Nel settore delle telecomunicazioni, la qualità del servizio non dipende solo dalla robustezza delle infrastrutture di rete, ma dalla rapidità con cui un operatore riesce a gestire e risolvere gli incidenti segnalati dai clienti.
Durante il convegno “Data & Decision Intelligence: pilotare l’AI per usarla davvero!”, organizzato dall’Osservatorio Big Data & Business Analytics del Politecnico di Milano, Pierangelo Lombardo, Manager AI & Data Science di Eutelsat, ha illustrato come l’introduzione di un agente intelligente basato su AI stia rendendo più efficiente il supporto tecnico e più scalabile la gestione della domanda.
Indice degli argomenti
Dalla complessità operativa alla costruzione di un agente intelligente
La gestione degli incidenti in ambito satellitare è caratterizzata da un’elevata variabilità: il numero di richieste può aumentare rapidamente e i ticket differiscono per origine, tipologia e lingua.
«Come azienda di telecomunicazioni, un punto chiave per la customer satisfaction è sicuramente la gestione e soluzione degli incidenti che ci arrivano dai clienti», ha ricordato Lombardo.
La diversità dei casi rende inefficace qualsiasi approccio basato su regole rigide.
Per rispondere a questa complessità, Eutelsat ha sviluppato un agente intelligente che combina machine learning e AI generativa. Il sistema opera in due fasi: un classificatore riceve la descrizione dell’incidente in linguaggio naturale – anche multilingue – e determina la categoria del problema con un’accuratezza dell’80%; successivamente, un agente generativo esegue automaticamente i controlli previsti per quella categoria e produce una proposta di soluzione per l’operatore.
Questo modello intelligente non sostituisce il tecnico umano, ma accelera l’analisi preliminare, permettendo di concentrare l’intervento su casi complessi o ambigui. La tempestività diventa così un elemento direttamente abilitato dall’AI, che analizza e prepara le risposte in pochi secondi.
Procedure aggiornate e workflow adattivi
Uno degli aspetti più rilevanti del progetto riguarda l’allineamento continuo tra l’agente e le procedure operative aziendali. Il team Eutelsat che gestisce le policy fornisce periodicamente nuove versioni delle procedure, e il sistema le acquisisce automaticamente, traducendole in un formato leggibile dall’AI. Se le differenze rispetto al workflow interno sono marginali, l’agente si adegua autonomamente; quando invece rileva scostamenti significativi, «manda un warning», segnalando la necessità di un intervento umano.
Questo meccanismo consente di mantenere coerenza e aggiornamento costante, riducendo il rischio di errori dovuti a procedure obsolete. È un caso concreto di AI governance operativa, in cui l’autonomia del sistema è bilanciata dalla supervisione umana.
L’approccio sostiene una forma di workflow adattivo: il sistema non esegue semplicemente regole prestabilite, ma evolve insieme ai cambiamenti organizzativi, assorbendo variazioni e integrandole nei propri processi.
Un modello iterativo: partire in piccolo, crescere con il business
Lombardo ha definito lo sviluppo dell’agente come un percorso costruito secondo la logica “start small and expand”. La sperimentazione è iniziata sulle categorie di incidenti più frequenti e in un segmento di business più maturo, quello dei satelliti geostazionari.
Una volta verificata l’efficacia del modello, l’obiettivo è estenderlo alle comunicazioni satellitari mobili (SatCom), caratterizzate da maggiore variabilità e complessità.
La metodologia adottata è quella Agile, con cicli di sviluppo di tre settimane. Al termine di ogni sprint, il team AI si confronta con i tecnici di supporto per valutare l’efficacia dei risultati e ridefinire le priorità. Ogni incidente viene inoltre marcato con un feedback “OK” o “KO”, che consente di monitorare trend, individuare drift di performance e attivare revisioni mirate.
Il modello diventa così un organismo che evolve insieme ai dati e al contesto operativo, integrando automazione e feedback umano in un ciclo continuo di miglioramento.
Linguaggio naturale e collaborazione uomo-macchina
La capacità dell’agente di comprendere descrizioni in linguaggio naturale e generare soluzioni formulate in modo chiaro rappresenta uno degli elementi più innovativi del progetto. L’AI diventa un interprete tra dati tecnici e operatori, colmando il divario tra procedure strutturate e conoscenza tacita.
La collaborazione uomo-macchina non si limita alla condivisione di attività, ma coinvolge un modello di decision intelligence in cui i processi sono progettati per apprendere dai risultati.
La componente linguistica dei modelli generativi permette di tradurre informazioni tecniche in istruzioni comprensibili, contribuendo a ridurre gli errori e a standardizzare la qualità delle risposte.
Il progetto proposto da Eutelsat mostra come l’AI nelle telecomunicazioni possa assumere un ruolo strutturale: non un sistema isolato, ma parte integrante dei processi decisionali e operativi.
Un modello replicabile oltre il settore satellitare
Pur essendo nato in un contesto specifico, il metodo descritto da Lombardo presenta caratteristiche trasferibili ad altri settori: dataset reali e categorizzati, validazione iterativa, supervisione costante del modello e controllo umano sul ciclo di aggiornamento.
La combinazione di automazione, governance e linguaggio naturale consente di costruire sistemi affidabili, capaci di gestire variazioni operative senza perdere robustezza.
L’esperienza di Eutelsat suggerisce che l’adozione dell’AI non è solo un investimento tecnologico, ma un cambiamento organizzativo più ampio, che tocca la gestione delle conoscenze, dei processi e delle responsabilità.
