In un sondaggio condotto su 166 agenzie governative in tutto il mondo, i chatbot sono emersi come i primi con il 26% che li sta già implementando e un altro 59% che prevede di implementarli entro tre anni (Figura 1). In una revisione di 230 servizi pubblici abilitati all'IA in tutta l'Unione europea, i chatbot sono emersi come la prima scelta, rappresentando oltre un quinto dei casi utilizzati (Commissione europea, 2020). Si prevede che il mercato globale dell'intelligenza artificiale conversazionale, inclusi chatbot e assistenti virtuali intelligenti, avrà un tasso di crescita annuale composto (CAGR) del 22% nel periodo 2020-2025, raggiungendo quasi 14 miliardi di dollari statunitensi (USD) (Deloite, 2017).

Un chatbot (o assistente virtuale) è un algoritmo che conduce una conversazione testuale o orale. Sebbene i chatbot non siano realmente una nuova tecnologia – ad esempio, il primo chatbot era già stato programmato nel 1966 per scoprire se gli esseri umani sarebbero stati in grado di scoprire se stavano parlando con una persona o con una macchina – il potenziale dei chatbot è ora considerevolmente più alto a causa dei progressi nelle tecnologie di intelligenza artificiale e dei modelli di comunicazione in evoluzione (Van Noordt e Misuraca, 2019).

I chatbot sono essenzialmente programmi per computer in grado di riconoscere l'input di un utente utilizzando tecnologie di pattern matching, accedere alle informazioni e rispondere con le informazioni trovate nel knowledge database. Mentre i chatbot di base comunicano tramite risposte pre-programmate, quelli più avanzati utilizzano l'intelligenza artificiale, che consente alle macchine di analizzare ed elaborare meglio il contesto delle lingue (noto come Natural Language Processing o NLP), che a sua volta consente ai chatbot di affrontare compiti più complessi e ospitare conversazioni più umane. I chatbot vengono sempre più utilizzati dai governi per aiutare a gestire grandi volumi di contatti dei cittadini e aiutare i cittadini a navigare in politiche e leggi complesse per accedere in ultima analisi ai servizi pubblici (Heman, 2020).

Guidare comunicazioni incentrate sul cliente negli istituti di previdenza sociale: esperienze degli istituti membri dell'ISSA

Data l'importanza dell'impegno del cliente per l'amministrazione della previdenza sociale, non sorprende che gli istituti di previdenza sociale stiano perseguendo con entusiasmo i chatbot. Sebbene i chatbot possano migliorare la soddisfazione del cliente e migliorare l'efficienza operativa, l'implementazione di un chatbot non è un processo lineare. Le opportunità, i costi e i rischi associati ai chatbot possono variare notevolmente a seconda delle tecniche di implementazione, dei mezzi di comunicazione, degli obiettivi prefissati, della capacità operativa e del canale di comunicazione (ORA, 2021). L'International Social Security Association (ISSA) promuove l'uso responsabile dei chatbot attraverso le sue linee guida. Nel Linee guida ISSA sulla comunicazione da parte delle amministrazioni della previdenza sociale (ISSA, 2019a), la linea guida 10 fa riferimento all'"uso strategico delle nuove tecnologie di comunicazione" in tutte le aree relative all'uso dei chatbot nei social media e nei sistemi di messaggistica, mentre la linea guida 14 fa riferimento alle informazioni incentrate sul cliente. Il Linee guida ISSA sulla qualità del servizio (ISSA, 2019b), la linea guida 5 si concentra sulla "comprensione delle esigenze e delle esperienze degli utenti" che si applica anche al processo di sviluppo alla base dei chatbot. Infine il Linee guida ISSA sulla tecnologia dell'informazione e della comunicazione (ISSA, 2022a) si riferisce all'implementazione di un service desk e ai processi di evasione delle richieste, compresi i service desk virtuali (linea guida 17), e ai potenziali usi della tecnologia emergente, che contestualizzano l'uso dei chatbot come applicazione dell'intelligenza artificiale (linea guida 96). Anche l'ISSA ha facilitato Conversazioni tra le istituzioni membri per far emergere le complesse sfumature intorno ai chatbot. In particolare, una sessione dedicata all'intelligenza artificiale presso il 16a Conferenza Internazionale ISSA sulle tecnologie dell'informazione e della comunicazione nella sicurezza sociale ha evidenziato le opportunità e le complessità associate ai chatbot abilitati all'intelligenza artificiale. Questo articolo analizza queste esperienze allo stesso modo di un articolo (ORA, 2021) che descriveva le implementazioni di chatbot in America Latina.

Ufficio nazionale per l'impiego, Belgio

L'Ufficio Nazionale per l'Impiego (ufficio nazionale del lavoro – ONEM) in Belgio ha istituito un chatbot per alleviare le pressioni del contact center causate dai volumi senza precedenti a seguito della crisi COVID-19 (National Employment Office, 2021 ed 2022). Il primo chatbot, noto come Marc, è stato implementato sul sito web di ONEM nel maggio 2020. Nella sua fase iniziale, il chatbot era progettato per soddisfare un solo tipo di richiesta del cliente: dava ai cittadini un rapido accesso alle copie dei certificati fiscali di cui avevano bisogno da presentare unitamente alla dichiarazione dei redditi. Nel maggio 2021, le capacità del chatbot sono state notevolmente ampliate ed è stato lanciato un nuovo chatbot chiamato Ori. Sulla base dell'analisi delle domande poste a Ori dai clienti, nel dicembre 2021 è stata lanciata una versione aggiornata. Ora è in grado di rispondere a una serie di domande relative alla disoccupazione e alle interruzioni di carriera. Aiuta anche i clienti a navigare con facilità nel sito Web di ONEM. Inoltre, funge da strumento promozionale per incoraggiare l'uso dell'e-box, la cassetta postale virtuale e sicura del Belgio che consente alle autorità di comunicare in sicurezza con i cittadini. Ancora più importante, il chatbot ricorda il contesto in cui si trova il cliente quando fa domande, assicurando che il chatbot possa continuare a supportare il cliente indipendentemente da dove e come il cliente naviga nel sito web. Infine, i temi trattati dal chatbot vengono regolarmente aggiornati sulla base dell'analisi delle domande dei clienti.

Istituto di previdenza sociale, Finlandia

L'Istituto di previdenza sociale (Kela) in Finlandia ha creato due chatbot, Kela-Kelpo e FPA-Folke, per aiutare i clienti a trovare informazioni sui benefici sul portale web self-service di Kela (Istituto di previdenza sociale, 2022a ed 2022b). Basati sull'elaborazione del linguaggio naturale, i chatbot parlano due lingue, finlandese e svedese, e comprendono anche l'inglese. Il Kela ha inizialmente lanciato i chatbot nel 2017, che sono stati arricchiti con informazioni su una serie crescente di vantaggi nel corso del 2017 e del 2021. I vari chatbot sono stati consolidati come Kela-Kelpo/FPA-Folke nel 2020 per evitare che i clienti debbano spostarsi tra più chatbot per conoscere diversi vantaggi. Questi chatbot conversazionali facilitano la scoperta e l'interpretazione delle informazioni e il completamento delle applicazioni di benefit. Inoltre, il chatbot consolidato fornisce suggerimenti personalizzati basati su variabili contestuali man mano che i clienti compilano le domande per benefici come benefici parentali, assistenza sociale e così via. Durante la crisi del COVID-19, è stato temporaneamente implementato un chatbot dedicato per rispondere alle domande sull'assistenza sociale correlata al COVID-19.

Assicurazione pensionistica federale tedesca

L'assicurazione pensionistica federale tedesca (Assicurazione pensionistica federale tedesca – DRV-Bund) ha introdotto un chatbot per rispondere alle domande più frequenti degli assicurati (Assicurazione pensionistica federale tedesca, 2021). L'obiettivo principale era garantire l'accesso alle informazioni 24 ore su 7, 5 giorni su XNUMX, oltre a fare un piccolo inizio verso la creazione di un chatbot molto più esteso. Il chatbot simula il linguaggio naturale basato su tecnologie di intelligenza artificiale e ha il potenziale per liberare il tempo del personale verso questioni più complesse. Il chatbot è nella sua fase iniziale di implementazione e, di conseguenza, l'utilizzo rimane al XNUMX%. Il DRV-Bund mira a estendere le capacità del chatbot incorporandovi un aiuto per la compilazione dei moduli nel prossimo futuro.

Fondo di previdenza per i dipendenti, Malesia

L'Employees Provident Fund (EPF) della Malesia ha introdotto ELYA (EPF Loves You Always), un assistente virtuale bilingue che utilizza l'elaborazione del linguaggio naturale e supportato da Live Chat (Employees Provident Fund, 2021a ed 2021b). Sebbene l'EPF disponesse di un contact center per gestire le richieste, il volume giornaliero di 5,000 chiamate ha superato la sua capacità di 4,000 chiamate al giorno, determinando l'interruzione del 25% delle chiamate. Allo stesso tempo, l'82% delle domande aveva risposte già disponibili sul sito web dell'EPF, il che implicava un uso inefficiente del contact center. Un ulteriore sondaggio ha indicato che il 55% dei clienti ha avuto difficoltà a navigare nel sito web dell'EPF. Pertanto, ELYA è stato introdotto per supportare i clienti nella scoperta autonoma delle informazioni e quindi ridurre i volumi del contact center.

Il lancio di ELYA è stato preceduto da un'analisi dettagliata dei problemi e delle esigenze nel 2017-18. Un bot di base è stato introdotto per la prima volta nel 2019-2020, seguito dall'attuale bot conversazionale nel 2021-22. L'EPF prevede di estendere ulteriormente le capacità di ELYA nel periodo 2023-2024 per consentire al bot di fornire informazioni consultive. ELYA ha dimestichezza sia in inglese che in Bahasa Malaysia, fornendo domande conversazionali e interattive su 30 prodotti e servizi EPF. È disponibile 24 ore su 7, XNUMX giorni su XNUMX sul sito Web dell'EPF ed è supportato da un'escalation in tempo reale a un agente umano durante l'orario di lavoro. ELYA attinge a una base di conoscenza rappresentativa che è stata attentamente consolidata sulla base degli input forniti dagli agenti dei clienti, dalle e-mail dei clienti e dalle domande comuni ricevute dal contact center. Il Linee guida ISSA sulla comunicazione da parte delle amministrazioni della previdenza sociale, in particolare la linea guida 14. Informazioni incentrate sul cliente, è stata citata nella progettazione di ELYA. Inoltre, sostiene i quattro principi delle Linee guida ISSA sulla buona governance (ISSA, 2019c), ovvero trasparenza, prevedibilità, partecipazione e dinamismo e l'uso di un linguaggio chiaro e semplice, con particolare attenzione alle piattaforme incentrate sull'utente.

Risultati

La tabella 1 riassume i risultati che queste istituzioni sono state in grado di ottenere attraverso i chatbot.

Tabella 1. Risultati raggiunti tramite chatbot

Istituzione	Risultati ottenuti
UNO, Belgio	16,833 persone hanno utilizzato il chatbot, che equivale a quasi il 9% delle persone che visitano il sito Web (settembre 2021) Sono state registrate 18,616 chat (settembre 2021) 55,275 messaggi (domande) postati, di cui solo 616 di questi messaggi non potevano essere interpretati correttamente dal chatbot (settembre 2021)
Kela, Finlandia	64,372 conversazioni totali con il chatbot (2021) 108,817 domande poste (2021) Qualità della conversazione all'89% e feedback positivo al 40%. Durante la sua esistenza, il chatbot COVID-19 ha avuto 18,678 conversazioni e ha risposto a 31,567 domande.
DRV-Bund, Germania	Ancora nelle fasi iniziali, si attendono i risultati
EPF, Malesia	1.6 milioni di sessioni registrate tra giugno 2020 e marzo 2021, con una media di 6,100 sessioni giornaliere con una durata di conversazione di 12 minuti, contribuendo all'elevata soddisfazione del cliente (4.1/5) con la strategia di coinvolgimento digitale complessiva di EPF.

Fattori critici di successo

La traduzione di informazioni amministrative e legali complesse in contenuti conversazionali richiede progettazione, formazione e test rigorosi. L'ONEM in Belgio ha chiesto agli specialisti dello sviluppo dei clienti di fornire input e testare continuamente il chatbot per garantire che la lingua risuonasse con i clienti tipici. L'EPF in Malesia ha testato la comprensione e l'accuratezza del chatbot attraverso 200 tester durante le fasi alfa e beta dello sviluppo del prodotto prima di rilasciare il chatbot. Inoltre, umanizzare il bot e dargli una personalità aiuta l'utente a connettersi con esso a livello emotivo. In Germania, il DRV-Bund ha scoperto che molti utenti erano scoraggiati dal nome "chatbot". Consapevole di questa sfida, l'EPF in Malesia ha progettato una personalità specifica per ELYA che ha attratto i clienti.

La manutenzione e il miglioramento continui sono fondamentali per un'adozione sostenuta da parte degli utenti. È essenziale valutare la qualità e l'accuratezza della conversazione rispetto a benchmark predefiniti. L'ONEM in Belgio ha condotto un'analisi quotidiana delle risposte fornite dal chatbot per correggere le risposte errate. Nel caso di Kela in Finlandia, se il chatbot non è in grado di rispondere a nessuna domanda, lo staff pubblica rapidamente le risposte a seconda della frequenza prevista della domanda. In Malesia, l'EPF rilascia funzionalità aggiuntive di Natural Language Processing in batch basate sull'analisi delle richieste dei clienti.

Il personale dedicato e la collaborazione tra team sono entrambi alla base dei chatbot di successo. L'ONEM in Belgio ha un responsabile chatbot designato che guida lo sviluppo e la formazione. Il gestore di chatbot ha un sano interesse per l'IT, ma la sua competenza principale è una conoscenza approfondita dei servizi e dei prodotti offerti da ONEM. Il gestore di chatbot riunisce competenze complementari di altri team come IT, sviluppo clienti e così via. In Finlandia, Kela impiega bot whisperer, che sono essenzialmente persone che creano il dialogo, addestrano l'intelligenza artificiale e mantengono la qualità, in collaborazione con specialisti dello sviluppo dei clienti. In Germania, il DRV-Bund ha una redazione che viene reclutata dal personale amministrativo e riceve una formazione editoriale. In Malesia, l'EPF ha schierato un team multidisciplinare composto da sviluppatori di bot, progettisti di conversazioni, formatori di bot, amministratori di sistema e analisti di intelligenza artificiale.

Gli investimenti infrastrutturali sono altrettanto importanti degli investimenti del personale nella gestione efficace dei chatbot. Il DRV-Bund in Germania ha esaminato varie opzioni per integrare il proprio chatbot nel proprio sito web. Lo stack tecnologico esistente e la scalabilità prevista sono fattori chiave che influenzano la scelta della tecnologia. Nel caso di DRV-bund, l'utilizzo della tecnologia di un importante fornitore di servizi cloud riduce i costi.

Infine, è importante sottolineare che i chatbot sono uno dei tanti canali. Un coinvolgimento efficace del cliente da parte degli istituti di previdenza sociale richiede una suite di canali digitali e fisici, con ogni canale che offre capacità uniche e complementari. Ad esempio, il Kela combina il suo chatbot con 147 punti di servizio per i cittadini, 79 comuni con punti abilitati alla teleassistenza, servizi elettronici e un contact center. Soprattutto nel caso del web chatbot, il Kela assicura che non si limita a ripetere le informazioni sul sito web, ma migliora invece l'utilità del sito web fornendo ai clienti ulteriori dettagli ed esempi. Nel tempo, man mano che i chatbot migliorano, possono ridurre il traffico verso altri canali, cosa che deve essere tenuta presente nella pianificazione e allocazione delle risorse.

Osservazioni finali

Secondo alcune stime, entro la fine del 2022, in media, le persone parleranno con i bot più spesso di quanto non parlino con i propri coniugi (Deloite, 2017). Pertanto, i chatbot diventeranno parte integrante della strategia complessiva di comunicazione con i clienti degli istituti di previdenza sociale.

Le esperienze dei membri dell'ISSA delineate in questo articolo evidenziano diverse lezioni fondamentali per le istituzioni di sicurezza sociale. In primo luogo, i chatbot sono complementari ai canali digitali e umani esistenti: possono sostituire alcuni canali, migliorarne altri e, in alcuni casi, altri canali coesisteranno poiché i chatbot potrebbero non essere desiderabili a causa della privacy e dei quadri legali. In secondo luogo, il ciclo di sviluppo associato ai chatbot non può essere sottovalutato. Sarebbe utile per le istituzioni iniziare in piccolo, con una portata ristretta, come ribadito da ONEM in Belgio e EPF in Malesia. In terzo luogo, l'assoluta complessità dello sviluppo di algoritmi per tradurre le informazioni amministrative in contenuti conversazionali, tenendo conto del contesto dei clienti, richiede un processo altamente iterativo per l'addestramento e il rilascio di nuove soluzioni di apprendimento automatico della PNL in brevi intervalli di tempo, potenzialmente giornalieri. Ciò richiede investimenti in risorse umane dedicate, solitamente personale specializzato del servizio clienti per l'analisi, la revisione e la manutenzione quotidiane. In quarto luogo, i chatbot devono essere costruiti in base alle prospettive dei clienti, il che significa un impegno regolare con i clienti per il feedback. Infine, i chatbot sollevano nuove preoccupazioni legali ed etiche per le istituzioni di sicurezza sociale (Heman, 2020). Ad esempio, ONEM doveva garantire che il bot non raccogliesse dati personali in conformità con la rigida legislazione sulla privacy. Man mano che l'intelligenza artificiale diventa più sofisticata, una preoccupazione fondamentale è che potrebbe apprendere comportamenti dannosi dalla sua interazione con i clienti (ORA, 2020).

Come dimostrano le esperienze di cui sopra, le agenzie di previdenza sociale che gestiscono in modo proattivo eventuali problemi di responsabilità e protezione dei clienti sono in una posizione migliore per poter sfruttare appieno i vantaggi dei chatbot intelligenti. L'ISSA supporta le istituzioni membri nell'adottare con successo la tecnologia chatbot e affrontare le sfide di implementazione, in particolare quelle relative all'applicazione dell'IA, attraverso linee guida (ISS, 2022a), la condivisione delle buone pratiche delle istituzioni (ISSA, 2020 ed 2022b) e organizzare incontri.

Riferimenti