Senza una knowledge base solida, l’IA nel Customer care non sa dove pescare e inventa risposte. Ecco cosa succede e come evitarlo nella tua azienda.
Argomenti
Cos’è una knowledge base
La knowledge base è la biblioteca organizzata di tutto ciò che la tua azienda sa: come gestisci i resi, quali sono i tempi di consegna, cosa fare quando un cliente segnala un difetto, come si attiva una garanzia. Tutte queste risposte, strutturate e accessibili, costituiscono la tua knowledge base.
Alcuni manager pensano a un archivio digitale o a un vecchio manuale PDF sepolto in qualche cartella condivisa. Ma una knowledge base è molto di più. Come scrive Zendesk: “Una knowledge base è una biblioteca online contenente informazioni su un prodotto, un servizio o un argomento”. Se il termine non ti è familiare, forse lo chiami “documentazione”, “manuale”, “Domande frequenti”, “policy”, “procedure” o semplicemente “le cose che ci siamo scritti da qualche parte”.
Cosa non è una knowledge base:
- un deposito disordinato di file
- il manuale scritto tre anni fa e mai aggiornato
- “quella cosa che Giuseppe sa fare”
- l’insieme delle email sparse nei vari account.
Articolo aggiornato il 20 agosto 2026.
Knowledge base interna ed esterna
Le knowledge base si dividono in due categorie principali:
- knowledge base interna: accessibile solo ai dipendenti. Contiene procedure operative, politiche HR, processi di onboarding, documentazione tecnica. È lo strumento che permette al tuo team di lavorare in modo coerente, specialmente quando inserisci nuovi collaboratori perché riduce i tempi di onboarding
- knowledge base esterna: il portale self-service per i clienti. Include FAQ, guide prodotto, tutorial, articoli di troubleshooting. È quello che i clienti consultano spesso prima di contattarti ed è il primo livello di Servizio clienti.
Per l’intelligenza artificiale sono importanti entrambe, perché quella esterna alimenta il chatbot che risponde ai clienti, mentre quella interna supporta i collaboratori.
Perché la knowledge base è cruciale per l’IA
La knowledge base è il materiale di studio dell’IA: è da lì che il chatbot impara cosa rispondere ai clienti ed è su quelle informazioni che costruisce le sue risposte. Se implementi l’intelligenza artificiale, questa biblioteca di conoscenza diventa ancora più cruciale.
Il concetto è sintetizzato bene nel rapporto di Zendesk sull’AI Readiness: “AI is only as powerful as the information it has access to”. Senza una knowledge base solida, l’IA non può fornire risposte accurate e rilevanti: nella migliore delle ipotesi risponde in modo vago, nella peggiore inventa. E quando un chatbot dà risposte sbagliate, le conseguenze possono essere costose. Quanto costose? Vediamolo con tre casi reali.
IA e knowledge base: tre casi reali di errori in azienda
Air Canada ha perso in tribunale contro un cliente, Chevrolet ha dovuto affrontare uno scandalo virale e il Comune di New York è finito sui giornali per aver dato consigli illegali alle aziende. Tre organizzazioni diverse, tre chatbot, tre disastri pubblici. E chi era il colpevole? Non la tecnologia: la knowledge base.
Questi sono esempi di cosa succede quando si implementa un sistema di intelligenza artificiale senza aver prima messo ordine nella conoscenza aziendale. In tutti e tre i casi, la tecnologia funzionava perfettamente e il chatbot faceva ciò per cui era stato programmato, ossia fornire risposte basate sulle informazioni disponibili. Il problema era proprio lì: nelle informazioni.
I casi riguardano chatbot con e senza intelligenza artificiale generativa: il problema della knowledge base non è esclusivo dell’IA più recente, ma riguarda qualsiasi sistema automatizzato che fornisce informazioni ai clienti.
Sono epic fail degli ultimi 3 anni e che sono ancora oggi tra i più citati nel mondo dell’assistenza clienti e dell’intelligenza artificiale.
Air Canada e il chatbot troppo generoso – novembre 2022
La situazione era questa.
Jake Moffatt aveva appena perso la nonna e doveva volare da British Columbia a Toronto per il funerale. Prima di acquistare il biglietto, scrive al chatbot di Air Canada sul sito ufficiale e chiede se ha diritto a un rimborso post-viaggio per lutto familiare. Il chatbot, che era stato progettato per rispondere in autonomia sulla base della knowledge base interna, gli conferma che sì, avrebbe potuto ottenere un rimborso speciale anche dopo l’acquisto. Jake si fida, compra il biglietto di 600 dollari e fa il viaggio. Invia poi la richiesta di rimborso, ma riceve un secco no.
Quando contesta, l’azienda prova a difendersi: “È stato un errore del chatbot. Non possiamo essere responsabili di un sistema automatico”. Peccato che il tribunale non sia dello stesso parere: secondo Christopher Rivers, membro del tribunale “dovrebbe essere ovvio per Air Canada che è responsabile di tutte le informazioni presenti sul suo sito web. Non fa differenza se le informazioni provengono da una pagina statica o da un chatbot”. Jake ottiene oltre il rimborso e il pagamento delle spese giudiziarie per essere stato ingannato dal chatbot.
Perché il chatbot ha sbagliato
La knowledge base non era chiara o aggiornata su un tema delicato come le policy sui rimborsi per lutto. Il chatbot ha fatto il suo lavoro: ha risposto in base ai dati a disposizione, ma quei dati erano incompleti o errati. Per un imprenditore questo significa che, se la conoscenza interna è fragile, ogni automatismo amplificherà gli errori che diventeranno costi, rimborsi, rallentamenti e rischi reputazionali.
Le conseguenze di questo errore sulla customer experience
Oltre alla perdita economica, Air Canada ha subito un danno reputazionale importante. Il caso è diventato virale ed è stato rilanciato da media e professionisti del settore tech come esempio lampante di come gli assistenti digitali automatizzati, senza controllo umano, possano danneggiare la customer experience e ha ricordato che le aziende che scelgono di utilizzarli ne sono direttamente responsabili.
Vediamo ora il secondo caso, avvenuto un anno dopo, a fine 2023.
Chevrolet e il chatbot che svendeva auto – dicembre 2023
Questo errore nasce da una buona intenzione.
Una concessionaria Chevrolet a Watsonville negli USA inserisce un chatbot con intelligenza artificiale sul proprio sito per aiutare i clienti a trovare l’auto giusta e alleggerire il carico sul Customer service. Ma qualcosa sfugge di mano.
Un utente esperto, Chris Bakke, comincia a interagire con il bot, testandone i limiti. Dopo qualche battuta, riesce a convincerlo ad accettare un’offerta assurda: una Chevy Tahoe 2024 venduta a 1 dollaro. Sì, un’auto nuova di zecca, per un dollaro simbolico, con tanto di accordo finale scritto e confermato dal chatbot. Bakke pubblica gli screenshot della conversazione su X (ex Twitter). Il post diventa virale in poche ore, attirando l’attenzione dei media e sollevando domande su quanto sia sicuro lasciare una trattativa commerciale in mano a un’intelligenza artificiale.
Quando il chatbot non ha più filtri
Il problema non era il software in sé, ma la mancanza di controllo sulla knowledge base e sui limiti del bot. Il sistema era progettato per essere servizievole e rispondere in modo amichevole, ma senza regole chiare o confini logici ha finito per concordare offerte non autorizzate e illogiche. L’IA generativa, se non supervisionata, può inventare soluzioni pur di non lasciare la conversazione senza risposta. E quando si parla di prezzi e contratti, i rischi sono altissimi.
I danni di un’offerta inventata
La concessionaria ha subito un forte danno d’immagine: i clienti hanno cominciato a dubitare dell’affidabilità dell’azienda e i giornali hanno rilanciato la notizia come un caso emblematico di errore dell’intelligenza artificiale nel settore automotive. Chevrolet ha dovuto intervenire per disattivare il chatbot, chiarire pubblicamente la vicenda e rivedere il sistema.
Ti stai chiedendo se corriamo il rischio che l’IA sostituisca del tutto il Customer care umano? Leggi questo articolo per capire cosa cambia per chi guida un team e come far lavorare insieme persone e IA.
Passiamo ora al terzo esempio, che riguarda il Comune di New York.
Il comune di New York e l’assistente virtuale che dava consigli illegali – marzo 2024
Il Dipartimento per le Piccole Imprese del comune di New York (NYC Department of Small Business Services) decide di lanciare un chatbot con intelligenza artificiale generativa, per aiutare cittadini e imprenditori a ottenere informazioni pratiche, normative e fiscali.
Il progetto è ambizioso: un assistente automatico disponibile 24/7 per supportare chi vuole aprire una nuova attività o gestire pratiche amministrative. Ma nel giro di poche settimane succede il disastro. Un team di giornalisti e sviluppatori testa il sistema con domande delicate, come: “Posso licenziare una dipendente per il fatto di essere incinta?”, “posso non pagare l’IVA se lavoro da casa?”, “serve un’assicurazione per aprire un ristorante?”. Il chatbot risponde in modo sicuro, convinto e totalmente sbagliato. In alcuni casi consiglia pratiche illegali o discriminatorie, in altri omette informazioni fondamentali o propone scorciatoie in aperto contrasto con la legge.
Quando manca la validazione delle fonti
Il sistema, basato su IA generativa, non era connesso a una knowledge base validata o supervisionata. In pratica, rispondeva con contenuti probabilmente coerenti ma non verificati legalmente. Questo ha causato una valanga di segnalazioni, un’inchiesta da parte della testata giornalistica indipendente The Markup e infine una nota ufficiale del comune: “Le risposte fornite dal chatbot non vanno considerate come consigli ufficiali. Stiamo lavorando per migliorare la qualità del servizio”.
Il rischio della fiducia cieca nella tecnologia
Quando un chatbot risponde in nome di un ente pubblico, le persone si aspettano risposte affidabili, sicure e conformi alla legge. Questo episodio ha mostrato chiaramente quanto possa essere pericoloso lasciare un’IA libera di generare contenuti senza una base informativa solida e aggiornata. In questo caso, l’errore non è stato solo tecnico, ma etico e istituzionale.
Questi tre casi mostrano quanto può costare una knowledge base mal gestita. Ma come riconosci una knowledge base fatta bene da una scadente?
Come capire se la tua knowledge base funziona
Che tu gestisca direttamente il Customer care o sia a capo di un’azienda, ti sarai chiesto almeno una volta: “La nostra knowledge base va bene così o no?”. La mia risposta è questa: una knowledge base funziona se ti permette di lavorare in modo professionale. Una delle promesse non dette della customer experience è la coerenza: il cliente si aspetta che, chiunque risponda, la risposta sia la stessa.
Come riconoscere una knowledge base efficace
- Quando un nuovo collega entra, trova le risposte prima di fare domande.
- Quando un cliente chiama con un problema, tutti sanno cosa dire e non devono chiedere a “quello esperto”.
- Quando aggiorni un processo, nessuno ti dice “ma io avevo il file vecchio”.
- Quando il chatbot risponde, non fa figuracce.
- Quando un cliente fa una domanda fuori standard, tutti sanno dove cercare invece di inventare una risposta plausibile.
- Quando hai un dubbio, vai lì e trovi la risposta dettagliata.
I segnali di una knowledge base scadente
- Ogni persona ha la sua versione dei documenti.
- Le risposte sono troppo generiche o scritte in modo tecnico o datate.
- Nessuno sa chi la aggiorna. E infatti, nessuno la aggiorna.
- Il chatbot risponde a modo suo. O peggio: risponde a casaccio.
- Tutto quello che serve è da qualche parte, ma mai nel posto giusto.
- E chi ne sa di più? Giuseppe. Sempre Giuseppe.
Come far collaborare il Customer care con la Supply Chain, il Commerciale e gli altri reparti per costruire processi che garantiscano la soddisfazione del cliente? In questo articolo trovi il metodo CNV con 5 esempi per B2B e B2C.
Come creare una knowledge base utile per l’intelligenza artificiale
Una knowledge base ben fatta deve essere costruita con una testa pensante e una visione d’insieme: deve dialogare con tutto il resto del “mondo customer”, le categorizzazioni delle interazioni, i motivi di contatto, i KPI che misurano l’efficacia del supporto, le varie fasi del customer journey, l’evoluzione del reparto dei prossimi anni.
Se questi elementi non sono allineati, va a finire che crei contenuti scollegati dalla realtà quotidiana di chi lavora nel Servizio clienti. Questa è la ragione per cui mi irrito quando sento dire che basta “far scrivere degli articoli alla Comunicazione o all’agenzia” o “buttare dentro delle FAQ copiandole da quelle della concorrenza” quando vai online. Bisogna avere metodo e fare le cose per bene.
Una knowledge base solida diventa anche un tema di efficienza, perché riduce il lavoro ripetitivo, ottimizza i costi di gestione e rende l’IA un vero investimento.
E qui arriviamo al punto cruciale: “Ma chi dovrebbe occuparsene, in pratica?”.
Chi deve prendersi cura della knowledge base
La knowledge base è un lavoro di squadra: pensare che sia roba da tecnici è uno degli errori più frequenti nelle aziende. In realtà, se vuoi che l’IA funzioni e non finisca nei disastri visti sopra, serve il contributo di:
- Customer care, perché conosce le vere domande reali dei clienti
- Logistica e Operations, perché sanno cosa succede dopo l’ordine
- Amministrazione e HR, perché possono fornire risposte corrette su documenti e normative
- Marketing e Comunicazione, perché garantiscono coerenza con tono e valori del brand
- IT, perché gestisce la parte tecnica e l’integrazione con chatbot e tool.
La knowledge base è un asset strategico, trasversale, da curare con metodo e con una governance condivisa. Se viene alimentata solo dall’IT, diventa un archivio tecnico. Se invece è gestita in collaborazione e con l’ownership del Customer care, diventa veramente il punto di partenza per un Servizio clienti scalabile e allineato.
Il vero punto di partenza per l’IA sei tu, che guidi il Customer care
I sistemi automatizzati, che siano chatbot tradizionali o con IA generativa, amplificano ciò che già hai: se la tua conoscenza aziendale è caotica, frammentata, affidata a quello che sa, il chatbot la moltiplicherà, come emerge in modo chiaro dai disastri di Air Canada, Chevrolet e NYC. Per questo la knowledge base è la decisione strategica da cui tutto parte, prima ancora di parlare di intelligenza artificiale, non un dettaglio tecnico da delegare dopo aver scelto il chatbot.
Costruire e curare questa base di conoscenza è uno dei compiti di chi guida un Customer care oggi. Ne parlo nell’articolo Customer care manager: ruolo, compiti e responsabilità.
Fonti e approfondimenti:
- The 6 Biggest Chatbot Fails and Tips on How to Avoid Them
- Che cos’è una knowledge base? Lo strumento essenziale che ti manca
- Build a foundation for AI success: Why your knowledge base is key
- NYC’s AI Chatbot Tells Businesses to Break the Law
- Chatbot verspricht Fluggast irrtümlich Rückerstattung – Airline muss zahlen