Negli ultimi mesi tre grandi player della tecnologia hanno presentato agenti intelligenti che non attendono una richiesta dell’utente, ma lo contattano in modo proattivo: Meta con Muse, OpenAI con Dots e Uber con il nuovo assistente per i driver. Il filo conduttore è lo stesso: l’agente parla per primo, e la vera difficoltà diventa decidere quando e come interrompere l’utente senza risultare invasivi.

Tre lanci, un pattern

Meta Muse (8 settembre) è un assistente personale che gestisce prenotazioni, email e altre attività senza dover aprire l’app. Ricorda dettagli, propone suggerimenti non richiesti e chiede conferma, sia nella sua app dedicata sia su WhatsApp.

OpenAI Dots (29 settembre) sono agenti sempre attivi che eseguono “ricerche proattive”, monitorano in sola lettura le tue app per individuare fatture dimenticate o bug su Slack. Raggiungono l’utente su ChatGPT, Slack e Teams, sia via testo che voce.

Assistente per i driver di Uber trasforma i segnali del mercato in consigli pratici. In una recente presentazione, Uber ha mostrato come un autista inattivo per 33 minuti sia stato guidato verso una zona più redditizia, con dati a supporto. I principi sono: restare “sempre dal lato del driver”, offrire opportunità in modo proattivo e misurare se i driver hanno agito. Una versione a comando vocale è stata annunciata il 24 settembre.

Da pull a push

I tradizionali chatbot funzionano con un’interfaccia di “pull”: l’utente sceglie il momento, il canale e la domanda. Gli agenti proattivi capovolgono questo schema. Interrompere troppo spesso porta a mutare l’agente; intervenire troppo tardi fa perdere l’opportunità, che sia una svendita o una fattura scaduta. Inoltre, scegliere il canale sbagliato può annullare l’efficacia di un messaggio anche se ben formulato.

Il modello linguistico generativo può scrivere il messaggio, ma non è lo strumento adatto per decidere se inviarlo.

La regola: il valore deve superare il costo dell’interruzione

Ogni messaggio proattivo è una scommessa. Si invia solo quando il valore atteso per l’utente supera il costo dell’interruzione. Il valore si compone di quattro elementi:

quanto è in gioco (importo, importanza della decisione);
la probabilità che l’utente agisca;
la rapidità con cui l’opportunità scade;
chi trae beneficio, l’utente o la piattaforma.

Questi fattori guidano le decisioni: messaggi ad alto valore e a breve scadenza vanno inviati subito; quelli di valore moderato possono essere aggregati in un riepilogo; il resto non viene mai inviato. Inoltre, più alto è il valore, più intrusivo può essere il canale (da una scheda in‑app a una chiamata vocale).

“Quando” e “come” sono problemi di previsione

Team di notifiche e crescita hanno già affrontato problemi analoghi con:

Modelli di uplift: stimano se una spinta induce l’azione.
Banditi contestuali: apprendono il miglior momento e canale per ogni utente.
Modelli di recettività: prevedono se l’utente è disponibile (es. guida, riunione).

I canali hanno un “prezzo d’ingresso”: una carta in‑app costa poco, la chat costa di più, SMS ancora di più e una chiamata vocale è riservata a situazioni urgenti. Uber, ad esempio, utilizza il tracciamento dei risultati per fornire le etichette necessarie a questi modelli.

Dove si inseriscono i modelli decisionali

Una nuova classe di modelli, i modelli decisionali, è ideale per questo compito. Esempi sono:

Jev di TypeSafe;
Julia 1 di Supersonic Labs (modello open‑weights).

Questi modelli non generano testo, ma restituiscono giudizi tipizzati: una scelta da un elenco breve, un punteggio o un sì/no, ognuno con probabilità associata. Julia 1 opera su CPU con circa 33 ms per decisione.

Un agente sempre attivo valuta molti più trigger di quanti ne invii, perciò ogni candidato può essere filtrato con domande strutturate a basso costo prima di coinvolgere un LLM: è degno di un’interruzione? Qual è il valore e l’urgenza? Invia subito, attendi, raggruppa o scarta? Quale canale usare?

Cross‑sell, con prudenza

Un agente che parla per primo è anche un potente canale di distribuzione. Meta ha annunciato che sta esplorando il commercio in Muse e ha lanciato Muse per le piccole imprese; OpenAI ha introdotto Dots insieme a un nuovo piano mensile da 500 $. Uber ha già servizi di consegna e altri per promuovere. Tuttavia, un’offerta resta un messaggio e deve superare lo stesso test di valore per l’utente. Se gli utenti percepiscono che l’agente vende più che aiuta, la credibilità di ogni messaggio crolla.

La conclusione

Tutte e tre le aziende hanno sviluppato modelli solidi, ma la gara sarà vinta dalla capacità di giudicare l’attenzione: parlare raramente, al momento giusto, nel luogo giusto, sempre dalla parte dell’utente. Le aziende che dispongono da anni di dati su notifiche e comportamento avranno un vantaggio significativo.