Riunione del lunedì, quattro commerciali e un direttore vendite. Sul tavolo c’è un forecast costruito la sera prima, con tre trattative che valgono il trimestre. Il direttore chiede da quanto tempo nessuno parla con il primo cliente: la risposta precisa non arriva, perché quelle mail stanno nella casella di un venditore. Sulla seconda trattativa l’ultima nota risale a marzo. La terza, in realtà, l’ha già chiusa un concorrente e in azienda nessuno lo ha registrato a sistema. Da riunioni così nasce la domanda giusta su un CRM con intelligenza artificiale. Che cosa deve esserci nel sistema perché le sue indicazioni siano affidabili?
Un modello lavora su ciò che trova. Se le attività non vengono registrate, se le trattative perse non riportano una motivazione, se metà dei contatti è duplicata, il suggerimento che compare a schermo assomiglia più a una scommessa che a una previsione.
Un CRM con intelligenza artificiale legge soltanto ciò che qualcuno ha scritto
Le funzioni predittive si nutrono di tre materie prime: lo storico delle interazioni, gli esiti delle trattative concluse, le anagrafiche pulite. Senza la prima il sistema non riesce a dire quali clienti si stanno raffreddando. Se mancano gli esiti delle trattative concluse, il punteggio sui lead nasce dal vuoto. Con anagrafiche sporche i report contano due volte lo stesso cliente e nessuno si fida più dei numeri.
Il passaggio scomodo è questo. Prima dell’intelligenza artificiale serve una disciplina minima nell’inserimento dei dati, e quella disciplina non la porta il software: nasce da una decisione della direzione su che cosa è obbligatorio registrare e che cosa si può tralasciare.
Le attività che nessuno chiude e la pipeline che ne risulta
Nelle analisi commerciali troviamo spesso pipeline piene di opportunità immobili da mesi. Chiudere una trattativa persa costa una spiegazione. Lasciarla aperta non costa nulla. Così la pipeline si gonfia, il forecast somma grandezze non confrontabili e la direzione decide su una fotografia sfocata.
Un sistema che ricorda le scadenze, segnala le opportunità ferme e chiede la motivazione di chiusura risolve buona parte del problema, a una condizione: che i venditori vedano tornare qualcosa in cambio del tempo speso a compilare. Un elenco di chiamate da effettuare al mattino, un cliente da riprendere prima della scadenza di un rinnovo, il riepilogo automatico di uno scambio di mail lungo un mese sono contropartite concrete.
Che cosa offre oggi un CRM con intelligenza artificiale, in concreto
Le piattaforme sul mercato propongono soprattutto quattro funzioni, ognuna con una materia prima diversa da trovare nel sistema.
| Funzione | Che cosa restituisce | Di che cosa si nutre |
|---|---|---|
| Sintesi | Riepiloghi di conversazioni, mail e note: chi eredita un cliente capisce in pochi minuti dove si è arrivati | Storico delle interazioni collegato alla scheda |
| Previsione | Punteggi su lead e opportunità calcolati sullo storico dell’azienda, non su un modello generico | Esiti registrati delle trattative concluse |
| Suggerimento | L’azione da compiere subito e il cliente su cui intervenire | Attività e scadenze tenute aggiornate |
| Generazione | Bozze di risposta e di offerta che una persona rilegge e corregge prima dell’invio | Documenti e scambi precedenti nel sistema |
La piattaforma che seguiamo su questo fronte è SugarAI, evoluzione di SugarCRM: cambia il nome e cresce il peso delle funzioni predittive, mentre l’impianto dei moduli commerciali, marketing e assistenza resta riconoscibile per chi già lo usava. Logiche simili, con perimetri differenti, valgono per le suite orientate al servizio di cui abbiamo parlato a proposito del CRM per aziende di servizi.
CRM con intelligenza artificiale: come si misura la qualità dell’anagrafica in avvio di progetto
La qualità dell’anagrafica si misura con sei domande: bastano una mattinata, un’estrazione dal sistema e un foglio di calcolo. Le risposte sono il primo materiale di lavoro di un progetto ben impostato.
- Quanti clienti compaiono due o più volte, con nomi leggermente diversi?
- Su quante schede manca un referente con nome, ruolo e recapito diretto?
- Quante opportunità aperte non hanno un’attività registrata negli ultimi sessanta giorni?
- Quante trattative perse dell’ultimo anno riportano una motivazione leggibile da un collega?
- Le mail scambiate con i clienti sono consultabili anche da chi non le ha scritte?
- Chi può modificare l’anagrafica, e chi verifica il risultato di quelle modifiche?
Le risposte dicono quanto pesa la bonifica, che nei progetti impostati correttamente è la prima fase del percorso dentro la piattaforma. Regole di deduplica, campi obbligatori e responsabilità assegnate consegnano alle funzioni predittive un archivio su cui ha senso elaborare previsioni.
Una rete commerciale su tre paesi e un forecast che non tornava
Un’azienda con la rete di vendita distribuita su tre paesi ci ha chiesto funzioni predittive perché il forecast si scostava troppo dal risultato. In analisi è emerso che ogni paese usava una definizione diversa di trattativa avanzata: in un caso significava offerta inviata, in un altro accordo verbale, nel terzo contratto quasi firmato.
Il progetto di CRM con intelligenza artificiale ha preso avvio da quel punto, dentro la piattaforma. Le fasi di trattativa sono state uniformate nel CRM per i tre paesi, con criteri di passaggio codificati nei flussi. I campi obbligatori mantengono la scala allineata, senza dipendere dalla disciplina dei singoli. Con una scala di valutazione unica, il sistema ha accumulato in due trimestri uno storico coerente. Le funzioni predittive hanno cominciato a leggere dati omogenei, e forecast e risultato hanno smesso di raccontare due storie diverse.
Dove finiscono i dati quando entra un modello
Prima di attivare le funzioni generative di un CRM con intelligenza artificiale conviene sapere quali dati escono dal perimetro aziendale, verso quale fornitore, con quale base giuridica e per quanto tempo restano disponibili. Le indicazioni del Garante per la protezione dei dati personali sull’uso dell’intelligenza artificiale offrono il punto di partenza per impostare la valutazione, insieme a un’informativa aggiornata e a un elenco dei trattamenti coinvolti.
In Aesir Srl questa parte la affrontano insieme la Business Unit Intelligence e Business Solutions: chi disegna il CRM e chi lavora sui dati siedono al medesimo tavolo. Gli ambienti restano nei nostri datacenter Tier IV in Unione Europea con replica, sotto certificazioni ISO 9001, 27001, 27017 e 27018; MSP e MSSP rientrano nello stesso perimetro contrattuale, così la sicurezza non diventa un fornitore in più da coordinare. Seguiamo progetti in tutta Italia e, su richieste specifiche, in Svizzera, Regno Unito e Stati Uniti: la parte delicata riguarda quasi ogni volta i dati, non le macchine.
Gli indicatori che rivelano se il CRM con intelligenza artificiale è efficace
Dopo sei mesi la domanda utile riguarda le abitudini cambiate, più che le funzioni attivate. Quattro grandezze bastano: la quota di opportunità con almeno un’attività registrata nell’ultimo mese, lo scostamento fra forecast e risultato, il tempo che passa fra la richiesta di un cliente e la prima risposta utile, il numero di schede duplicate ancora in circolazione.
Quando questi valori migliorano il progetto procede. Quando restano fermi mentre le funzioni attive crescono, il nodo è l’adozione: si scioglie rivedendo regole di inserimento e formazione della rete. Merita la stessa attenzione il collegamento con l’amministrazione, un tema che abbiamo affrontato parlando di ERP modulare per le PMI.
Domande frequenti
SugarAI è lo stesso prodotto di SugarCRM?
È la sua evoluzione. Chi arriva da versioni precedenti ritrova la struttura dei moduli e trova in più le funzioni predittive e generative. Il percorso di aggiornamento va verificato sulla versione in uso e sulle personalizzazioni presenti.
Si integra con la posta e il calendario aziendali?
L’integrazione con i principali ambienti di produttività esiste e riguarda mail, calendario e contatti. Conviene definire subito quali messaggi entrano nel CRM e quali restano personali, perché è una scelta con implicazioni organizzative oltre che tecniche.
Quanto storico serve perché le previsioni abbiano senso?
Nessuna soglia vale per tutti. Il criterio pratico riguarda il numero di trattative chiuse con esito registrato: poche decine non bastano, alcune centinaia rendono i punteggi leggibili. Chi avvia il progetto senza storico raccoglie dati per due o tre trimestri, poi attiva la parte predittiva.
Le bozze scritte dal sistema si possono controllare prima dell’invio?
Nei progetti impostati correttamente la revisione umana resta obbligatoria. Un CRM con intelligenza artificiale propone il testo, una persona lo corregge e lo firma; l’invio automatico verso i clienti apre rischi che quasi nessuna azienda vuole correre.
Parliamone
Le sei domande sull’anagrafica elencate sopra si possono sottoporre oggi a chi gestisce il CRM in azienda, senza coinvolgere nessun fornitore. Le risposte indicano da quale area il progetto sarà avviato e quali flussi la parte predittiva leggerà per prima. Il quadro che ne esce rende concreto il confronto con qualunque fornitore. Se desidera approfondire il tema o valutare la situazione della sua azienda, può compilare la form in fondo alla pagina oppure scrivere a support@aesir-tech.it: prenotiamo una consulenza gratuita e partiamo dai suoi numeri