una condizione commerciale non prevista, rimarrebbero in gestione al personale autorizzato.

Il valore è misurabile tramite il numero di attività agentiche completate correttamente.

Il vero lavoro è dietro l’interfaccia: integrazione, dati e controllo

Come non ci stancheremo mai di dire, tutto gira intorno a struttura e dati!

Una dimostrazione può far sembrare semplice la costruzione di un servizio AI: arriva una richiesta, il sistema la interpreta e produce una risposta.

In produzione la situazione è diversa.

Un processo aziendale raramente inizia e termina in un’unica applicazione. Deve interagire con database, ERP, CRM, archivi documentali e sistemi di autorizzazione. Inoltre, i dati possono essere incompleti, i processi possono dover cambiare e possono apparire nuovi casi non contemplati inizialmente.

Ne deriva quindi che non possiamo ridurre un sistema Service-as-Software alla mera integrazione di un agente AI, che invece rappresenta un suo componente.

Il successo di questo tipo di progetti parte da un design architetturale dettagliato:

• L’acquisizione e centralizzazione dei dati è di fondamentale importanza, così come la corretta integrazione con API.
• Definire con precisione quale step del processo necessita di un’autonomia agentica, dove l’AI è lasciata agire in autonomia. Bisogna bilanciare il rischio di errore con l’autonomia decisionale di un’Intelligenza Artificiale.
• Tutti i processi hanno un certo grado di imprevedibilità. L’analisi e controllo delle eccezioni è fondamentale per un sistema che rimane stabile nel tempo. Un’eccezione che blocca il sistema o dà un errore sconosciuto non è efficiente quanto un sistema che chiede il supporto dell’operatore quando qualcosa non funziona correttamente.
• Monitoraggio e manutenzione. È necessario poter ricostruire le operazioni, identificare i fallimenti, misurare la qualità dei risultati e intervenire quando cambiano dati, modelli o processi.

Un design corretto prevede anche di rispondere ad una domanda importante e spesso sottovalutata, o volutamente messa da parte: in quali punti il sistema necessita di un’Intelligenza Artificiale, e perché?

Troppo spesso forziamo l’integrazione di Intelligenza Artificiale in processi che sono fondamentalmente deterministici, dove i dati sono organizzati in modo strutturato e l’output da ottenere deriva da una trasformazione o manipolazione programmatica del dato.

In questi casi, forzare l’integrazione di Intelligenza Artificiale all’interno di un processo porta soltanto disordine in un sistema che sarebbe altrimenti semplice e sufficientemente efficace. Senza parlare dei potenziali costi accessori che non portano alcun valore aggiunto.

L’obiettivo deve essere massimizzare l’automazione, mantenendo il controllo e la supervisione dell’operatore senza aggiungere componenti superflui.

Il Service-as-Software sposta il costo dall’utilizzo al risultato

Il modello di pricing di un SaaS classico prevede il pagamento a consumo. Generalmente una subscription che considera l’utilizzo del servizio, il numero di utenti utilizzatori etc.

Il SaS cambia prospettiva, proponendo un modello che a nostro parere, è più vantaggioso e onesto per l’utilizzatore finale. Il costo riflette i risultati.

Un servizio che supporta un team di customer service può avere un modello di pricing che viene monetizzato in base alla riduzione del volume in ingresso.

Un servizio di gestione documentale può essere monetizzato in base al numero di documenti processati e approvati dall’utente.

Questo nuovo modello commerciale può essere più facilmente connesso al processo aziendale e quindi per un COO o un CFO, il punto interessante è avere una relazione più diretta tra investimento tecnologico e capacità operativa.

Nella nostra esperienza, le metriche da osservare includono:

• Quota di azioni completate senza intervento umano.
• Tempo totale di completamento, comprese le eccezioni.
• Qualità dei risultati e frequenza delle correzioni.
• Costo complessivo per azione correttamente completata, includendo integrazioni, supervisione e manutenzione.

Ogni processo è a sé, e va esaminato in maniera indipendente e senza applicare un modello standard che potrebbe non essere adatto in ogni situazione.

Come capire se la tua azienda è pronta per il Service-as-Software

Il nostro punto di partenza, quando possibile, è sempre l’analisi funzionale di un processo specifico. Alcune domande utili che possono servire per fare una prima analisi interna:

1. Quanto lavoro manuale richiede il processo e con quanti tool è necessario interagire?
2. Quanta variabilità è presente nei dati, quali eccezioni possono esistere e qual è il rischio di un’azione errata portata a termine?
3. I tool necessari per il completamento del processo sono accessibili e integrabili con tool esterni? Se gli strumenti in gioco non forniscono API o sistemi di connessione sufficienti, l’integrazione diventa complessa.
4. Quali sono le metriche su cui il sistema viene misurato? La supervisione di un operatore è necessaria solo alla fine o durante il processamento e l’esecuzione automatica?

Un sistema di domande come questo permette di identificare facilmente se l’integrazione di Intelligenza Artificiale è necessaria fin da subito o se è possibile definire un servizio di automazione deterministico e aggiungere un’IA solo successivamente come ulteriore supporto.

Il Service-as-Software non è sempre la risposta migliore. Alcune volte un SaaS è ancora la risposta corretta, altre un buon vecchio system design deterministico è la scelta più saggia!

A Data Artisan Studio crediamo che il futuro sia tecnologia integrata, semplice e multi-funzione

Crediamo che il concetto interessante del Service-as-Software non sia la sostituzione dell’intervento umano, ma la possibilità di costruire sistemi che abbracciano interi processi aziendali a supporto di operatori specializzati che interagiscono e supervisionano sempre più ad alto livello.

Per le aziende, crediamo che il SaS sia inizialmente un male necessario da affrontare, magari con il nostro supporto. Il successo di questi progetti prevede uno sforzo iniziale dove i processi vengono mappati e le persone all’interno di essi vengono coinvolte positivamente.

Lo scopo deve essere quello di ridurre la frizione nell’esecuzione senza rimuovere la supervisione degli esperti di dominio, che avranno sempre quella sensibilità ed esperienza necessarie per correggere l’esecuzione in corso d’opera, quando necessario.

A Data Artisan Studio abbiamo aiutato già numerose aziende a navigare processi trasformativi integrando sistemi basati su Intelligenza Artificiale e automazione. Le nostre proposte partono da una conoscenza iniziale di condivisione, tramite le nostre Masterclass, per poi trasformarsi in vere e proprie partnership dove ci occupiamo di portare a termine la costruzione di sistemi intelligenti costruiti attorno alle necessità della vostra azienda.

Prenota una call di 20 minuti per confrontarci sul contesto operativo e capire se esiste un percorso progettuale sensato.