Circles and OpenAI: +22% ARPU and -9% churn in the telecom sector

Circles: cronologia di un’integrazione AI costruita per durare

Circles è un operatore telco digitale fondato a Singapore, oggi presente in diversi mercati del Sud-Est asiatico. A differenza degli operatori tradizionali, ha costruito la propria infrastruttura su un modello cloud-native e data-driven fin dall’origine. Questa scelta ha reso l’integrazione con le tecnologie OpenAI più fluida rispetto a quanto accade nelle grandi telco legacy.

Over the past few months, Circles has adopted the OpenAI API and the Codex model per alimentare un sistema di personalizzazione AI-native. In particolare, l’obiettivo era duplice: migliorare l’esperienza utente lungo tutto il ciclo di vita del cliente e accelerare lo sviluppo interno di nuove funzionalità.

Pertanto, il progetto non si è limitato a un chatbot o a un motore di raccomandazione isolato. Al contrario, ha ridisegnato il modo in cui la piattaforma genera, testa e distribuisce esperienze personalizzate su scala.

I numeri che definiscono il caso: ARPU, churn e velocità di sviluppo

I risultati pubblicati da OpenAI parlano di tre metriche distinte. Prima di tutto, l’ARPU — Average Revenue Per User — è cresciuto del 22%. Questo dato indica che i clienti esistenti spendono di più, probabilmente perché ricevono offerte più pertinenti al proprio profilo di consumo.

In seguito, il tasso di churn è calato del 9%. Inoltre, l’efficienza nel processo di sviluppo software è migliorata in modo rilevante, grazie all’uso di Codex per la generazione e il testing del codice. Dunque, l’impatto dell’AI si distribuisce su più livelli aziendali contemporaneamente.

These numbers deserve a critical reading. According McKinsey Global Institute, le aziende che integrano l’AI in modo sistematico nei processi core ottengono risultati fino a tre volte superiori rispetto a chi la usa in modo frammentato. Il caso Circles conferma questa tesi.

Architettura dell’approccio: cosa ha fatto davvero Circles

Il modello operativo di Circles si basa su tre componenti principali. Anzitutto, un layer di dati unificato che raccoglie segnali comportamentali in tempo reale — utilizzo dati, frequenza di contatto, storico acquisti. Quindi, un motore di personalizzazione alimentato dalle API OpenAI che genera offerte, messaggi e raccomandazioni dinamiche per ogni segmento utente.

Infine, Codex viene utilizzato internamente dai team di sviluppo per accelerare la scrittura e il testing del codice. In questo modo, il time-to-market di nuove funzionalità si riduce in modo significativo. Analogamente, i team possono iterare più velocemente sulle logiche di personalizzazione stessa.

Questo approccio — dati, AI applicata al cliente, AI applicata allo sviluppo — rappresenta una struttura replicabile anche fuori dal settore telco. Pertanto, è utile ragionare su quali elementi siano trasferibili a contesti B2B o retail italiani.

Winners, losers, and those who watch

Il vincitore più evidente è Circles stessa, che consolida un vantaggio competitivo misurabile in un settore — quello telco — storicamente caratterizzato da margini compressi e alta concorrenza. Inoltre, OpenAI rafforza la propria narrativa di AI applicata al business con un caso studio concreto e documentato.

Tuttavia, i veri perdenti sono gli operatori e le aziende che continuano a posticipare l’integrazione AI. Secondo Gartner, entro il 2027 oltre il 60% delle aziende che non avranno adottato AI generativa nei processi customer-facing perderanno quote di mercato rispetto ai competitor più avanzati. Il gap si allarga ogni trimestre.

Chi resta a guardare — e sono ancora molte PMI italiane — rischia di trovarsi in una posizione di recupero difficile. Nonostante ciò, la buona notizia è che gli strumenti sono accessibili e i modelli di integrazione sono ormai documentati.

Reading SHM Studio: What it Means for Italian Marketing

Il caso Circles è rilevante per i marketing manager italiani per almeno tre ragioni. In primo luogo, dimostra che l’AI generativa produce risultati misurabili su KPI di business reali — non solo su metriche di engagement superficiali. In secondo luogo, mostra che l’integrazione deve essere sistemica, non episodica.

In terzo luogo — ed è forse l’aspetto meno discusso — evidenzia come l’AI possa agire contemporaneamente sul fronte cliente e sul fronte interno (sviluppo, operazioni). Questo doppio impatto è quello che genera il maggiore ritorno sull’investimento.

In SHM Studio lavoriamo con aziende B2B e retail che vogliono applicare questi principi al proprio contesto. Ad esempio, la personalizzazione AI dei contenuti è uno dei pilastri dei nostri progetti di digital marketing e SEO copywriting. Similarly, we integrate advanced segmentation logic into our campaigns Google Ads e LinkedIn.

What numbers do not say: enabling conditions

Un caso studio come quello di Circles tende a mettere in primo piano i risultati. Tuttavia, è utile chiedersi quali condizioni lo abbiano reso possibile. Prima di tutto, Circles aveva già una cultura data-driven consolidata. Quindi, disponeva di un’infrastruttura cloud flessibile. Infine, aveva team interni capaci di integrare API esterne in modo autonomo.

Per molte PMI italiane, queste condizioni non sono ancora presenti in modo completo. Di conseguenza, il percorso verso risultati analoghi richiede una fase preliminare di data readiness e di revisione dei processi. Perciò, è fondamentale non limitarsi a copiare il modello, ma adattarlo alla propria maturità digitale.

According to Harvard Business Review, le aziende che ottengono i migliori risultati dall’AI sono quelle che investono prima nelle fondamenta — dati puliti, processi chiari, team formati — e poi nelle applicazioni. Circles ne è un esempio coerente.

Next moves: three operational directions for 2026-2027

Alla luce di questo caso, è possibile identificare alcune direzioni concrete per i responsabili marketing e digital italiani. Anzitutto, vale la pena avviare un audit della propria base dati cliente: qualità, completezza e accessibilità dei dati sono il prerequisito di qualsiasi progetto AI applicato alla personalizzazione.

Inoltre, è opportuno esplorare l’integrazione di API AI nei propri strumenti di marketing automation e CRM. Molte piattaforme già diffuse in Italia — da HubSpot a Salesforce — offrono connettori nativi con OpenAI e modelli equivalenti. Pertanto, il punto di partenza non è necessariamente uno sviluppo custom.

Infine, è strategicamente rilevante iniziare a misurare l’impatto dell’AI su KPI di business reali — ARPU, churn, conversion rate — e non solo su metriche operative. Questo cambio di prospettiva è quello che trasforma un progetto pilota in un investimento scalabile. I SHM Studio AI Services sono progettati esattamente in questa direzione: dalla strategia all’implementazione misurabile.

For those who want to learn more about how to structure this path in their own company context, the team at SHM Studio è disponibile per una consulenza dedicata. È possibile contattarci attraverso la Contact Us to explore our blog per ulteriori approfondimenti su AI, SEO e digital marketing. Tra i servizi disponibili, segnaliamo anche le attività di SEO e web development performance-oriented.