Stai costruendo un prodotto AI? La risposta di default è quasi sempre “facciamo un chatbot”. Ma default non vuol dire giusto. Ecco perché la chat non è sempre la modalità giusta, e come progettare l'AI con intenzione, non per abitudine.
Livia Stevenin Ultimamente c’è una frase che ho il terrore di sentire nelle riunioni: “Vogliamo che la soluzione sia una chat.” A volte diventa “un assistente AI”, a volte “qualcosa con una chat”. Le parole cambiano, ma lo schema resta lo stesso: la soluzione arriva prima del problema.
Ormai ho imparato ad aspettarmelo. La parte peggiore è quando hai già mappato il flusso, capito il bisogno e trovato una soluzione su misura, e il cliente si sente comunque attratto dal chatbot, perché oggi la finestra di chat è il volto più riconoscibile di questa tecnologia.
E capisco perché succede. L’AI può sembrare un mistero quando non la conosci bene, quindi è naturale affidarsi all’unica forma che hai già usato ovunque. Nella testa della maggior parte delle persone, l’“AI” ha questo aspetto. Così, quando un cliente vuole portare l’AI nel suo prodotto, una chat sembra la scelta ovvia e sicura.
Ma l’obiettivo vero non è mai stato aggiungere un chatbot, bensì risolvere un problema. E la chat è solo uno dei tanti modi per farlo, e non sempre il migliore. In questo articolo voglio spiegare perché noi designer dovremmo guardare oltre il “basta aggiungere un chatbot”, e cosa possiamo proporre quando la risposta giusta è qualcosa di più intelligente e discreto.
Il primo problema di un chatbot è che è una scatola vuota.
Un campo di testo vuoto non dà quasi nessuna indicazione. È come dare a qualcuno un microfono senza copione e dirgli: “Dai, canta qualcosa.” Tutta questa apertura sembra liberatoria, ma nella pratica genera esitazione. Gli utenti devono capire cosa sa fare il sistema, come formulare la richiesta e se verrà capita.
Peggio ancora, quando qualcuno è nel mezzo di un’attività, quella scatola vuota diventa una porta aperta alle distrazioni. Invece di seguire un flusso chiaro e guidato, l’utente è invitato a improvvisare. Divaga, chiede qualcosa che c’entra poco e perde il filo di quello che era venuto a fare. Un’interfaccia ben progettata tiene le persone orientate verso il loro obiettivo. Una chat aperta, per sua natura, chiede ogni volta di definire l’obiettivo da zero.
E la distrazione non è l’unico costo. Una scatola vuota chiede alle persone anche un grosso sforzo cognitivo. Ridurre il carico cognitivo e limitare le scelte superflue può rendere le esperienze molto più confortevoli, soprattutto per gli utenti neurodivergenti, e sarebbe facile pensare che un chatbot lo faccia in automatico, visto che riduce lo schermo a un unico campo di input. Spesso però succede il contrario.
Una casella conversazionale vuota elimina proprio gli elementi su cui la maggior parte delle persone si basa per orientarsi in un’interfaccia: una struttura chiara, una navigazione prevedibile e confini visibili. Non è solo una questione di accessibilità. Chiunque non abbia già familiarità con questi strumenti, cioè ancora la maggior parte delle persone, paga lo stesso prezzo. Quando non c’è un layout a cui ancorarsi, né un “cosa faccio adesso” evidente, l’apertura diventa un peso invece che un sollievo. Dover formulare una richiesta in linguaggio naturale, indovinare cosa il sistema è in grado di capire e tenere a mente l’intera attività è un costo cognitivo reale per tutti. Un layout intuitivo con affordance chiare può essere più gentile di una finestra di chat che dà per scontato che tutti sappiano mettere in parole le proprie intenzioni.
In Shaping Interfaces With Intent ho parlato della frustrazione delle interfacce rigide, passo dopo passo, che fanno lavorare le persone più del dovuto. Un chatbot puro può essere il fallimento opposto: così poco strutturato che gli utenti non sanno da dove cominciare. Entrambi gli estremi mancano il punto. Il compito dell’interfaccia è guidare, non interrogare.
Si tende a usare “AI” e “chatbot” come sinonimi, ma non lo sono. Il chatbot è un pattern di interfaccia, mentre le capacità che ci stanno dietro (modelli linguistici, classificazione, estrazione, previsione, ranking, ricerca, e perfino quella logica basata su regole che di solito chiamiamo semplicemente “un algoritmo”) possono emergere in decine di modi che non hanno niente a che fare con una finestra di conversazione. Il punto è smettere di far coincidere l’AI con un’unica interfaccia a forma di chat e usarla nella forma che si adatta davvero al problema.
Prendiamo un’attività con un’unica risposta corretta, in cui il risultato è deciso da un insieme fisso di regole. I sistemi deterministici basati su regole come questo sono uno dei rami più antichi dell’AI, nati molto prima dei chatbot, quindi sceglierne uno resta una scelta di AI: quella adatta al compito. Racchiudere quella logica in una finestra di chat, invece, aggiunge soprattutto costi, latenza e incertezza a qualcosa che era già risolto.
L’ho visto chiaramente in un progetto in cui dovevamo confrontare dei deal con un insieme di regole specifiche. La logica era rigida: un deal soddisfaceva una condizione oppure no, e lo stesso input doveva produrre sempre, ogni singola volta, lo stesso risultato. Così abbiamo diviso il flusso in base a ciò di cui aveva bisogno ogni parte: una logica di matching deterministica per la verifica delle regole, dove l’esattezza è tutto, e il modello linguistico per le parti dello stesso flusso più sfumate e legate al linguaggio. Resta a tutti gli effetti un prodotto AI. Quello che cambia è dove si trova il modello, e il fatto che nessuna parte del prodotto avesse bisogno di una finestra di chat per arrivare all’utente.
Alcuni dei lavori sull’AI che mi hanno dato più soddisfazione non avevano nessuna interfaccia di chat. Prendiamo Lola, un assistente speech-to-form che abbiamo realizzato. Lola usa l’elaborazione del parlato in tempo reale e i modelli linguistici per compilare moduli a partire da una normale conversazione, ma l’utente non si ritrova mai a fissare una finestra di chat vuota. L’AI lavora all’interno di un’interfaccia familiare e strutturata, compilando i campi e segnalando gli errori.
Il modello fa un pesante lavoro di interpretazione dietro le quinte, ma il compito del designer è far emergere quel lavoro attraverso un’interfaccia chiara, non attraverso una conversazione. L’AI può vivere in un suggerimento, in un default intelligente, in un autocompletamento, in un invito proattivo, in una lista ordinata, in una validazione inline. Spesso l’AI migliore si confonde con lo sfondo finché non serve, e offre un supporto discreto invece di pretendere interazione. Ed è spesso la forma più alta di AI in un prodotto: capacità senza riflettori puntati addosso.
Nel momento in cui metti una chat davanti alle persone, crei un’aspettativa difficile da soddisfare.
Un’interfaccia di chat sembra generalista. Assomiglia agli assistenti che le persone usano già nella vita privata. Così, anche se il tuo chatbot è stato costruito per fare una cosa specifica, gli utenti proveranno inevitabilmente a fargli fare altro: fare domande che non c’entrano, chiedere funzionalità che non erano previste, spingerlo in direzioni che non avevi immaginato.
Non puoi prevedere con certezza come le persone useranno un campo di testo aperto, perché le cose che potrebbero scriverci sono, di fatto, infinite. E quando sbattono contro un muro, quando il bot risponde “Non posso aiutarti con questo”, l’esperienza si guasta in fretta. Invece di sentirsi aiutati, gli utenti si sentono limitati da uno strumento che sembrava poter fare qualsiasi cosa e poi non ci riesce.
Un’interfaccia più strutturata evita del tutto questa trappola. Quando le azioni disponibili sono visibili e delimitate, gli utenti ne capiscono subito il perimetro.
C’è anche una tensione reale: il desiderio di rendere visibile l’AI. Se un cliente ha investito budget e impegno veri per introdurre l’AI, è del tutto ragionevole che voglia un ritorno, anche d’immagine. La domanda è se un chatbot sia il modo giusto per mostrare le capacità dell’AI.
Un chatbot aggiunto soprattutto per visibilità tende a essere superficiale e scollegato da quello che le persone sono venute a fare. Non mette davvero in mostra la tecnologia, anzi può lasciar intendere che non sia stata abbinata a un bisogno reale. Ma visibilità e utilità non devono per forza farsi concorrenza. Se l’obiettivo è rendere riconoscibile la presenza dell’AI, ci sono modi più sottili per farlo. In un progetto, per esempio, abbiamo dato a ogni funzionalità basata sull’AI un’icona e un colore di accento coerenti, così l’intelligenza del prodotto era riconoscibile a colpo d’occhio, senza far passare tutto da una finestra di chat. L’AI era visibile e chiaramente identificata, e viveva comunque dentro interfacce costruite per il compito.
Usare bene l’AI significa scegliere il momento e la modalità in cui aiuta davvero e, quando conta, rendere visibile quell’intelligenza in un modo coerente con il prodotto.
Ogni progetto di AI su cui ho lavorato mi ha confermato la stessa lezione: l’interfaccia è una decisione, non un default. La chat è un pattern potente per attività aperte, esplorative e basate sul linguaggio. Funziona male invece con workflow strutturati, logiche deterministiche e azioni circoscritte, e con utenti a cui serve più chiarezza che libertà.
La chat ha senso quando le persone non possono sapere in anticipo cosa dovranno chiedere, quando l’attività è esplorativa, come una ricerca o un brainstorming, e quando il valore sta proprio nella conversazione. Se per esprimere un’intenzione servirebbero una dozzina di filtri e schermate, una frase scritta in chat può benissimo essere l’interfaccia più chiara che puoi offrire.
Nei prodotti che progettiamo, questo approccio ha preso molte forme. In un progetto per un laboratorio di analisi, le persone dovevano trovare specifici gruppi di campioni in un database enorme, dove ogni campione era descritto da decine di caratteristiche come il materiale, il tipo di provetta o l’analizzatore usato. Un chatbot avrebbe potuto raccogliere quelle richieste, ma non si adattava al loro modo di lavorare: avevano bisogno della ricerca proprio accanto alla tabella. Una finestra di chat separata li avrebbe portati fuori da quel flusso.
Così, invece di un chatbot, abbiamo integrato la ricerca in linguaggio naturale direttamente nella tabella. Le persone potevano scrivere quello che cercavano con parole loro, e il sistema lo traduceva in filtri visibili, applicati all’istante, con i campioni corrispondenti che comparivano nella tabella sotto. Avevano la comodità di descrivere la ricerca a parole proprie, ma vedevano esattamente come era stata interpretata, potevano modificare a mano qualsiasi filtro e restavano dentro lo strumento.
Un altro progetto richiedeva di revisionare lunghi report per verificarne la conformità: controllare che ognuno fosse completo, strutturato correttamente e scritto come richiesto dalle regole. “Revisionare documenti con l’AI” è esattamente il tipo di attività che si immagina di affidare a un chatbot. Ma chi fa la revisione non vuole interrogare un bot un report alla volta. Vuole vedere a colpo d’occhio cosa ha superato il controllo, cosa no e dove. Così l’AI eseguiva i controlli in background e mostrava i risultati come punteggi e segnalazioni direttamente sul report, con i problemi evidenziati nel punto in cui si trovavano e la conformità complessiva visibile senza che nessuno dovesse scrivere una domanda.
In entrambi i casi l’attività avrebbe potuto diventare un chatbot. Il bisogno reale chiedeva qualcos’altro, e quel qualcos’altro era comunque AI a tutti gli effetti. Stessi modelli alla base, ma un’esperienza molto diversa, perché l’intelligenza incontra le persone dentro lo strumento che conoscono già, invece che in una finestra vuota che chiede loro di ricominciare da zero.
Così, quando un cliente esordisce con “vogliamo un chatbot”, cerco di riportare con delicatezza la conversazione alla domanda che dovrebbe venire prima: cosa stanno cercando di fare davvero gli utenti, e qual è il modo migliore per aiutarli a farlo? Bisogna partire dal bisogno reale, non dalla forma della soluzione. Il più delle volte la risposta rispetta comunque alla lettera la richiesta del cliente, solo che si trova fuori dagli schemi più ovvi.
La cosa più impressionante che possiamo costruire è un prodotto che risolve il problema in modo così fluido che nessuno si ferma a notare l’AI: le persone arrivano dove volevano andare, più in fretta e con meno attrito. Per me il buon design dell’AI è questo.
Livia è designer in Buildo, con competenze in UI, UX e design system. Le sue origini brasiliane portano nel team diversità culturale e nuovi punti di vista. La guida la passione per la ricerca e per il lavoro di squadra, con l'obiettivo di realizzare progetti di alta qualità.
Livia Stevenin Livia Stevenin — 8 min 
Livia Stevenin Livia Stevenin — 12 min 
Livia Stevenin Livia Stevenin — 7 min Ogni mese scegliamo articoli utili ma anche idee fresche e stimolanti. Proprio quello che vorremmo trovare noi in una newsletter!
