AI in HR e customer support nelle PMI: dove rende (e dove diventa un rischio legale)

Risorse umane e assistenza clienti sono i due reparti dove l'AI tocca direttamente le persone: candidati da valutare da un lato, clienti da servire dall'altro. È anche il terreno dove la promessa è più forte — meno lavoro ripetitivo, risposte più rapide, un team più leggero — e dove, per la stessa ragione, l'errore costa di più. Uno screening che scarta ingiustamente un candidato o un chatbot che dà un'informazione sbagliata a un cliente non sono solo scivoloni di comunicazione: sono, oggi, questioni di responsabilità legale. Per questo trattiamo i due reparti insieme: condividono la stessa promessa e la stessa asticella di rischio, più alta di ogni altro reparto che abbiamo analizzato finora.

La domanda seria, come sempre, non è «esiste lo strumento?» ma cosa conviene automatizzare in un'azienda con un team piccolo — e, in questi due reparti in particolare, quale responsabilità ti prendi quando lo fai. Abbiamo raccolto le evidenze di campo del 2026 e proviamo a rispondere in lingua piana.

HR: dove l'AI rende, e perché la PMI è proprio il segmento scoperto

Nelle risorse umane i casi d'uso che danno un ritorno reale seguono lo stesso schema degli altri reparti — attività ad alto volume e ripetitive, dove l'AI toglie il lavoro manuale ma non prende la decisione finale:

• Screening dei CV e ricerca dei candidati — al posto della cernita manuale e della ricerca per parole chiave. È il caso d'uso più adottato in assoluto nella selezione.
• Automazione dell'onboarding — modulistica, calendari e istruzioni di ruolo generati al posto del lavoro amministrativo manuale, con un taglio sensibile del carico d'ingresso.
• Previsione del turnover — segnali di disimpegno intercettati prima che diventino dimissioni, al posto del colloquio di uscita quando ormai la persona se n'è andata.
• Analisi dell'engagement — lettura automatica di survey e comunicazioni interne al posto della revisione manuale dei sondaggi.
• Chatbot su policy e benefit — self-service su ferie, buste paga e permessi al posto dei ticket all'ufficio HR per le domande di routine.
• Bozze delle valutazioni di performance — sintesi dei riscontri raccolti in una prima stesura, che il responsabile rivede e fa sua.

Qui c'è un dato che riguarda proprio le PMI. L'adozione dell'AI in HR non è distribuita per maturità, ma per dimensione: sei aziende su dieci sopra i cinquemila dipendenti la usano, contro poco più di una su tre tra le piccole imprese. Tradotto: il segmento meno servito oggi è esattamente quello in cui vive una PMI. Non è un ritardo da recuperare in affanno — è uno spazio dove partire con metodo mentre i grandi sono ancora impigliati nella complessità dei loro sistemi.

Customer support: il reparto dove l'AI ha il ritorno più rapido

L'assistenza clienti è, tra tutti, il reparto dove l'AI arriva prima al valore — perché gran parte del lavoro è fatto di richieste ripetitive con risposte già note. I casi che funzionano:

• Deviazione delle richieste di primo livello — un agente conversazionale che chiude da solo le richieste semplici. In media i programmi maturi assorbono circa il 40% dei contatti di primo livello, e sui casi più schematici (reset password, stato di un ordine, rimborsi standard) si arriva ben oltre. Sui reclami sfumati, invece, il tasso crolla — ed è giusto così.
• Smistamento e instradamento dei ticket — classificazione automatica della coda, con tempi di prima risposta che si accorciano in modo netto.
• Copilota per l'operatore — l'AI suggerisce la risposta e recupera il contesto mentre l'operatore parla col cliente, al posto della caccia manuale a note e script.
• Risposta automatica dalla knowledge base — le domande frequenti servite dalla documentazione, con tempi di prima risposta che passano da minuti a secondi.
• Analisi del sentiment — riconoscimento del tono per far scattare l'escalation al posto del campionamento manuale delle chiamate.

Il ritorno economico qui è tangibile: il costo per richiesta risolta con l'AI è di ordini di grandezza più basso di quello di un operatore umano. Ma il numero che diamo sempre ai clienti è un altro, quello sulla soddisfazione: la qualità percepita di un'assistenza puramente automatica resta leggermente sotto quella umana, e il divario si chiude quasi del tutto solo quando c'è un passaggio pulito all'umano per i casi che l'AI non deve gestire. La lezione operativa è netta: l'AI nel supporto rende quando è progettata per sapere quando farsi da parte, non quando prova a rispondere a tutto.

I numeri aggregati, letti con onestà

Tra i due reparti c'è un divario di maturità che vale la pena dire ad alta voce. Il supporto vince in fretta: è uno dei pochi ambiti dove il ritorno del primo anno è documentato e forte, e cresce man mano che la knowledge base si arricchisce. L'HR è più incerto: non esiste un ritorno percentuale altrettanto pulito, e i dati raccontano soprattutto un divario tra ambizione e misura — quasi la metà dei responsabili del personale che investono in AI non ha ancora definito come misurarne la produttività. Investono spinti dall'aspettativa, non da un numero.

Un avvertimento che diamo sempre: gran parte di queste cifre è autodichiarata da fornitori e analisti, non verificata in modo indipendente. Vanno lette come direzione, non come numeri da mettere in un business plan. E il quadro d'insieme impone cautela: le analisi indipendenti concordano che solo una minoranza dei progetti AI mantiene davvero il ritorno promesso, e che la larga maggioranza dei progetti non produce un impatto misurabile sui conti. Chi ti cita solo i numeri buoni ti sta vendendo, non consigliando.

La lettura pratica è quella di sempre: parti dal reparto dove il ritorno è più rapido e verificabile — nei fatti, il supporto — e usa quel risultato misurato per giustificare il passo successivo. Nell'HR conviene muoversi, ma con un criterio di successo deciso prima dello strumento, altrimenti il progetto muore per obiettivi confusi.

Il rischio che rende HR e supporto diversi da ogni altro reparto

Qui sta la vera ragione per cui trattiamo questi due reparti con più cautela di tutti gli altri. In vendite o marketing un errore dell'AI è un'email goffa; in amministrazione è un pagamento da rivedere. In HR e nel supporto un errore tocca una persona — un candidato, un dipendente, un cliente — e il diritto lo sa.

Sul supporto esiste già un precedente. Un tribunale ha ritenuto un'azienda responsabile per l'informazione sbagliata data dal proprio chatbot a un cliente, respingendo la difesa secondo cui «il chatbot è un soggetto a sé». La lezione è definitiva: non puoi scaricare su un'AI la responsabilità di ciò che dice ai tuoi clienti. E il rischio non è teorico: un chatbot lasciato libero di rispondere «inventa» una quota tutt'altro che trascurabile delle risposte, quota che crolla vicino allo zero solo quando è ancorato con rigore alle fonti aziendali — la tua documentazione, le tue policy — invece che al sapere generico del modello. Per questo un progetto di supporto-AI serio non è «cambiare il modello»: è costruirgli attorno un'architettura che lo tiene agganciato a ciò che l'azienda dichiara ufficialmente.

Sull'HR la scadenza è normativa. L' EU AI Act classifica come ad alto rischio i sistemi di AI usati per selezione, promozione, licenziamento e monitoraggio dei lavoratori. Per queste applicazioni gli obblighi pieni sono stati posticipati, ma è una finestra, non un'esenzione: chi introduce oggi uno screening automatico senza pensarci si troverà impreparato quando la scadenza arriverà. E il problema di fondo è documentato, non ipotetico: gli algoritmi di selezione hanno mostrato di poter discriminare in modo sistematico intere categorie di candidati. La conseguenza pratica per una PMI è semplice: qualunque uso dell'AI in selezione va accompagnato fin da subito da valutazione del rischio, verifica dei bias e sorveglianza umana — non come adempimento formale, ma perché è il controllo che rende la scelta difendibile.

Il modo più rapido per capire se un fornitore è serio, in questi due reparti, è invertire l'ordine delle domande. Non «quanto mi fa risparmiare?», ma prima «come dimostro che questa decisione è giusta e che di questa risposta rispondo io?». Se lo strumento non ha una risposta pulita sull'ancoraggio alle fonti (supporto) e sulla sorveglianza umana e la tracciabilità (HR), il ritorno non conta: è un rischio in attesa di presentarsi.

Copilota aumentato o agente autonomo: qui la scelta pesa più che altrove

Come negli altri reparti, gli strumenti si dividono in due famiglie. Il copilota aumentato resta un assistente: propone la risposta al cliente, redige la bozza di valutazione, prepara lo screening — ma l'umano approva e resta responsabile. L'agente autonomo punta a chiudere il processo da solo. In HR e nel supporto, però, «chiudere il processo da solo» significa parlare direttamente a una persona o decidere su di lei: esattamente il punto dove il rischio legale è massimo.

Per una PMI la raccomandazione è netta: parti dal copilota aumentato. Fai gestire in autonomia all'AI solo le richieste più semplici e reversibili — dove un errore si corregge senza danno — e tieni la persona dentro il processo per tutto ciò che tocca una decisione sul dipendente o una risposta delicata al cliente. L'autonomia non è un traguardo da inseguire: è un permesso da concedere caso per caso, dove l'esito è verificabile.

E in Italia?

Il quadro italiano è quello di un mercato ancora indietro ma in forte accelerazione: la quota di PMI che usa almeno una tecnologia AI è cresciuta molto nell'ultimo anno, ma resta bassa in assoluto, e la distanza dalle grandi imprese sull'adozione «strutturata» è netta. È onesto aggiungere un limite: sui reparti HR e supporto specificamente, i dati italiani granulari scarseggiano — gran parte delle evidenze di ritorno viene da mercati anglosassoni. Non lo nascondiamo, perché è esattamente il tipo di dettaglio che distingue un'analisi da uno slogan. Il vantaggio, per una PMI italiana, è che il ritardo del mercato è anche uno spazio: pochi concorrenti hanno ancora impostato bene questi due reparti.

Da dove partire, in pratica

Se HR o assistenza sono il reparto da cui vuoi cominciare, il percorso ragionevole è corto e ordinato:

• Nel supporto, parti dal deflection dei casi semplici — richieste di routine e risposte già note danno il ritorno più rapido e il rischio più basso.
• Ancora il chatbot alle tue fonti dal primo giorno — la tua documentazione e le tue policy, non il sapere generico del modello. È ciò che tiene le risposte fedeli e la responsabilità gestibile.
• Nell'HR, tratta la selezione automatica come ad alto rischio — sorveglianza umana, verifica dei bias e tracciabilità della decisione fin dall'inizio, non come aggiunta successiva.
• Preferisci l'aumento all'autonomia — un copilota che rende più veloce il team, con l'umano che approva ciò che tocca una persona.
• Definisci il criterio di successo prima dello strumento — un numero che dica se sta funzionando. Senza, il progetto muore per obiettivi confusi, non per limiti dell'AI.

Prima ancora di scegliere il reparto, però, conviene sapere dove sei: la nostra valutazione di AI-readiness aiuta a capire da dove partire con più ritorno e meno attrito, e quali controlli mettere attorno al primo workflow. E poiché in HR e nel supporto la conformità non è un dettaglio ma il perno, il nostro overlay di conformità spiega come agganciamo i controlli — ancoraggio alle fonti, sorveglianza umana, tracciabilità — a ogni disegno.

Abbiamo trasformato il primo passo in una valutazione self-serve e gratuita: poche domande e un'indicazione su da dove partire, con quali controlli attorno. Fai la valutazione di AI-readiness — poi, se ha senso, ne parliamo.

Questo articolo ha scopo orientativo e non costituisce consulenza legale. Le cifre di ritorno, adozione e deflection citate provengono da analisi di mercato e da fonti di settore in larga parte autodichiarate, non verificate in modo indipendente: vanno lette come indicazioni di direzione e non come garanzie di risultato. Ogni uso dell'AI in selezione del personale o nell'assistenza clienti va valutato sui controlli, sui dati e sul contesto della singola azienda, e — per i sistemi di selezione — alla luce degli obblighi normativi applicabili.