Unificare una valuta digitale di 9.000 PMI in un unico centro di comando Salesforce

SardexPay non è davvero un'azienda, è un ecosistema di circa 9.000 PMI italiane che si scambiano beni e servizi in una valuta di mutuo credito. Un ristorante paga un tipografo in crediti Sardex. Il tipografo li spende dal meccanico. Il meccanico paga un fornitore. Nulla tocca l'euro finché non serve, ed è tutto il punto: liquidità locale per aziende locali, tenuta in circolo.

Vivace sulla carta, e notevole per ciò che rende possibile all'economia locale. Ma la realtà operativa non corrispondeva alla visione. La verità su quelle 9.000 aziende era sparsa in caselle personali, Google Sheet e un core transazionale legacy chiamato Cyclos. Quindici anni di transazioni vivevano nel sistema bancario. Un parallelo di quindici anni di note di relazione viveva dentro le teste dei singoli broker e nelle loro cartelle email. Il management stava di fatto volando alla cieca: le decisioni si prendevano su indicatori in ritardo, cosa era successo il mese scorso, invece che su una pipeline viva. Il nostro mandato non era un refresh software. Era una ristrutturazione del loro sistema nervoso commerciale e finanziario.

Il fattore scatenante è stata una spinta strategica per far crescere il circuito in nuove regioni. La crescita è il momento in cui i punti ciechi diventano costosi. La leadership aveva bisogno di vedere quali broker producevano, quali membri stavano per abbandonare e quali settori sotto-transavano, in qualcosa di più vicino al tempo reale del PDF trimestrale.

Ci siamo scontrati con un muro quasi subito. Il cuore di SardexPay è Cyclos, il software bancario che gestisce i crediti. Non si collega semplicemente Salesforce a un core bancario senza conseguenze. Un'integrazione ingenua sarebbe stata pericolosa. Sincronizzare 15 anni di storia transazionale direttamente dentro un CRM quotidiano l'avrebbe schiacciato. E sopra c'era uno showstopper vero: la versione del core bancario. Senza aggiornare Cyclos alla 4.16 o successiva, non potevamo garantire single sign-on sicuro con OAuth 2.0 e OpenID Connect moderni. Le versioni precedenti erano un rischio di sicurezza inaccettabile per uno strumento finanziario. Abbiamo fermato tutto e segnalato il rischio senza giri di parole: aggiornare il core, o il progetto non si può rilasciare.

Sotto il lavoro tecnico c'era un problema di igiene dei dati che il cliente non aveva pienamente affrontato. Un utente che era Admin dell'azienda A e Partner dell'azienda B esisteva come due record totalmente separati. Non c'era un'unica fonte di verità per un essere umano.

La sfida più grande non era il codice, era la cultura. I broker erano abituati a gestire i clienti a memoria e istinto. Temevano che il CRM sarebbe stato uno strumento da Grande Fratello, e ogni tentativo precedente di CRM in SardexPay era fallito esattamente per quel motivo.

Abbiamo ribaltato l'inquadramento. Agentforce è stato introdotto non come un capo, ma come un assistente. Prima che un broker chiami un cliente, l'AI prepara un briefing pack: ecco cosa fa il cliente, ecco chi paga nel circuito, ecco un caso simile che può citare. Il broker arriva più preparato, non più sorvegliato. Quella singola scelta di posizionamento ha cambiato l'adozione. Siamo anche passati dalla ricerca a parole chiave, che falliva quando un broker cercava "pranzo" ma il cliente era etichettato come "catering", alla ricerca semantica, così che i broker potessero trovare esattamente ciò che intendevano invece di ciò che digitavano.

La parte difficile è arrivata attorno al secondo mese. Il primo lotto di briefing prodotti dall'assistente era plausibile e sbagliato in modo sottile: stava inventando relazioni tra fornitori che non esistevano, a partire da pattern nei dati transazionali che sembravano più solidi di quanto fossero. Abbiamo messo in pausa il rollout, stretto le regole di grounding, aggiunto soglie di confidenza sotto cui l'assistente si rifiutava di speculare, e fatto valutare i briefing dai broker per due settimane prima di riattivarlo per tutti. La pausa ci è costata due settimane. Non fermarci ci sarebbe costato i broker.

Il Layer A è operativo e in tempo reale: una REST API bidirezionale per master data management, verifiche di saldo in tempo reale e stato dell'account. Il Layer B è analitico e batch: il target è Salesforce Data Cloud, i log transazionali completi vengono ingeriti via ETL, e Salesforce Core mostra insight calcolati ("Churn Risk: alto") invece di righe transazionali grezze.

La gerarchia AI su Agentforce ha due livelli. Un master agent per i broker senior, tarato per ragionamento ad alta complessità. Un portal assistant per le richieste B2B pubbliche, tarato per efficienza di costo. Sotto entrambi vive un motore di ricerca semantica, che sostituisce la ricerca legacy exact-match con matching di intento vector-based, così che "dove portare i clienti a cena" risolva in ristoranti taggati come formali e business, non solo alla stringa "cena". Una routine di arricchimento inside-out genera in modo programmatico articoli di knowledge in JSON strutturato per ogni azienda ingerendo la loro presenza web pubblica, così che i profili interni sottili acquistino profondità. Il supporto omnicanale consolida voice, email e web in code di Service Cloud, così gli SLA si possono finalmente misurare.

Tecnologie coinvolte: Salesforce Sales Cloud, Service Cloud, Marketing Cloud, Data Cloud, Agentforce, Experience Cloud, Salesforce Voice, e agenti esterni su OpenAI e Anthropic per specifici task di ragionamento.

SardexPay è passata da reattiva a predittiva. Il sistema ora vede cose che le persone si perdevano, perché può guardare 15 anni di storia transazionale senza rallentare il CRM su cui i broker lavorano ogni giorno.

Individua il silenzio: aziende che non transano da 30 giorni vengono segnalate prima che escano del tutto dal circuito, perché il pattern è visibile nel momento in cui inizia. Identifica gli accumulatori: aziende che accumulano crediti e rallentano l'economia, che prima erano invisibili fino alla review annuale. Mappa le supply chain dai pagamenti ricorrenti, così che un ristorante che non ha mai chiesto un servizio di lavanderia possa comunque essere abbinato a uno, perché il pattern di altri ristoranti di dimensione simile mostra l'accoppiamento.

Un nuovo network density score, volume diviso per numero di partner, segnala i casi in cui il volume transazionale sembra sano ma è concentrato su pochissime controparti, che è la forma di una relazione fragile e non di una solida. La previsione di stagionalità fa scattare azione di marketing sui picchi storici di cash-flow (per esempio, offrire ai hotel servizi di manutenzione a ottobre) invece di aspettare che l'hotel chieda.

Il prossimo passo è estendere il layer Agentforce agli strumenti per i membri: dare alle PMI dentro il circuito un proprio assistente in grado di suggerire controparti, segnalare crediti stagnanti e proporre abbinamenti di supply chain, senza che un broker debba essere coinvolto nei casi di routine.