Rivoluzionare la Customer Experience con l'AI in SAP CX: Una guida per il 2024

L’adozione dell’AI nelle aziende ha raggiunto l’88% nel 2025, in crescita rispetto al 55% di due anni prima (McKinsey, 2025). Sembra impressionante, finché non leggete la riga successiva: il sondaggio Deloitte 2026 su 3.235 leader ha rilevato che il 37% delle organizzazioni resta a un “livello superficiale”, usando l’AI con cambiamenti minimi ai processi (Deloitte, 2026).

Quel divario tra adozione e impatto reale? È esattamente il punto in cui si trova la maggior parte dei clienti SAP CX con cui parlo. Hanno attivato le funzionalità. Non hanno cambiato il modo in cui lavorano.

Questo playbook è per i team che hanno già deciso di usare l’AI nel proprio ambiente SAP CX. Cosa implementare per primo, quali dati servono prima di iniziare e come sequenziare il rollout per ottenere risultati misurabili entro 30-90 giorni.

In breve: Iniziate con funzionalità ad alta affidabilità e basso sforzo di configurazione (query Joule, classificazione dei casi, ottimizzazione degli orari di invio) che generano ROI in 30 giorni. Passate a profili intelligenti e agenti nella fase due. La qualità dei dati conta più del numero di funzionalità: pulite il CRM prima di attivare l’AI. Le organizzazioni che usano SAP Business AI registrano un ROI medio del 16%, destinato quasi a raddoppiare entro due anni (SAP/Oxford Economics, 2025).

Quali funzionalità AI sono disponibili oggi in SAP CX?

SAP Business AI include ormai oltre 350 funzionalità AI integrate, con più di 2.400 skill Joule distribuite su 13+ applicazioni (SAP News Center, 2026). Per le implementazioni specifiche di CX, ecco con cosa avete a che fare.

Sales Cloud V2 vi offre query in linguaggio naturale tramite Joule, riepiloghi delle opportunità, lead scoring, generazione di email di follow-up, insight sulla pipeline. Trovate i dettagli pratici nella nostra guida a Joule per Sales Cloud V2.

Service Cloud V2 ha la classificazione automatica dei casi (accuratezza del 70-90%), suggerimenti di risposta per gli agenti, raccomandazioni di articoli della knowledge base, routing intelligente, sentiment analysis. Abbiamo trattato l’analisi della maturità nella nostra valutazione del CX AI Toolkit.

Commerce Cloud include l’AI Shopping Assistant (in GA dal Q1 2025), raccomandazioni di prodotto, ottimizzazione della rilevanza della ricerca, promozioni personalizzate.

Emarsys porta segmentazione predittiva, ottimizzazione degli orari di invio, raccomandazioni di prodotto, AI report builder (analisi il 67% più rapida), previsione del churn.

Non tutte queste funzionalità sono ugualmente pronte per il deployment. Alcune potete attivarle oggi stesso. Alcune richiedono prerequisiti di dati specifici. Alcune stanno ancora maturando. Ecco perché la sequenza conta.

Qual è la giusta sequenza di implementazione?

L’errore che vediamo più spesso: i team cercano di attivare tutto in una volta. Dodici funzionalità su quattro applicazioni in un unico sprint. Finisce male ogni volta. Un approccio a fasi, basato su complessità e requisiti di dati, produce risultati più rapidi. Credo che la maggior parte delle aziende dovrebbe partire più in piccolo di quanto pensi.

Fase 1: quick win (settimane 1-4)

Queste funzionalità richiedono una configurazione minima e producono risultati misurabili rapidamente.

Query Joule in linguaggio naturale in Sales Cloud V2. I venditori digitano domande come “Mostrami le trattative sopra i 50K in chiusura questo mese” invece di navigare tra i menu dei filtri. Impatto: recupero dei dati il 50% più veloce. Prerequisiti: Sales Cloud V2 con Joule abilitato. Tutto qui.

Ottimizzazione degli orari di invio in Emarsys. L’AI determina il momento migliore di invio per ogni singolo destinatario. Impatto: tipicamente un miglioramento del 10-15% nei tassi di apertura. Prerequisiti: almeno 6 mesi di storico di engagement email.

Classificazione automatica dei casi in Service Cloud V2. I casi in arrivo vengono categorizzati e instradati automaticamente. Impatto: accuratezza di classificazione del 70-90%, tempi di triage ridotti. Prerequisiti: almeno 1.000 casi storici classificati per l’addestramento.

Fase 2: funzionalità intelligenti (mesi 2-3)

Queste richiedono più preparazione dei dati, ma offrono un valore più profondo.

Profili cliente intelligenti. Riepiloghi sintetizzati dall’AI che combinano dati CRM, interazioni e ordini. Prerequisiti: dati account/contatti puliti, registrazione coerente delle attività, fonti dati connesse.

Lead scoring. L’AI classifica i lead per probabilità di conversione. Prerequisiti: almeno 6 mesi di storico di conversione lead-opportunità con definizioni chiare delle fasi.

Raccomandazioni di prodotto in Commerce. Suggerimenti personalizzati basati su navigazione e pattern di acquisto. Prerequisiti: almeno 3 mesi di dati comportamentali, catalogo prodotti pulito con attributi coerenti.

Fase 3: agenti autonomi (mesi 3-6)

I Joule Agent gestiscono workflow multi-step in autonomia.

Gli agenti di vendita redigono follow-up, aggiornano i record delle opportunità, segnalano le trattative a rischio. Prerequisiti: processo di vendita ben definito, dati di pipeline puliti, workflow di approvazione consolidati.

Gli agenti di servizio risolvono le richieste di routine end-to-end e scalano quelle complicate. Prerequisiti: knowledge base completa, regole di escalation chiare, template di risposta testati.

Gli agenti custom via Joule Studio vi permettono di costruire agenti specifici per i vostri workflow. Prerequisiti: processi mappati, regole decisionali definite, accesso a Joule Studio (GA Q1 2026).

Quali prerequisiti di dati dovete soddisfare prima?

Solo il 6% delle organizzazioni si qualifica come “AI high performer”, cioè attribuisce all’AI più del 5% dell’EBIT (McKinsey, 2025). La barriera principale non è la tecnologia. È la prontezza dei dati. Nota bene: se saltate la preparazione dei dati, le funzionalità producono output inaffidabili. L’ho visto succedere.

Requisiti dati per Sales Cloud V2

• Query Joule: minimi, funziona con la struttura dati CRM esistente
• Lead scoring: almeno 6 mesi di dati di conversione lead-opportunità, definizioni coerenti delle fasi, campi firmografici puliti
• Insight sulle opportunità: uso coerente delle fasi delle opportunità, registrazione regolare delle attività, date di chiusura accurate

Requisiti dati per Service Cloud V2

• Classificazione dei casi: oltre 1.000 casi storici con categorizzazione e dati di risoluzione accurati
• Suggerimenti per gli agenti: knowledge base popolata con articoli mappati alle categorie dei casi
• Regole di routing: gruppi di competenze definiti, dati di disponibilità degli agenti, percorsi di escalation

Requisiti dati per Emarsys

• Ottimizzazione degli orari di invio: almeno 6 mesi di dati di apertura/clic email per contatto
• Raccomandazioni di prodotto: storico delle transazioni, catalogo prodotti con attributi coerenti, dati di navigazione via Web Extend
• Previsione del churn: almeno 12 mesi di storico acquisti, criteri di churn definiti (es. nessun acquisto in 90 giorni)

Requisiti dati per Commerce Cloud

• Raccomandazioni di prodotto: catalogo prodotti con attributi (categoria, prezzo, brand), dati di sessione utente
• Ottimizzazione della ricerca: log delle query di ricerca, dati di click-through sui risultati
• AI Shopping Assistant: descrizioni prodotto, contenuti FAQ, policy di reso/cambio

Come misurare se sta funzionando?

Un sondaggio su 1.600 dirigenti ha rilevato un ROI medio del 16% sugli investimenti in AI, destinato quasi a raddoppiare entro due anni (SAP/Oxford Economics, 2025). Ma dovete definire le metriche di successo prima dell’attivazione, non dopo. Non lo sottolineerò mai abbastanza. Ogni volta che vedo un team attivare funzionalità AI senza baseline, tre mesi dopo si ritrova a discutere se stia davvero aiutando.

Metriche di efficienza (misurate a 30 giorni)

• Tempo medio di gestione: i venditori risolvono le richieste più velocemente con i suggerimenti AI?
• Tasso di risoluzione al primo contatto: la classificazione dei casi migliora l’accuratezza del routing?
• Tempo di recupero dei dati: quanto sono più veloci le query Joule rispetto alla navigazione manuale?
• Tassi di apertura email: l’ottimizzazione degli orari di invio ha migliorato l’engagement?

Metriche di qualità (misurate a 60 giorni)

• Accuratezza della classificazione: quale percentuale dei casi classificati automaticamente è corretta?
• Correlazione del lead score: i lead con punteggio più alto convertono davvero più spesso?
• Soddisfazione dei clienti: il CSAT è migliorato per le interazioni assistite dall’AI?

Metriche di impatto sul business (misurate a 90 giorni)

• Ricavi per venditore: i venditori dotati di AI chiudono trattative più numerose o più grandi?
• Costo del servizio: l’automazione ha ridotto il costo per interazione con il cliente?
• Velocità della pipeline: le trattative avanzano più rapidamente tra le fasi?

McKinsey stima che i miglioramenti della CX guidati dall’AI possano portare un aumento del CSAT del 15-20%, un incremento dei ricavi del 5-8% e una riduzione del costo del servizio del 20-30%. I vostri risultati varieranno in base al punto di partenza e alla qualità dei dati.

Quali sono gli errori di implementazione più comuni?

Abbiamo guidato diversi clienti SAP CX nell’abilitazione dell’AI, e gli stessi pattern continuano a ripresentarsi. Ecco quelli che vi si ritorcono contro.

Attivare tutto in una volta. I team abilitano ogni funzionalità AI contemporaneamente, vengono travolti dalla configurazione e non riescono ad attribuire i miglioramenti a nessuna funzionalità specifica. Iniziate con una funzionalità per applicazione. Misurate. Poi aggiungete la successiva.

Saltare la pulizia dei dati. È de facto la fonte numero uno dei reclami “l’AI non funziona”. Il lead scoring produce risultati casuali quando metà dei vostri lead ha campi settore mancanti. La classificazione dei casi fallisce quando i casi storici sono categorizzati in modo incoerente. Abbiamo dedicato due settimane alla pulizia dei dati CRM di un cliente prima di attivare una singola funzionalità AI. Due settimane. Quel lavoro ha avuto più impatto di qualsiasi configurazione fatta dopo.

Nessuna misurazione di baseline. Se non conoscete il vostro attuale tempo medio di gestione o tasso di apertura email, non potete dimostrare che l’AI li abbia migliorati. Catturate le baseline per ogni metrica che intendete monitorare. Prima di premere l’interruttore.

Sottovalutare il change management. I venditori che non si fidano dei suggerimenti AI semplicemente li ignorano. Gli agenti di servizio non formati sui workflow assistiti dall’AI tornano alle vecchie abitudini. Mettete a budget tempo per formazione e supporto all’adozione, non solo per la configurazione tecnica.

Trattare l’AI come magia. L’AI amplifica ciò che c’è già. I processi buoni diventano più veloci. I processi cattivi producono risultati cattivi più velocemente. Sistemate i vostri workflow prima di aggiungere intelligenza.

FAQ

Quanto tempo richiede l’implementazione dell’AI in SAP CX?

Le funzionalità quick-win (query Joule, ottimizzazione degli orari di invio) possono essere attivate in 1-2 settimane. Le funzionalità intelligenti che richiedono preparazione dei dati (lead scoring, classificazione dei casi) richiedono 4-8 settimane, pulizia dei dati inclusa. Il deployment completo degli agenti con Joule Studio richiede tipicamente 3-6 mesi, incluse mappatura dei processi e fase di test.

Quanto costa l’AI di SAP CX?

Joule e le funzionalità AI integrate sono incluse nelle sottoscrizioni delle applicazioni cloud SAP con un livello di utilizzo gratuito. Oltre la soglia inclusa, i consumi extra richiedono l’acquisto di SAP AI Unit in base al consumo annuale di messaggi. Le oltre 350 funzionalità integrate fanno parte delle sottoscrizioni cloud. Non esiste una “licenza AI” separata.

Serve SAP BTP per le funzionalità AI di CX?

La maggior parte delle funzionalità AI integrate in Sales Cloud V2, Service Cloud V2 ed Emarsys funziona senza configurazione BTP aggiuntiva. Gli agenti custom via Joule Studio richiedono invece l’accesso a SAP BTP. Anche le integrazioni avanzate (ad esempio collegare gli insight AI a sistemi non SAP) beneficiano di BTP.

Posso usare l’AI di SAP CX con sistemi on-premise?

Le funzionalità di SAP Business AI richiedono applicazioni SAP distribuite in cloud. I sistemi S/4HANA o CRM on-premise non hanno accesso diretto a Joule o al CX AI Toolkit. È uno dei motivi per cui SAP spinge la migrazione al cloud: le funzionalità AI sono esclusive del cloud.

Con quale applicazione SAP CX dovrei iniziare?

Iniziate dove i vostri dati sono più puliti e il processo è più definito. Per la maggior parte delle aziende, si tratta di Emarsys (AI matura, metriche chiare) o Service Cloud V2 (alto volume di casi, accuratezza misurabile). Le funzionalità AI di Sales Cloud V2 sono potenti, ma dipendono fortemente dalla qualità costante dei dati CRM.