Contenuto
Un WhatsApp AI Agent non segue un copione: ragiona. Per anni “chatbot su WhatsApp” ha significato una cosa sola, cioè un albero decisionale con qualche pulsante e risposte preimpostate. Oggi, invece, esiste una categoria diversa, più profonda di quanto suggerisca la parola “chatbot”.
Che cos’è un WhatsApp AI Agent
Un WhatsApp AI Agent è un processo autonomo basato su un modello linguistico, cioè un LLM, che opera sulla WhatsApp Business API. Fa cose concrete: qualifica i lead, risponde a domande su prodotti e policy, consiglia articoli, recupera carrelli e chiude ordini in chat. E quando l’intento o le regole aziendali lo richiedono, passa la conversazione a un operatore umano con tutto il contesto già pronto.
La distinzione che conta: ragionamento contro regole
La maggior parte dei “chatbot WhatsApp” sul mercato è, tecnicamente, un albero decisionale a regole fisse con un sottile strato di AI per il matching delle FAQ. Funziona finché l’utente segue il percorso previsto. Si blocca, però, appena la domanda esce dallo schema.
Un interlocutore, non un menu
Un WhatsApp AI Agent parte da un presupposto opposto. Non ha un copione da seguire: ragiona sull’intento, sostiene conversazioni a più turni e decide da solo cosa fare. È la differenza tra un menu telefonico e un interlocutore che capisce davvero la domanda.
Come funziona un WhatsApp AI Agent
Un vero AI Agent poggia su un LLM addestrato sui contenuti specifici dell’azienda — catalogo, FAQ e policy — e su alcune capacità chiave:
- Ragiona sull’intento del cliente invece di cercare la parola chiave giusta.
- Sostiene conversazioni a più turni, mantenendo il filo del discorso.
- Chiama strumenti, cioè tool: catalogo, ordini, pagamenti.
- Decide autonomamente quando fare l’handoff a un operatore, passando il contesto completo.
L’handoff intelligente
Proprio l’handoff merita attenzione. In un chatbot a regole il passaggio all’operatore è spesso un vicolo cieco: l’utente ripete tutto da capo. Un WhatsApp AI Agent, al contrario, riconosce da solo quando la conversazione supera i suoi limiti. A quel punto passa la palla insieme allo storico completo. L’operatore, così, riprende esattamente dal punto giusto, senza far ricominciare il cliente.
Il panorama competitivo
Molte piattaforme note vendono oggi “chatbot per WhatsApp”. Tra i nomi più diffusi ci sono Wati, AiSensy, Interakt e Respond. Sono strumenti solidi e ampiamente adottati, ma nella loro impostazione tipica restano alberi decisionali a regole, con un layer di AI dedicato al riconoscimento delle FAQ.
È un modello che ha portato l’automazione a moltissime aziende e che, per casi d’uso lineari, resta efficace. La distinzione non riguarda la qualità di questi prodotti, ma la natura del motore: matching di regole da un lato, ragionamento di un LLM dall’altro.
Il confine, va detto, si sta assottigliando. Molti fornitori stanno aggiungendo funzioni generative ai loro chatbot. Resta però una differenza di fondo tra bolt-on e nativo. Costruire attorno a un LLM, invece di appoggiarlo a un albero esistente, cambia ciò che l’agente può davvero fare quando la domanda non era prevista.
Perché conta: il divario di copertura
La differenza si misura in un numero preciso. Un chatbot WhatsApp a regole risponde in autonomia al 30-40% delle domande, senza dover passare la palla a un operatore. Un WhatsApp AI Agent, invece, arriva al 70-80%.
Il divario si traduce in risparmio
Quel divario di 30-40 punti non è un dettaglio: è tempo di lavoro umano. Ogni domanda che l’agente gestisce da solo è una richiesta in meno sul tavolo di un operatore. Di conseguenza, è un risparmio diretto in termini di risorse a tempo pieno, cioè di FTE.
Il beneficio, però, non è solo economico. Le domande che l’agente gestisce sono anche le più ripetitive: orari, disponibilità, stato dell’ordine. Sono proprio quelle che logorano un operatore umano. Delegandole all’agente, il team recupera tempo per le richieste complesse, dove il tocco umano fa davvero la differenza.
Come lo affronta Spoki
Spoki adotta il modello dell’AI Agent nella sua forma piena. Il suo agente è un vero LLM addestrato sul catalogo, sulle FAQ e sulle policy dell’azienda. Ragiona sull’intento, tiene conversazioni a più turni, chiama gli strumenti — catalogo, ordini, pagamenti — e decide da sé quando è il momento di passare a un operatore. La configurazione dell’agente, inoltre, è personalizzata per ciascuna azienda ed è in produzione.
È questa architettura a spiegare il divario di copertura. Non un albero di regole più grande, ma un motore capace di gestire il caso non previsto invece di arrendersi davanti a esso. Tutto poggia sull’infrastruttura ufficiale della WhatsApp Business Platform. Inoltre, l’agente si inserisce naturalmente in un CRM AI-native in cui l’inbox è il gestionale e abilita scenari di agentic commerce che chiudono l’acquisto in chat.
Vale la pena chiarire cosa significhi qui “personalizzato per ciascuna azienda”. L’agente non è un modello generico a cui si chiede di improvvisare. Impara dai materiali reali del business: come descrive i prodotti, quali sono le regole di reso, cosa può e non può promettere. Di conseguenza, le sue risposte restano ancorate alla realtà dell’azienda, non a un sapere generalista. È questa aderenza a rendere affidabile un WhatsApp AI Agent quando parla con clienti veri.
In sintesi
La parola “chatbot” nasconde due tecnologie molto diverse. Un albero decisionale a regole copre il percorso previsto. Un WhatsApp AI Agent, al contrario, ragiona su ciò che non era previsto. Il salto dal 30-40% al 70-80% di domande gestite in autonomia, quindi, è il modo più concreto per misurare quella differenza.
Per chi deve scegliere uno strumento, la lezione è chiara. Non basta chiedersi se una piattaforma “ha l’AI”: quasi tutte, ormai, la citano. La domanda giusta riguarda il motore sottostante. Un WhatsApp AI Agent che ragiona davvero, chiama gli strumenti e decide da sé quando passare a una persona appartiene a una categoria diversa dal chatbot che tutti conosciamo.
