Soluzioni basate su AI per l’ottimizzazione del servizio di assistenza tecnica: un caso di studio nel settore automotive = AI-Based Solutions for Optimizing Technical Support Services: A Case Study in the Automotive Sector

La tesi nasce all’interno di un progetto di consulenza svolto presso un’importante azienda del settore automotive situata nel torinese, con l’obiettivo di analizzare e ottimizzare il servizio di assistenza tecnica. L’elaborato si apre con la descrizione del contesto e dello stato attuale del servizio, illustrandone i processi interni, i relativi indicatori di performance e i principali punti critici emersi dai controlli di qualità, sia manuali sia automatizzati. Dall’analisi di tali criticità è emersa la riflessione su come tecnologie innovative potessero essere integrate a supporto del servizio. Da questa considerazione è nato lo sviluppo di soluzioni basate sull’intelligenza artificiale, con l’obiettivo di rendere più efficiente la gestione operativa e al tempo stesso garantire interventi correttivi tempestivi e affidabili. Sono stati così definiti due strumenti distinti e complementari. Il primo è un ChatBOT AI, progettato per fornire supporto immediato agli operatori, facilitando l’accesso alle informazioni e riducendo i tempi di risposta nelle attività di assistenza tecnica. Il secondo è un Corrective Agent AI, orientato invece alla gestione automatizzata delle anomalie: grazie a logiche di analisi e correzione, il sistema è in grado di individuare scostamenti dagli standard previsti e attivare azioni correttive mirate, riducendo errori e aumentando l’affidabilità complessiva. Per entrambi i tool è stata condotta una raccolta strutturata dei requisiti funzionali, con l’obiettivo di tradurre le esigenze del cliente in specifiche tecniche concrete. La progettazione è stata inoltre accompagnata da mock-up illustrativi, utili a rappresentare il funzionamento dei sistemi e a supportare la valutazione preliminare della loro applicabilità in un contesto reale. A partire dai risultati attesi sono stati definiti criteri di valutazione che consentono di confrontare lo stato attuale dei quality checks con lo scenario prospettato dopo l’implementazione, delineando possibili impatti sui KPI del cliente. Le stime prospettiche indicano miglioramenti potenziali in termini di tempestività, affidabilità ed efficienza del servizio. Il lavoro si conclude con una sintesi dei principali esiti dell’analisi e con l’individuazione dei prossimi step, che comprendono l’implementazione graduale delle soluzioni, le fasi di test e la delivery. Viene inoltre delineata una prospettiva di medio-lungo termine, che include sviluppi futuri e benefici trasversali come la riduzione dei tempi di formazione del personale, l’aumento della customer satisfaction e la scalabilità delle soluzioni verso altri ambiti aziendali. La tesi si configura pertanto come un progetto di trasformazione digitale ancora in fase di sviluppo, capace di trasformare le attuali criticità in opportunità di innovazione per il settore automotive.