Come gli Agenti AI riducono fino al 25% il carico di lavoro manuale nel Service Desk per la Fatturazione Elettronica

  • Published

Ogni anno, il service desk dedicato alla fatturazione elettronica gestisce un volume elevato di ticket, spaziando tra centinaia di progetti in manutenzione e diverse linee di prodotto integrate. Per Comarch E-Invoicing, parliamo di circa 110.000 ticket all'anno. Questi volumi, uniti a un'ampia varietà di aree di business e di clienti, rendono la gestione manuale lenta, incostante e difficile da scalare senza aumentare il personale.

Invece di cercare una singola scorciatoia generica per l'automazione, abbiamo deciso di suddividere l'intero perimetro delle attività del service desk in categorie, mappando ciascuna di esse sulla relativa procedura di gestione esistente per poi costruirvi attorno un modello di agenti in due fasi. Un approccio che ha ridotto i tempi di gestione complessivi del 20-25% circa.

Continua a leggere per scoprire:

  • Perché un approccio generico e univoco all'automazione non funziona per il service desk della fatturazione elettronica.
  • Il metodo in quattro fasi per trasformare oltre 150 categorie di ticket in una roadmap di automazione realistica e attuabile.
  • Come un modello di agenti AI in due fasi instradi e risolva i ticket senza sacrificare l'accuratezza.

Cosa rende diverso il Service Desk della Fatturazione Elettronica

La specificità del supporto di primo livello nella fatturazione elettronica (e-invoicing) non riguarda solo i volumi, ma anche la varietà. Il service desk copre diverse linee di prodotto integrate, tra cui e-Invoicing, EDI, ECM, OD e SFA, supportando numerosi progetti di manutenzione. Questa ampiezza di aree operative e di clienti si traduce in un elevato grado di frammentazione dei progetti, che a sua volta genera un gran numero di procedure di gestione altamente specifiche. Un ticket relativo a un errore di trasmissione di un documento segue un iter completamente diverso rispetto a una richiesta di onboarding di un partner o alla modifica di un certificato AS2.

Questa diversità rappresenta l'ostacolo principale per l'automazione. Il service desk riceve più di 150 categorie distinte di ticket ogni anno. Fare un triage manuale di tutte queste richieste è, per sua natura, un processo lento e soggetto a incongruenze: un ticket instradato in modo errato può far perdere ore prima di arrivare allo specialista in grado di risolverlo. Qualsiasi iniziativa di automazione deve partire dalla razionalizzazione di tale complessità, ed è esattamente ciò che abbiamo fatto in Comarch E-Invoicing.

Come affrontare l'automazione nel Service Desk della Fatturazione Elettronica

1. Scegliere cosa automatizzare

Trasformare questa complessità in un piano d'azione ha richiesto un metodo strutturato in quattro fasi:

  • Identificare le categorie: Sono state individuate oltre 150 categorie di ticket, ciascuna specifica per una diversa area di business.
  • Creare dei template: Le categorie ad alto volume (quelle che generano più di 1.000 ticket all'anno) sono state suddivise in modelli per catturarne la struttura e il contenuto tipico.
  • Mappare le procedure: Ogni tipologia di ticket è stata classificata e associata alla sua specifica procedura di gestione esistente.
  • Valutare il potenziale di automazione: Ogni procedura è stata poi analizzata individualmente per valutarne la fattibilità di automazione.

Questa visione strutturata e focalizzata sui volumi ha permesso di delineare una roadmap di automazione realistica, mirata prima alle categorie che richiedono il maggiore sforzo manuale, anziché limitarsi ad automatizzare semplicemente ciò che risulta più facile.

2. Il Modello di Automazione: Gestione in due fasi

Il processo di automazione segue un modello in due fasi, attivato dall'arrivo dei ticket via e-mail o tramite Jira.

  • Fase 1 – procedure generiche: Ogni nuovo ticket viene preso in carico da un agente AI che segue procedure standard e generiche, applicabili indipendentemente dalla categoria.
  • Categorizzazione: Terminata la prima fase, il ticket viene classificato e instradato verso la procedura di gestione corrispondente alla sua specifica categoria.
  • Fase 2 – procedure specifiche per categoria: A questo punto subentra un agente dedicato, che segue la procedura costruita appositamente per quella determinata tipologia di ticket.

Dal punto di vista tecnico, il flusso è lineare. I ticket hanno origine in Jira e vengono intercettati da un componente di ricezione ("receiver") che li analizza. Apposite logiche di business validano e instradano ogni richiesta, interrogando un'utility condivisa di lettura dei documenti ogni volta che si rende necessario il parsing di contenuti XML o di certificati.

Successivamente, un assistente AI classifica il ticket e abbozza una risposta. Per farlo, attinge a una knowledge base per il riconoscimento dei pattern e si collega alle fonti di dati EDI e dei clienti per estrarre le informazioni specifiche richieste. Alcuni agenti AI trascrivono la risposta finale direttamente all'interno del ticket originale su Jira, centralizzando l'interazione per il cliente e per il team di supporto; altri, invece, gestiscono l'intero processo in autonomia, risolvendo il ticket in logica end-to-end.

Come gli Agenti AI supportano il Service Desk

Diversi agenti AI basati su questo modello sono già attivi in produzione, ognuno focalizzato su uno specifico segmento ad alto volume delle attività del service desk. I sei più importanti sono:

  • Ticket Categorizer: Assegna a ogni nuovo ticket la categoria e la sottocategoria corrette basandosi su oggetto, descrizione e file XML allegati, assicurando che arrivi al team di specialisti appropriato fin dal primo minuto.
  • Document Status Verifier: Recupera i log e gli stati dei documenti EDI per diagnosticare eventuali errori di validazione o di elaborazione.
  • Partner Data Retriever: Analizza il setup tecnico di un partner B2B (instradamento, canali, certificati) a partire da un singolo codice GLN/ILN presente nel ticket.
  • Fazer Error Handler: Classifica gli incidenti ricorrenti nella trasmissione dei documenti in percorsi di errore noti e prepara la bozza di risposta per il cliente.
  • AS2 Certificate Handler: Verifica e organizza le richieste di modifica dei certificati AS2 in modo che arrivino al team di secondo livello pronte per essere evase, azzerando i solleciti causati da dati mancanti.
  • Similar Issues Finder: Aggiunge a ogni nuovo ticket i link ai casi passati più simili, fornendo al personale del service desk un contesto immediato e soluzioni note nel giro di pochi secondi.

Come funzionano questi Agenti AI nella pratica?

Ciascuno di questi agenti assicura un notevole risparmio di tempo nei processi quotidiani. Ecco come si traduce nella pratica, analizzando gli esempi del Document Status Verifier e del Similar Issues Finder.

In passato, il personale del service desk impiegava circa tre minuti a ticket per cercare manualmente tracce documentali, stati ed errori di validazione nell'EDI Tracking prima di poter rispondere al cliente. Oggi, l'agente Document Status Verifier individua il message ID o il numero del documento all'interno del ticket, interroga l'EDI Tracking per estrarre il log completo degli eventi e pubblica un report di facile lettura direttamente sotto forma di commento su Jira.

Parallelamente, il Similar Issues Finder analizza il contenuto di ogni nuova richiesta e interroga un database vettoriale per identificare i quattro ticket pregressi che superano una specifica soglia di somiglianza. Successivamente, inserisce questo elenco tra i commenti in Jira, consentendo all'ingegnere di vedere immediatamente come sono stati risolti casi analoghi, senza dover effettuare ricerche manuali.

I Risultati dell'Automazione nel Service Desk

Sulla base dei volumi di ticket del 2025, si stima che gli agenti attualmente in produzione faranno risparmiare quasi 6.000 ore di lavoro manuale all'anno: in pratica, l'equivalente di tre dipendenti a tempo pieno (FTE).

  • Il tempo medio di gestione è stato ridotto del 20-25% circa.
  • Circa l'8,8% dei ticket è completamente automatizzato end-to-end, senza alcun intervento manuale.

Un modello nato per scalare

La vera leva strategica di questo progetto non è stato l'utilizzo di un singolo e potente strumento di automazione, bensì il rigore metodologico: mappare le categorie dei ticket sulle procedure prima di costruire anche un solo agente. Questo approccio strutturato e guidato dai volumi ha trasformato un mix caotico di oltre 150 categorie in una roadmap realistica e ben definita.

Ciò che rende formidabile questo modello a due fasi è la sua architettura aperta by design. Continuiamo a espanderlo integrando nuovi agenti: il numero di quelli già operativi in produzione ha ormai ampiamente superato la dozzina. Ogni nuovo agente si traduce in costi inferiori, tempi di risoluzione più rapidi e una gestione migliore e più coerente per i nostri clienti. E c'è ancora ampio margine per migliorare ulteriormente su tutti e tre i fronti.


Wojciech Nowak 
Head of AI LAB presso Comarch