Nel settore delle telecomunicazioni, l’efficienza del servizio non si misura solo nella qualità della rete, ma nella capacità di risolvere rapidamente i problemi segnalati dai clienti. È su questo fronte che l’intelligenza artificiale sta mostrando uno dei suoi impatti più concreti: la gestione automatizzata e intelligente degli incidenti. Durante il convegno “Data & Decision Intelligence: pilotare l’AI per usarla davvero!” promosso dall’Osservatorio Big Data & Business Analytics del Politecnico di Milano, Pierangelo Lombardo, Manager AI & Data Science di Eutelsat, ha illustrato come un approccio agentico basato su AI e automazione possa migliorare la customer satisfaction e rendere scalabile il supporto tecnico anche in condizioni di forte variabilità della domanda .
Indice degli argomenti
Dal problema dell’eterogeneità alla costruzione di un agente intelligente
La gestione degli incidenti in un contesto come quello satellitare presenta una complessità elevata. «Come azienda di telecomunicazioni, un punto chiave per la customer satisfaction è sicuramente la gestione e soluzione degli incidenti che ci arrivano dai clienti», ha spiegato Lombardo. La difficoltà principale risiede nel fatto che il volume di richieste può variare drasticamente nel tempo, mentre il team tecnico non può crescere alla stessa velocità. Inoltre, gli incidenti stessi sono molto diversi tra loro, per tipologia, origine e lingua, rendendo inefficace qualsiasi modello di automazione rigido o standardizzato .
Per affrontare questa sfida, Eutelsat ha sviluppato un agente intelligente capace di combinare tecniche di machine learning e AI generativa. Il sistema agisce in due fasi principali. Nella prima, un classificatore basato su modelli di apprendimento automatico riceve in input la descrizione dell’incidente in linguaggio naturale, anche multilingue, e ne determina la categoria con un’accuratezza che raggiunge l’80%. Questa categorizzazione diventa il punto di partenza per il secondo step: un agente di AI generativa che esegue automaticamente una sequenza di controlli specifici per quella categoria di problema e genera, attraverso un modello linguistico di grandi dimensioni, una proposta di soluzione per l’operatore umano .
L’approccio non sostituisce il lavoro umano, ma lo potenzia: l’AI elabora in pochi secondi informazioni che richiederebbero molto più tempo a un tecnico, consentendo di concentrare l’intervento umano solo sui casi più complessi o ambigui. In un settore in cui la tempestività è essenziale per garantire la continuità dei servizi, questo modello dimostra come l’AI nelle telecomunicazioni possa evolvere da semplice strumento di supporto a componente integrata dei processi operativi.
Workflow adattivi e procedure sempre aggiornate
Uno degli aspetti più innovativi del progetto descritto da Lombardo riguarda la capacità dell’agente di mantenersi allineato alle procedure operative aggiornate. Il team di Eutelsat che definisce e aggiorna le policy operative fornisce regolarmente nuove versioni delle procedure, che vengono automaticamente acquisite dall’agente. Queste vengono poi trasformate in un formato leggibile dal sistema, che le confronta con il proprio workflow interno per verificare eventuali differenze.
Lombardo ha spiegato che, se le discrepanze sono minori, l’agente è in grado di adeguarsi da solo; in caso contrario, «manda un warning», segnalando la necessità di un intervento umano. Questo meccanismo permette di mantenere la coerenza tra il comportamento dell’agente e l’evoluzione dei processi aziendali, riducendo il rischio di errori dovuti a informazioni obsolete. È un esempio di AI governance operativa, in cui l’autonomia del sistema resta sempre sotto controllo umano, garantendo trasparenza e tracciabilità delle modifiche .
La capacità di apprendere dalle variazioni di processo e di reagire in modo autonomo, ma regolato, rappresenta un passo avanti nella direzione di workflow adattivi, che possono evolvere insieme all’organizzazione. In questo senso, la sperimentazione di Eutelsat mostra come l’intelligenza artificiale possa agire come un ponte tra la rigidità dei sistemi automatizzati e la flessibilità necessaria in contesti produttivi dinamici.
Dalla sperimentazione all’estensione: l’approccio “start small and expand”
Il progetto, ha raccontato Lombardo, è stato avviato seguendo una logica di progressione graduale. «Siamo partiti con approccio “start small e expand”, quindi ci siamo focalizzati sulle categorie di incidenti più numerose e successivamente stiamo includendo le altre categorie». La scelta iniziale è ricaduta sulla parte di business relativa ai satelliti geostazionari, un ambito più maturo e strutturato, con dati e procedure consolidate. Una volta verificata la solidità del modello, l’obiettivo è estenderlo al segmento del business legato alle comunicazioni satellitari mobili (SatCom), caratterizzato da una maggiore complessità e da volumi di incidenti più variabili .
La metodologia seguita è di tipo Agile, con sprint di tre settimane. Al termine di ciascun ciclo, il team di data science si confronta con i tecnici di supporto per raccogliere feedback e ridefinire le priorità per lo sprint successivo. Questo meccanismo continuo di iterazione consente di allineare costantemente gli sviluppi dell’agente con le esigenze operative reali, evitando derive puramente tecnologiche o scollegate dal contesto aziendale.
La raccolta di feedback non avviene solo a livello di sprint: per ogni singolo incidente gestito, viene registrato un riscontro sintetico “OK” o “KO”. Questo sistema, semplice ma efficace, consente di monitorare la performance del modello nel tempo, di testare l’impatto di eventuali modifiche e di individuare drift di performance in specifiche categorie di incidenti. Quando emergono segnali di peggioramento o deviazioni sistematiche, il sistema attiva un processo di revisione delle procedure di quella categoria .
Il risultato è un ciclo di miglioramento continuo in cui l’AI non è più un sistema statico, ma un organismo che evolve insieme ai dati e ai comportamenti operativi. È un modello che integra analisi, automazione e feedback umano, costruendo una forma di intelligenza adattiva utile anche in altri contesti industriali.
Dati, linguaggio e collaborazione uomo-macchina
L’esperienza illustrata da Lombardo evidenzia come l’AI nelle telecomunicazioni non debba essere interpretata solo come un insieme di strumenti tecnici, ma come un modo diverso di organizzare il lavoro e di gestire la conoscenza operativa. L’agente costruito da Eutelsat è in grado di comprendere testi in linguaggio naturale, eseguire controlli tecnici e generare soluzioni formulate in termini comprensibili per l’operatore umano. In questo senso, l’interfaccia linguistica dell’AI diventa il punto di connessione tra dati strutturati e conoscenza tacita, tra sistemi automatici e personale tecnico.
Il progetto, pur essendo radicato in un ambito tecnologico avanzato, si fonda su principi metodologici generali che possono essere trasferiti ad altri settori: partire da dataset reali e categorizzati, introdurre meccanismi di validazione iterativa e mantenere il controllo umano sul ciclo di aggiornamento dei modelli. La combinazione di automazione, feedback e governance consente di garantire affidabilità e trasparenza, due requisiti imprescindibili per ogni adozione responsabile dell’intelligenza artificiale.
Nel quadro della decision intelligence, l’esperienza di Eutelsat mostra come la collaborazione tra AI e operatori non sia solo un modo per aumentare la produttività, ma un metodo per trasformare i processi decisionali in sistemi dinamici, capaci di apprendere dai risultati e di evolversi con l’organizzazione.
In sintesi, il percorso tracciato da Pierangelo Lombardo offre una prospettiva concreta sull’evoluzione dell’AI nelle telecomunicazioni: non come strumento isolato, ma come infrastruttura cognitiva capace di connettere dati, processi e persone, migliorando la qualità delle decisioni e la reattività dei servizi. Un modello in cui la tecnologia non agisce da sola, ma dialoga, apprende e contribuisce in modo misurabile al miglioramento delle operazioni quotidiane.
