AI nelle Aziende di Analisi Cliniche: cosa abbiamo imparato da oltre 10.000 interazioni reali

Oltre 10.000 interazioni reali

Abbiamo studiato oltre 10.000 interazioni reali generate attraverso sistemi Runder utilizzati da Aziende di Analisi Cliniche, con l’obiettivo di capire non soltanto quali informazioni vengono richieste, ma soprattutto come le persone cercano di accedere ai servizi.

I risultati ci hanno permesso di osservare alcuni comportamenti molto chiari. E ci hanno portato anche a mettere in discussione un’idea piuttosto diffusa: che migliorare l’assistenza digitale significhi semplicemente costruire un chatbot capace di rispondere a più domande.

I dati suggeriscono qualcosa di diverso.

Le persone non hanno bisogno di “chattare con un’AI”. Hanno bisogno di arrivare nel modo più semplice possibile all’informazione, al contenuto o all’azione che stanno cercando.

Cosa chiedono davvero gli assistiti

Nonostante la grande varietà delle domande, la maggior parte delle conversazioni si concentra intorno a pochi bisogni.

Dall’analisi emerge che circa il 77% delle conversazioni ricade in almeno una delle quattro aree principali: prestazioni, orari e modalità di accesso, referti e prezzi.

Più nel dettaglio:

• circa il 30% riguarda una specifica prestazione o un esame;
• circa il 27% riguarda orari o modalità di accesso;
• circa il 19% riguarda i referti;
• circa il 14% contiene richieste relative a prezzi o preventivi;
• circa il 12% riguarda esplicitamente prenotazioni o appuntamenti.

Le categorie possono sovrapporsi. Una persona può iniziare chiedendo se il laboratorio effettua una determinata prestazione, proseguire chiedendone il prezzo e infine informarsi sulla prenotazione.

Ed è proprio questa sovrapposizione a rendere il dato interessante.

Se gli orari sono già sul sito, perché le persone continuano a chiederli?

Uno dei risultati più significativi riguarda proprio una delle informazioni apparentemente più semplici.

Circa il 27% delle conversazioni riguarda orari e modalità di accesso.

Eppure gli orari sono normalmente già pubblicati sul sito, spesso sono disponibili anche su Google e possono comparire in più sezioni dell’esperienza digitale.

Il dato non permette di affermare che le persone preferiscano sempre conversare invece di navigare. Mostra però chiaramente una cosa: rendere disponibile un’informazione non significa necessariamente renderla facile da raggiungere.

C’è una differenza sostanziale tra cercare “orari sala prelievi” e chiedere:

“Domani alle 10:30 posso ancora venire?”

Nel primo caso stiamo cercando un dato. Nel secondo vogliamo una risposta riferita alla nostra situazione.

L’intelligenza artificiale permette di passare dal tradizionale percorso:

menu → pagina → contenuto → informazione

a un modello molto più diretto:

bisogno → domanda → risposta.

Ma i dati ci hanno mostrato che, in alcuni casi, possiamo eliminare persino la domanda.

Quando un pulsante funziona meglio di una conversazione

Nel sottocampione relativo alla nuova esperienza Runder, circa il 54% delle sessioni utilizza almeno una Quick Action.

Ancora più interessante: circa il 52% delle sessioni può svolgersi senza che l’utente debba digitare alcuna domanda.

Se sappiamo che una persona entra frequentemente per accedere ai referti, perché obbligarla a scrivere “Come faccio a scaricare il mio referto?”.

Possiamo mostrarle direttamente Referti.

Se vuole conoscere gli orari, possiamo portare l’informazione in primo piano.

E infatti circa il 93% dei click sulle Quick Action si concentra proprio su due bisogni: referti e orari.

Questo dato cambia il modo di pensare l’AI applicata alla customer experience.

La conversazione rimane fondamentale quando la richiesta è specifica, complessa o imprevedibile. Ma quando sappiamo già cosa vuole probabilmente fare l’utente, un tap può essere più efficace di una frase.

Dalla chat all’Experience Bot

È anche da questa osservazione che nasce il concetto di Experience Bot sviluppato da Runder.

Non un chatbot con una grafica più ricca, ma un ambiente digitale nel quale conversazione, Quick Action, tile, contenuti, link e azioni possono convivere.

La domanda progettuale cambia.

Non più soltanto:

“Come facciamo rispondere meglio il chatbot?”

ma:

“Qual è il modo più semplice per aiutare questa persona a ottenere ciò che cerca?”

A volte sarà una risposta. A volte un pulsante. A volte un contenuto. A volte un collegamento diretto a un servizio.

La chat rimane importante soprattutto per tutto ciò che non può essere previsto in anticipo. Ma non deve necessariamente essere il centro di ogni interazione.

Le conversazioni raccontano anche l’intenzione dell’utente

Il dato più frequente dell’intero dataset riguarda esami e prestazioni: circa il 30% delle conversazioni contiene una richiesta relativa a una specifica prestazione.

Ma spesso la conversazione prosegue.

La fate? → Quanto costa? → Serve prenotazione? → Quando posso venire?

Per una FAQ sono quattro domande diverse.

Per l’azienda possono rappresentare invece quattro passaggi dello stesso processo decisionale.

Nel dataset, circa il 14% delle conversazioni contiene richieste relative a prezzi o preventivi e circa il 12% entra esplicitamente nell’area delle prenotazioni e degli appuntamenti.

Questo significa che le conversazioni possono diventare anche una fonte di conoscenza per l’azienda.

Aggregando i dati nel tempo è possibile osservare quali prestazioni vengono cercate più spesso, quali generano domande sui prezzi, quali vengono associate alla prenotazione e persino quali servizi vengono richiesti pur non essendo disponibili.

L’assistente digitale, quindi, non è soltanto un canale attraverso cui fornire informazioni.

Può diventare anche un sensore della domanda.

Dalla conversazione alla Demand Map e alla Friction Map

Se osservate nel loro insieme, le interazioni possono fornire due letture complementari dell’esperienza.

La prima riguarda ciò che le persone vogliono.

È quella che possiamo definire Demand Map: una lettura aggregata delle prestazioni cercate, delle richieste di prezzo, delle prenotazioni, dei servizi richiesti ma non disponibili, delle variazioni della domanda nel tempo e dei possibili segnali di conversione.

Una singola richiesta per una prestazione che l’azienda non offre può significare poco. Se però la stessa richiesta compare ripetutamente, quel dato può diventare un’indicazione utile per valutare la domanda esistente.

La seconda lettura riguarda invece dove le persone incontrano difficoltà.

È la Friction Map: una combinazione di volume delle richieste, sentiment, escalation, ricontatti, numero di passaggi, problemi di accesso e informazioni difficili da raggiungere.

Una mappa parla quindi di opportunità.

L’altra di problemi da risolvere.

Ed entrambe possono nascere dalle stesse conversazioni.

Quando le conversazioni fanno emergere ciò che manca

C’è poi un ulteriore segnale che può emergere dalle richieste degli utenti: il Knowledge Gap.

È importante distinguere due situazioni.

In una, l’azienda non offre una determinata prestazione e la risposta corretta è semplicemente negativa.

Nell’altra, invece, l’azienda potrebbe offrire quel servizio, ma l’informazione non è sufficientemente presente, strutturata o aggiornata all’interno del sistema.

In questo secondo caso le conversazioni diventano una sorta di audit continuo della conoscenza aziendale: mostrano quali informazioni le persone stanno cercando e quali l’organizzazione deve ancora rendere più solide e accessibili digitalmente.

Non si tratta quindi soltanto di chiedersi:

“A quante domande abbiamo risposto?”

Ma anche:

“Quali domande continuano ad arrivare senza che la nostra organizzazione digitale disponga ancora di una risposta sufficientemente solida?”

Quasi una conversazione su quattro nasce quando la struttura è chiusa

Anche il momento in cui le persone fanno una domanda racconta qualcosa.

Circa il 24% delle conversazioni analizzate viene avviato tra le 19:00 e le 07:00.

Inoltre, circa il 16% avviene durante il weekend. Tra queste ultime, circa il 56% viene iniziato dopo mezzogiorno.

Non significa necessariamente che si tratti di richieste urgenti.

Spesso le persone stanno semplicemente pianificando: vogliono sapere se potranno recarsi in struttura il giorno successivo, se devono prenotare, quanto costa una prestazione, come prepararsi o come recuperare un referto.

Questo cambia anche il significato dell’assistenza H24.

Non significa soltanto rispondere quando la struttura è chiusa.

Significa essere disponibili nel momento in cui nasce il bisogno, che può essere molto diverso dall’orario in cui il servizio viene materialmente erogato.

Referti: il 19% delle conversazioni, ma l’88% della frustrazione

Il dato forse più interessante emerge quando smettiamo di guardare soltanto quante volte viene chiesto qualcosa e iniziamo a osservare dove si concentra la difficoltà.

Circa il 19% delle conversazioni riguarda i referti: disponibilità, accesso, credenziali, download, tempistiche, problemi tecnici e modalità di ritiro.

Ma incrociando questo dato con il sentiment emerge un risultato molto più netto:

circa l’88% delle conversazioni classificate come negative o frustrate riguarda proprio i referti.

È una distinzione importante.

Frequenza e attrito non sono la stessa cosa.

Un argomento può rappresentare meno di un quinto delle conversazioni e, contemporaneamente, concentrare gran parte della frizione rilevata.

Il referto è già digitale, ma tra la disponibilità tecnica del documento e la capacità dell’assistito di raggiungerlo possono rimanere diversi passaggi: autenticazione, credenziali, portale, codici, disponibilità del documento.

È quello che nel report definiamo il problema del “last mile” digitale: digitalizzare un processo non significa automaticamente renderlo semplice.

Non tutte le domande possono essere trattate allo stesso modo

C’è infine un dato numericamente più piccolo, ma particolarmente importante.

Circa il 5% delle conversazioni riguarda, in senso ampio, la preparazione agli esami e la gestione pre-analitica: digiuno, raccolta, contenitori, conservazione, tempi di consegna o modalità di gestione del campione.

Una domanda come “A che ora aprite?” e una domanda come “Posso mangiare prima di questo esame?” sono entrambe informative.

Ma un errore non avrebbe le stesse conseguenze.

Per questo, nelle richieste pre-analitiche più delicate, l’approccio Runder separa due funzioni: l’AI comprende la domanda, mentre un sistema controllato determina l’informazione da restituire, utilizzando dati strutturati e validati. Se la casistica non è disponibile o non può essere identificata con sufficiente precisione, il sistema può chiedere un chiarimento o indirizzare la richiesta al personale.

È un principio importante anche oltre il settore sanitario: più aumenta il costo potenziale dell’errore, maggiore deve essere il controllo sulla risposta.

Automatizzare tutto non è l’obiettivo

Questa distinzione porta anche a mettere in discussione un’altra metrica molto utilizzata quando si parla di sistemi conversazionali: il tasso di automazione.

L’obiettivo non dovrebbe necessariamente essere riuscire ad automatizzare il 100% delle richieste.

A volte il sistema deve rispondere immediatamente. A volte deve recuperare un dato. A volte deve chiedere un’informazione aggiuntiva. E in alcuni casi deve fermarsi e lasciare spazio a un intervento umano.

Il principio è quindi automatizzare quanto possibile mantenendo il livello di controllo adeguato alla specifica informazione.

In un settore come quello sanitario, questa distinzione diventa particolarmente importante.

Cosa abbiamo imparato da oltre 10.000 interazioni

L’analisi restituisce un’immagine piuttosto chiara dell’assistenza digitale nelle Aziende di Analisi Cliniche.

Le persone formulano migliaia di domande diverse, ma gran parte dei loro bisogni si concentra in poche aree. Chiedono informazioni che spesso sono già disponibili. Cercano servizi anche quando la struttura è chiusa. Le loro conversazioni possono mostrare non soltanto cosa vogliono sapere, ma anche cosa stanno valutando di fare.

E soprattutto non sempre hanno bisogno di conversare.

Se il bisogno è prevedibile, può bastare un pulsante.

Se la richiesta è specifica, serve il linguaggio naturale.

Se l’utente vuole compiere un’azione, è meglio portarlo direttamente all’azione.

Se l’informazione è delicata, serve un sistema maggiormente controllato.

E quando l’automazione non è la scelta migliore, deve poter intervenire una persona.

È probabilmente questa la lezione più importante emersa dalle oltre 10.000 interazioni analizzate:

il valore dell’intelligenza artificiale non si misura da quanto riusciamo a far parlare le persone con un bot, ma da quanto riusciamo a ridurre la distanza tra ciò che vogliono e il modo in cui possono ottenerlo.

Ed è da questa idea che nasce l’evoluzione dal chatbot all’Experience Bot.

Nota metodologica

I dati analizzati provengono da oltre 10.000 interazioni generate attraverso sistemi Runder utilizzati da Aziende di Analisi Cliniche. Le strutture coinvolte sono state anonimizzate. Il dataset comprende informazioni relative a intenti, interazioni, sentiment e utilizzo di elementi visuali come le Quick Action; eventuali informazioni personali inserite spontaneamente dagli utenti vengono anonimizzate, rimosse o riformulate prima dell’utilizzo a fini di analisi. L’obiettivo dell’analisi non è descrivere il comportamento di una singola struttura, ma individuare pattern di utilizzo.