Chatbot aziendali: la sfiducia motivata dai dati Gartner

Un responsabile acquisti cerca il disegno tecnico di un componente fuori catalogo. Apre il chatbot sul portale del fornitore, inserisce la matricola e riceve una risposta generica su come consultare l’indice dei prodotti, senza riferimenti al pezzo cercato né una via rapida per contattare l’ufficio tecnico. Quell’utente chiude la finestra in trenta secondi. Non tornerà.

Solo il 27% dei clienti è disposto a riprovare un chatbot aziendale dopo un’esperienza negativa. Lo dice un’indagine Gartner su 3.566 clienti B2B e B2C, condotta tra febbraio e marzo 2026 e resa nota in un comunicato del 2 settembre 2026: il 73% che resta fuori da quel 27% non concede una seconda possibilità. La reazione istintiva di molti fornitori consiste nel lamentare la diffidenza degli acquirenti o la resistenza al cambiamento tecnologico. La realtà operativa è diversa: hanno ragione gli utenti. Nel B2B, dove un errore durante una valutazione tecnica costa fermi impianto o la perdita immediata di una fornitura, il margine per sbagliare è nullo.

Il dato interessante non è la percentuale in sé. È il paradosso che ci sta intorno.

Perché i chatbot restano fermi mentre gli investimenti crescono?

Nello stesso periodo, la disponibilità dichiarata dai clienti a usare un chatbot aziendale è alta: il 49% direbbe di sì, se l’azienda ne offrisse uno. Ma nell’ultima interazione di assistenza registrata dal sondaggio, solo il 7% lo ha effettivamente usato. Tra intenzione e comportamento reale ci sono 42 punti percentuali di distanza, e i clienti in quella distanza non stanno ad aspettare: vanno altrove.

Secondo un comunicato Gartner pubblicato l’8 luglio 2026, i clienti sono circa tre volte più propensi a usare uno strumento GenAI di terze parti, come ChatGPT o Gemini, rispetto a un chatbot fornito dall’azienda durante l’ultima interazione di servizio. La tendenza si sta allargando in fretta: l’uso di GenAI di terze parti nel servizio clienti è quasi raddoppiato nell’ultimo anno, mentre l’uso dei chatbot aziendali è rimasto statisticamente invariato dal 2022.

I budget, nel frattempo, non sono piccoli. Un’indagine Gartner su 1.303 leader aziendali, condotta tra gennaio e aprile 2026, registra un investimento mediano del 12% del budget 2025 destinato all’AI nel service e support: la quota più alta tra le dieci funzioni aziendali analizzate. Il ritorno non segue lo stesso ritmo: solo il 24% di quei leader ha dimostrato ritorni finanziari positivi sui propri casi d’uso AI. Il 76%, no.

Budget in crescita, adozione ferma, ritorno che manca per tre leader su quattro. Tre numeri, un’unica storia.

Il problema non è la tecnologia

Eric Keller, Sr Director Analyst nella practice Gartner Customer Service & Support, spiega la reazione degli utenti in modo netto: «Quando hanno bisogno di aiuto, il comportamento dei clienti è guidato dalle esperienze passate. Se in precedenza i chatbot hanno frainteso il loro problema, fornito risposte generiche o reso più difficile raggiungere una persona, i clienti scelgono un altro canale». Non è tanto un problema di modelli linguistici troppo deboli, quanto di ciò che sono chiamati a fare, e di come.

Nel commercio al dettaglio una risposta imprecisa genera al massimo un reso postale. Nel settore industriale le cose funzionano diversamente.

Chi contatta l’assistenza tecnica o il servizio clienti di un produttore ha spesso una commessa in scadenza, una linea di montaggio da sbloccare o un capitolato da verificare. In questo scenario, una risposta allucinata su una portata volumetrica, una tolleranza meccanica o un codice ricambio errato non è un banale attrito: produce danni economici diretti e contestazioni formali. I tecnici e i buyer non cercano conversazioni brillanti. Cercano risposte esatte, verificabili e immediatamente spendibili. Se il sistema inventa dettagli o non capisce la richiesta, il cliente non insiste: abbandona il canale.

Due aspettative concrete restano scoperte nella maggior parte delle soluzioni attuali:

Risoluzione operativa, non risposte generiche. Chi consulta un canale aziendale cerca un esito pratico: verificare la compatibilità di un pezzo, recuperare documentazione specifica o avviare una procedura. Molti chatbot continuano invece a funzionare come semplici motori di ricerca per testi preimpostati, costringendo l’utente a leggere paragrafi inutili anziché risolvere il punto.
Accesso immediato all’operatore. Quando l’automazione non basta, serve una via d’uscita senza ostacoli. L’87% dei clienti considera essenziale poter accedere a un operatore umano quando un’azienda impiega la GenAI nell’assistenza.

Eric Keller mette in guardia contro le cosiddette «trappole di contenimento» (containment traps): assistenti configurati per fare da scudo ed evitare che l’utente parli con una persona. Un chatbot che nasconde l’operatore o gira a vuoto fingendo una certezza che non possiede non abbatte i costi operativi. Distrugge la reputazione commerciale dell’azienda fornitrice.

Cosa cambia, secondo Gartner

La raccomandazione di Keller è netta: «I responsabili del servizio clienti dovrebbero dare priorità all’affidabilità rispetto alla copertura». Meglio un assistente che risolve con precisione un insieme mirato di casi rispetto a uno che tenta di rispondere a qualunque domanda e sbaglia di continuo.

Gartner suggerisce questi passaggi operativi:

Partire da implementazioni mirate e verificate su casistiche con un tasso di successo già documentato.
Comunicare con trasparenza cosa il sistema è in grado di svolgere.
Allargare il perimetro solo dopo che la stabilità operativa è dimostrata sui dati reali.

Il chatbot non deve trattenere ogni richiesta a ogni costo. Funziona come connettore verso il supporto specialistico: se non individua la soluzione con un margine di confidenza elevato, deve passare il testimone al tecnico umano trasferendo l’intero contesto raccolto, evitando che il cliente debba ripetere la spiegazione da capo.

Cosa significa per chi valuta un progetto AI oggi

Nel lavoro quotidiano con le aziende che valutano un assistente AI, questi dati confermano un principio cardine: il rischio primario non è la scelta dell’algoritmo, è la definizione del perimetro operativo. Un progetto radicato su un caso d’uso delimitato, con risposte vincolate ai soli documenti aziendali verificati e un passaggio strutturato all’operatore umano quando il quesito esce dal recinto, genera adozione reale. Al contrario, un sistema generalista che promette di coprire l’intera documentazione aziendale senza controlli fallisce nelle prime settimane di test.

Questo criterio guida l’architettura di AVA, l’assistente enterprise sviluppato in Aidia: informazioni vincolate alle basi documentali proprietarie, nessun dato inventato e capacità agentiche progettate per eseguire azioni sui gestionali interni, non per simulare dialoghi di cortesia. Nei test interni l’accuratezza misurata è del 94%, convalidata su 100 risposte analizzate singolarmente. Un parametro misurato sul campo, non dichiarato a stima.

Stabilire quando l’AI risolve il problema e quando serve invece la competenza diretta di una persona resta il passaggio decisivo di ogni progetto. Guardando ai numeri di Gartner, è esattamente ciò che il mercato B2B esige.

Per una valutazione tecnica del perimetro più adatto a un assistente AI nei tuoi processi aziendali, parla con il nostro team.

Domande frequenti

Quanti clienti sono disposti a riprovare un chatbot dopo un’esperienza negativa?

Secondo Gartner, solo il 27% dei clienti userebbe di nuovo un chatbot aziendale dopo un’esperienza negativa. Il dato emerge da un sondaggio su 3.566 clienti B2B e B2C condotto tra febbraio e marzo 2026. Il restante 73% abbandona il canale aziendale e cerca risposte altrove.

Perché i clienti usano più spesso ChatGPT o Gemini rispetto ai chatbot aziendali?

Gartner calcola che i clienti siano circa tre volte più propensi a utilizzare strumenti GenAI di terze parti rispetto ai chatbot aziendali durante un’interazione di supporto. L’uso di questi strumenti generici è quasi raddoppiato in un anno, mentre l’adozione delle soluzioni fornite direttamente dalle aziende resta ferma ai livelli del 2022.

Investire in AI per il servizio clienti garantisce un ritorno economico?

Non in modo automatico. Gartner evidenzia un divario di 42 punti percentuali tra la disponibilità dichiarata a usare un chatbot (49%) e l’effettivo utilizzo (7%). Senza un’affidabilità dimostrata sui casi d’uso specifici, l’investimento non produce ritorni perché l’insuccesso iniziale allontana i clienti dal servizio.

Cosa chiedono i clienti B2B a un assistente AI?

I clienti aziendali cercano affidabilità e compiti portati a termine con precisione, non semplici dialoghi informativi. L’87% considera indispensabile poter accedere a un operatore umano quando l’automazione non basta, con il trasferimento immediato delle informazioni già raccolte per non dover ricominciare la spiegazione da capo.