Applicazioni di Machine Learning per la gestione dei dati aziendali. Il caso Customer Relationship Management in AXERVE.

Oggigiorno, i dati sono risorsa fondamentale per le imprese ma perché assumano valore devono essere processati al fine di renderli suscettibili di essere utilizzati nell’ambito di un processo decisionale. Lo sviluppo tecnologico, che negli ultimi decenni ha radicalmente rivoluzionato le abitudini e i comportamenti della società moderna e delle aziende, ha portato all’incremento dell’interesse nei confronti dell’Intelligenza Artificiale e dell’Apprendimento Automatico: molte imprese che ambiscono a ricoprire un ruolo centrale e competitivo sul mercato, hanno iniziato, o stanno valutando, l’implementazione delle potenzialità di questi paradigmi con lo scopo di gestire e analizzare l’enorme quantità di dati che ogni giorno producono e ricevono (i cosiddetti Big Data). Il Machine Learning, nello specifico, nelle sue diverse tipologie trova differenti applicazioni nei processi aziendali aventi come focus il cliente, quali il marketing, le vendite, il customer service. Dato che la quasi totalità dei dati provenienti da questi processi è gestita dalle imprese attraverso il CRM (Customer Relationship Management), in molte hanno iniziato analisi e progetti di integrazione tra il sistema CRM e i modelli di Machine Learning. In questo elaborato è portato l’esempio di Axerve, primo hub dei pagamenti in Italia, che ha intrapreso un progetto di implementazione di algoritmi di Machine Learning di Custom Classification e Sentiment Analysis per poter estrarre informazioni chiave da e-mail di richieste di propri clienti e partner, con lo scopo di usare poi queste informazioni per automatizzare il processo di categorizzazione e smistamento delle richieste verso il team interno ad Axerve preposto alla gestione, il quale le gestirà tramite SugarCRM. L’analisi del caso mostra come l’integrazione dei modelli nel CRM abbia consentito di trasformare la gestione delle e-mail da attività manuale, dispendiosa e frammentata a flusso strutturato, tracciabile e scalabile. In particolare, il modello di Custom Classification ha raggiunto un’accuratezza pari al 95,59%, permettendo una classificazione standardizzata delle comunicazioni e il loro instradamento automatico verso i team competenti. Dal punto di vista manageriale, il lavoro evidenzia che il valore del Machine Learning non risiede soltanto nelle performance tecniche dei modelli, ma soprattutto nella loro integrazione nei processi aziendali: nel caso Axerve ciò ha permesso di ridurre attività manuali a basso valore aggiunto, limitare l’errore umano, ottimizzare i tempi di gestione e centralizzare nel CRM la presa in carico delle richieste. Ne emerge quindi come l’integrazione tra Machine Learning e CRM possa rappresentare non solo un’evoluzione tecnologica, ma una leva concreta di efficienza operativa, maggiore affidabilità del processo e supporto alle decisioni.