Un agente AI che lavora con i tuoi colleghi è un progetto. Un agente AI che parla con i clienti finali, da solo, in un punto vendita, è un'altra categoria di progetto: se sbaglia, sbaglia in pubblico.
Per Emmebi lo abbiamo messo in produzione: si chiama EASY, è live nei reparti dal 29 giugno, e la parte interessante non è l'AI. È tutto quello che abbiamo costruito intorno perché l'AI non potesse fare danni.
Il cliente
Emmebi S.p.A. (Carvico, Bergamo) è un produttore italiano di tende tecniche. Se leggi questo blog l'hai già incontrata: per la sua rete commerciale abbiamo costruito la dashboard di vendita custom raccontata qualche mese fa. Quello era uno strumento interno, per agenti e direzione.
Questo è il capitolo due: uno strumento per il cliente finale. Quello che sta nel reparto di un punto vendita della grande distribuzione, davanti a uno scaffale di tende a rullo, e non sa quale scegliere.
Il problema: 177 varianti e un cliente con un minuto
Il catalogo tende a rullo di Emmebi conta 177 varianti: 12 modelli, 3 funzioni (filtrante, oscurante, notte e giorno), 15 colori. Per chi lo conosce, ogni variante ha un senso. Per il cliente in reparto no: vede uno scaffale di scatole simili, con nomi tecnici, e ha in mano una domanda semplice tipo "in camera da letto entra troppa luce la mattina".
Il personale del punto vendita fa quello che può: gestisce decine di corsie e centinaia di fornitori, non può conoscere a fondo il catalogo di ognuno. E il cliente tipo di questo scaffale ha dai 30 ai 65 anni, zero conoscenza tecnica e circa un minuto di pazienza.
Il risultato, prima di EASY: il cliente compra la tenda sbagliata (e la riporta), oppure non compra. In entrambi i casi perdono tutti: lui, il punto vendita, Emmebi.
Cosa abbiamo costruito
Sullo scaffale c'è un QR code. Il cliente lo inquadra e si apre una webapp, subito. Niente app da scaricare, niente registrazione, niente cookie wall da sette click: ogni passaggio in più, in un reparto, è una percentuale di persone che molla. La regola era una sola: dal QR alla prima domanda in meno di cinque secondi.
Da lì parte un percorso guidato di 5 domande concrete: che funzione ti serve (oscurare, filtrare la luce, notte e giorno), come vuoi azionare la tenda, dove si monta, le misure della finestra, eventuali esigenze particolari. Alla fine, il prodotto consigliato: tipo, foto, codice da cercare sullo scaffale e i colori disponibili.
Ti faccio cinque domande veloci e ti consiglio il modello giusto. Oppure chiedimi quello che vuoi.
EASY è un assistente AI. Le conversazioni sono anonime: non ti chiediamo nome, email o telefono.
Per le domande che il percorso guidato non copre c'è EASY, l'assistente AI: risponde in linguaggio naturale, conosce il catalogo, spiega la differenza tra una filtrante e una oscurante. E chiude ogni conversazione allo stesso modo: invitando il cliente a rivolgersi al personale del punto vendita per l'acquisto.
Dietro le quinte, Emmebi ha un pannello di amministrazione autonomo: catalogo aggiornabile via import Excel con anteprima, gestione punti vendita, generatore di QR per sede, analytics sulle conversazioni. Nessuna dipendenza dal fornitore tecnico per l'operatività quotidiana.
I guardrail: cosa succede quando qualcosa va storto
Far rispondere un'AI è la parte facile. Il vero lavoro di ingegneria è decidere cosa succede in tutti i casi in cui non deve o non può rispondere. Su EASY questa è stata la parte più lunga del progetto, ed è il motivo per cui il cliente ha firmato sereno.
- Perimetro chiuso.L'agente risponde solo sul catalogo indicizzato (RAG: recupera le informazioni vere e le riformula, non improvvisa). Domanda fuori tema? Rimando cortese al personale.
- Tetto di spesa giornaliero.L'AI ha un budget massimo al giorno, di pochi euro, che Emmebi imposta e modifica in autonomia dal pannello. Superato il tetto, il sistema smette di chiamare il modello AI e la chat continua con risposte predefinite, mentre un alert avvisa chi deve saperlo. In parallelo c'è un secondo tetto, tecnico, sui token consumati: due contatori indipendenti, perché un bug su uno non deve accecare l'altro.
- Fallback statico. Se il modello AI è irraggiungibile o va in errore, il widget non muore e non mostra errori tecnici: degrada a risposte semplici predefinite. Il servizio peggiora, non sparisce.
- Rate limiting. Il widget è pubblico e anonimo, quindi qualcuno prima o poi lo userà male. Le richieste per utente sono limitate: lo spam si ferma da solo, senza intervento umano.
- Monitoraggio reale. Ogni errore, lato server e lato widget, finisce in un sistema di error tracking (Sentry). Se qualcosa si rompe alle 22 di sabato, lo sappiamo alle 22 di sabato.
In sintesi, per scenari:
| Se succede questo | Il sistema fa questo | Il cliente in reparto vede |
|---|---|---|
| Il modello AI non risponde o va in errore | Passa alle risposte statiche predefinite | Una chat che continua a funzionare, più semplice |
| Il tetto di spesa giornaliero viene superato | Spegne le chiamate AI e manda un alert al team | Risposte standard e l'invito al personale |
| Qualcuno spamma il widget | Rate limit sulle richieste anonime | Un messaggio di attesa |
| Domanda fuori dal catalogo | Perimetro RAG: non improvvisa | Un rimando al personale del punto vendita |
Nessuno di questi scenari è teorico. Sono tutti successi, o succederanno. La differenza tra un agente AI professionale e una demo è che il primo ha già deciso cosa fare in ognuno di questi casi.
Le tre scelte controintuitive
Come per la dashboard, anche qui le decisioni che hanno fatto la differenza sono quelle che sulla carta sembrano rinunce.
1. Prima il wizard, poi l'AI
La tentazione del 2026 è mettere una chat AI davanti a tutto. Noi abbiamo fatto il contrario: il percorso principale sono 5 domande strutturate, a bottoni. Deterministiche, istantanee, a costo zero. La promessa scritta sulla schermata di benvenuto, "trova la tua tenda perfetta in 1 minuto", regge proprio perché il grosso del lavoro non lo fa l'AI: lo fa un percorso disegnato bene.
L'AI entra solo dove il percorso guidato non basta: le domande libere, i dubbi, i confronti. Non mettere un modello linguistico dove basta un form è la singola decisione che ha più abbassato costi e margine di errore del progetto.
2. Il modello giusto per ogni compito, non il più grosso ovunque
Dentro EASY lavorano due modelli AI di Anthropic, nessuno dei due il top di gamma: uno leggero e velocissimo capisce che tipo di domanda è arrivata e la smista, uno di taglia media scrive la risposta pescando dal catalogo indicizzato. Ogni compito ha il modello dimensionato per farlo, e ogni conversazione costa pochi centesimi.
La qualità delle risposte sta nella knowledge base, non nella taglia del modello. Se l'AI ha davanti le informazioni giuste, il modello enorme è un costo senza beneficio; se ha davanti informazioni sbagliate, il modello enorme sbaglia con più eloquenza.
3. L'AI non vende
Niente carrello, niente checkout, per scelta e non per limite. Nel punto vendita la vendita la fa il negozio: EASY porta al banco un cliente già orientato, con il prodotto giusto in mano. Un agente AI che provasse a chiudere la vendita da solo metterebbe il fornitore in competizione con il suo stesso canale distributivo. Il perimetro commerciale è un guardrail quanto quello tecnico.
Come misuriamo se funziona
EASY è live da pochi giorni: sarebbe disonesto sventolare numeri di vendita. Quello che possiamo raccontare è cosa misuriamo, perché le metriche sono state progettate insieme al prodotto, non aggiunte dopo.
Il pannello analytics di Emmebi traccia ogni sessione dal QR alla chiusura. Le domande a cui deve rispondere nelle prime settimane:
- Quali punti vendita lavorano? Ogni sede ha i suoi QR: le scansioni per punto vendita dicono dove il materiale è esposto bene e dove è finito dietro una pila di scatole.
- Il wizard viene finito?Il tasso di completamento delle 5 domande è la misura della friction. Se il cliente molla alla domanda 3, il problema è la domanda 3, non l'AI.
- Di cosa parla la gente con l'AI? Le domande fuori catalogo non sono rumore: sono la lista della spesa per la prossima iterazione della knowledge base. Se in 50 chiedono delle zanzariere, il catalogo indicizzato deve imparare a dire qualcosa di utile sulle zanzariere.
- Quanto costa per conversazione? La spesa AI si guarda accanto alle conversazioni servite, non in assoluto. È il numero che decide se e quando alzare il tetto giornaliero.
Nessuna di queste metriche richiede a Emmebi un data analyst: sono quattro numeri in un pannello, leggibili da chi gestisce il prodotto.
Lo stack (e cosa c'è sotto)
Next.js per la webapp e il pannello admin. Il widget è costruito in Preact dentro uno Shadow DOM: pesa meno di 60KB e si integra in qualunque pagina senza rompere gli stili del sito che lo ospita. Supabase per database e autenticazione. Modelli Claude di Anthropic per la conversazione (uno leggero per lo smistamento, uno di taglia media per le risposte), con ricerca semantica (embeddings) sul catalogo.
Sotto: suite di test automatici e una CI che blocca il rilascio se qualcosa si rompe. Dal primo commit al lancio pubblico nei punti vendita sono passate sei settimane.
Un dettaglio architetturale che vale la pena raccontare: EASY non è "un chatbot", è una piattaforma che oggi ospita un agente. La struttura sotto (knowledge base, perimetri, tetti di spesa, analytics) è progettata per ospitarne altri: un secondo agente specializzato, su un'altra linea di prodotto o un altro caso d'uso, si configura dal pannello senza sviluppo aggiuntivo. Emmebi ha comprato un sistema, non una feature.
Cosa abbiamo imparato
Il tetto di spesa è la feature che sblocca la firma. L'imprenditore non teme l'AI: teme la bolletta imprevedibile. Un numero massimo al giorno, deciso da lui, modificabile da lui, cambia la conversazione da "quanto mi costerà?" a "quanto voglio investirci?".
Il fallback vale più di un punto di uptime.Nessun sistema è sempre su. La domanda giusta non è "quanto spesso si rompe?" ma "cosa vede il cliente quando si rompe?". Se la risposta è "una chat che funziona un po' peggio", puoi dormire.
Un agente AI pubblico è un progetto di ingegneria, non di prompt. Il prompt giusto si scrive in un pomeriggio. Perimetro, tetto di spesa, fallback, rate limit, monitoraggio e un pannello che rende il cliente autonomo sono le settimane rimanenti. Ed è per quelle settimane che il sistema può stare davanti al pubblico.
La velocità viene dalla disciplina, non dalla fretta. Le sei settimane sono state possibili perché test automatici e CI c'erano dal primo giorno, non aggiunti alla fine. Quando ogni modifica passa da un controllo che blocca le regressioni, puoi rilasciare spesso senza paura. Su un prodotto esposto al pubblico, rilasciare spesso e in sicurezza non è un lusso da software house: è il modo in cui il catalogo, i guardrail e la knowledge base migliorano settimana dopo settimana.
Se stai valutando un agente AI rivolto ai tuoi clienti, la domanda non è "l'AI può parlare con i miei clienti?". È: "cosa succede, esattamente, il giorno in cui l'AI non risponde?". Quando hai una risposta scritta a questa domanda, sei pronto a partire.
Domande frequenti
Un agente AI davanti ai clienti può dire cose sbagliate?
Può, se lo lasci libero. Per questo EASY risponde solo sul catalogo indicizzato (RAG): recupera le informazioni vere e le riformula, non improvvisa. Fuori dal catalogo, la risposta è un invito al personale del punto vendita. Il perimetro è la prima feature, non un limite.
Quanto costa tenere acceso un agente AI 24/7?
Con modelli dimensionati sul compito e una knowledge base ben costruita, una conversazione costa pochi centesimi. Il punto vero è la prevedibilità: il tetto di spesa giornaliero, impostato dal cliente in autonomia, rende il costo massimo noto in anticipo. Superato il tetto, risposte predefinite e alert al team.
Serve un team tecnico interno per gestirlo?
No. Emmebi gestisce catalogo, punti vendita e QR da un pannello admin: l'import del listino avviene via Excel con anteprima, senza toccare codice. Il fornitore tecnico serve per l'evoluzione, non per l'operatività quotidiana.
L'agente AI sostituisce il personale del negozio?
No, per progetto: chiude ogni conversazione invitando il cliente al personale e non ha carrello né checkout. Fa il lavoro che il personale non può fare (conoscere a fondo le 177 varianti di un singolo fornitore) e porta al banco un cliente già orientato.
Quanto tempo serve per andare in produzione?
Per EASY sono passate sei settimane dal primo commit al lancio pubblico. La variabile principale è la qualità dei dati di partenza: un catalogo strutturato accorcia i tempi, uno da bonificare li allunga.
Potrebbe interessarti anche
Vuoi mettere l'AI davanti ai tuoi clienti?
Raccontaci il tuo caso: ti diciamo quali guardrail servono e quanto costa davvero tenerla accesa. Senza impegno.