ChatGPT è adatto all'assistenza tecnica?

ChatGPT è adatto all'assistenza tecnica? Per il lavoro generico sì, per rispondere ai clienti sui tuoi macchinari da solo no. Il motivo è semplice: ChatGPT è un modello generalista che conosce il web pubblico, non i tuoi manuali, e può generare risposte plausibili ma sbagliate. Sul tecnico, dove un errore costa fermi e richiami, questo è un rischio serio.

Dove ChatGPT è forte

• Scrivere e riformulare testi, email, risposte standard.
• Riassumere e tradurre internamente.
• Ragionare su problemi generali e fare brainstorming.

Dove ChatGPT mostra i limiti

• Non conosce i tuoi prodotti. La sua conoscenza si ferma alla data di addestramento e copre il web pubblico, non i tuoi manuali: su un codice di errore specifico non può rispondere.
• Caricare i PDF non basta. Anche con un Custom GPT in cui carichi i documenti, mancano governance dei dati, controllo delle versioni e citazione garantita: resta uno strumento pensato per l'uso individuale, non per il post-vendita verso i clienti.
• Può inventare. Non garantisce che una risposta tecnica venga da una fonte verificata.
• Non cita la fonte. Di base non rimanda al documento da cui ha preso l'informazione.

Come renderlo utile sul tecnico

Il modo affidabile è ancorare il modello ai tuoi documenti con un approccio RAG e imporre la citazione della fonte. È esattamente ciò che fa Filo: usa l'AI generativa, ma risponde solo in base ai tuoi manuali e dice "non lo so" quando la documentazione non copre la domanda.

Custom GPT, Projects ed Enterprise: cosa puoi (e non puoi) fare

OpenAI offre più modi per dare a ChatGPT i tuoi documenti, ognuno con un limite preciso:

• Custom GPT. Puoi allegare fino a 20 file di conoscenza, ma non c'è controllo delle versioni né citazione garantita della pagina, e il recupero sui documenti è approssimativo. È pensato per un assistente personale, non per il post-vendita verso i clienti.
• Projects. Utile per tenere insieme file e conversazioni di un tema, ma vale lo stesso limite: niente flusso di assistenza, niente escalation a un operatore, niente tracciamento delle richieste.
• ChatGPT Enterprise / Team. Qui i tuoi dati non vengono usati per addestrare i modelli (sul piano consumer, invece, servono le impostazioni giuste). Resta però uno strumento orizzontale di produttività, non un sistema di assistenza.

Per un vero assistente di post-vendita serve costruire una pipeline RAG con le API (Assistants e file search): è possibile, ma diventa un progetto di sviluppo da mantenere nel tempo, non una soluzione pronta.

Quando ChatGPT è la scelta giusta

ChatGPT dà il meglio a supporto del tuo team, non al posto del flusso di assistenza al cliente:

• bozze di risposte ed email che poi un operatore rivede prima di inviarle;
• traduzioni interne e riformulazioni rapide;
• riassunti di documenti lunghi per uso interno;
• brainstorming e ragionamento su problemi generali.

In questi casi l'errore non è critico e non serve citare la fonte. Quando invece la risposta va al cliente, su una macchina reale, e deve essere corretta e verificabile, il rischio di allucinazione cambia completamente il quadro: lì serve un assistente ancorato ai manuali.

Un esempio del rischio

Un cliente scrive "che olio uso per il riduttore?". ChatGPT, senza i tuoi manuali, risponde con un lubrificante plausibile e generico, magari corretto per una macchina qualsiasi ma sbagliato per il tuo modello, che richiede una viscosità specifica indicata a pagina 48 del manuale. La risposta sembra competente, ma porta a un guasto. Un assistente ancorato ai documenti, invece, cita la pagina giusta o dice "non lo so" se quel dato non c'è. È la differenza tra sembrare utili ed esserlo davvero, e sul tecnico è proprio quella che conta.

Possono convivere

Non è una scelta esclusiva: ChatGPT per il lavoro generico, Filo per l'assistenza tecnica verso clienti e tecnici, dove servono risposte ancorate e verificabili. Vedi il confronto diretto Filo vs ChatGPT o la panoramica delle alternative a ChatGPT per l'assistenza. Se hai già provato a caricare i tuoi PDF su ChatGPT, è il segnale che il bisogno c'è: il passo successivo è portarlo in produzione con governance e citazione delle fonti.