I cinque componenti di una chiamata
Un agente vocale IA non è un programma unico, è una catena. Quando chi chiama parla, la sua voce attraversa cinque fasi prima di tornare sotto forma di risposta, e il ciclo si ripete a ogni turno di parola.
- La telefonia. La chiamata arriva su un numero gestito da un operatore, che la trasmette all'agente sotto forma di flusso audio. È il componente più antico e più regolamentato: numeri assegnati secondo le regole di ogni paese, un operatore registrato presso l'autorità competente, la portabilità, il trasferimento di chiamata verso il suo cellulare, gli SMS.
- Il riconoscimento vocale, o trascrizione. Il flusso audio viene convertito in testo, in modo continuo, parola dopo parola, con un rilevamento della fine della frase per capire quando chi chiama ha finito. Il rumore di un cantiere, un accento, un nome raro o un numero di telefono dettato cifra per cifra sono le sue difficoltà.
- Il modello linguistico. È il cervello. Riceve il testo di chi chiama, il contesto della conversazione e la sua scheda attività, e decide il seguito: una domanda, una risposta, un'azione. Non «sa» nulla della sua azienda di per sé; sa ciò che gli dice la scheda.
- Le azioni. Quando il modello decide di fissare un appuntamento, non lo fa da solo: chiama uno strumento, che interroga la sua agenda, verifica la fascia oraria, la scrive, invia l'SMS. Questi strumenti sono la parte più determinante per lei: è lì che l'agente agisce sul mondo reale, ed è lì che un errore costa.
- La sintesi vocale. Il testo della risposta viene convertito in voce, in modo continuo, perché l'agente cominci a parlare prima di aver finito di formulare. La qualità della voce conta, ma meno della sua reattività.
Il tutto si ripete a ogni scambio, e l'insieme deve stare in meno di un secondo tra la fine della frase di chi chiama e l'inizio della risposta. È il punto più difficile.
Perché la latenza è il vero tema
In una conversazione tra persone, il silenzio tra due interventi è brevissimo, e un silenzio troppo lungo viene interpretato: «non ha sentito», «sta esitando», «è caduta la linea». Un agente vocale deve tenere questo ritmo con una catena di cinque fasi, ognuna delle quali richiede tempo. Tre tecniche lo rendono possibile.
- L'elaborazione in streaming. La trascrizione comincia mentre chi chiama parla, la sintesi comincia fin dalle prime parole della risposta. Nulla aspetta che la fase precedente sia terminata.
- I modelli rapidi per le risposte semplici. Confermare un orario non richiede lo stesso ragionamento che capire una richiesta di preventivo in tre frasi. Un buon agente usa modelli diversi a seconda del compito.
- La vicinanza dei componenti. Una catena le cui fasi sono ospitate nello stesso data center della telefonia risparmia andate e ritorni. È anche un argomento a favore dell'hosting in Francia.
Quando prova un agente, cronometri i suoi silenzi. Se superano regolarmente un secondo, chi chiama se ne accorgerà, e riaggancerà.
Le interruzioni, il rumore, i numeri
Tre situazioni distinguono un agente che funziona in una demo da un agente che funziona in un cantiere.
- L'interruzione. Chi chiama interrompe l'agente, per correggere o per fare prima. L'agente deve smettere di parlare, ascoltare e riprendere dal punto in cui è arrivata la conversazione, non da dove era rimasto lui. Si chiama gestione della sovrapposizione, ed è una delle cose più difficili da fare bene.
- Il rumore. Un motore, un trapano, un ristorante in pieno servizio. La trascrizione deve filtrare, e l'agente deve saper dire «non ho sentito bene, può ripetere?» invece di tirare a indovinare.
- Numeri e nomi. Un numero di telefono, un indirizzo, un cognome raro, una targa. L'agente deve farli ripetere, farne fare lo spelling e riformularli prima di scriverli. Sayelo conferma sistematicamente il numero da richiamare cifra per cifra.
Le salvaguardie: cosa impedisce all'agente di dire qualsiasi cosa
Un modello linguistico sa produrre una frase plausibile su qualsiasi cosa. È la sua forza, ed è il pericolo: senza vincoli, inventerebbe un prezzo, un orario, un consiglio medico. Le salvaguardie sono le regole che glielo impediscono.
- La scheda attività come unica fonte. L'agente risponde a partire da ciò che lei ha scritto; per ciò che non c'è, dice che non lo sa e prende un messaggio.
- Le azioni autorizzate. Fa solo ciò che gli strumenti gli permettono: scrivere nell'agenda, inviare un SMS, trasferire. Non può annullare tutti i suoi appuntamenti né inviare un'e-mail al posto suo se non ha questo strumento.
- Gli argomenti vietati. Pareri medici, legali, contabili; conferma a terzi di un'informazione su un cliente; promessa di prezzo o di tempi non prevista.
- Le regole di escalation. Quando trasferire, quando avvisare, quando fermarsi. Un agente che non sa passare la mano è un agente che finisce per rispondere male.
- L'annuncio dell'IA. A inizio chiamata, sistematicamente. È un obbligo di legge, ed è una salvaguardia per chi chiama. La guida sull'AI Act e il GDPR approfondisce questo punto.
Dove passano i suoi dati
Durante una chiamata, la voce di chi chiama attraversa la telefonia, la trascrizione, il modello linguistico e gli strumenti. Ogni componente può essere ospitato presso un fornitore diverso, in un paese diverso. Per questo la domanda «dove sono ospitati i dati?» richiede una risposta in più parti, e va posta per ogni componente: la telefonia, la trascrizione, il modello, l'archiviazione dei riepiloghi e delle eventuali registrazioni. Con Sayelo, i dati sono ospitati in Francia presso un fornitore certificato HDS, e l'accordo sul trattamento dei dati descrive i fornitori a cui ricorriamo.
Cosa deve chiedere a un fornitore
Le demo si somigliano. Le differenze si trovano nelle risposte a queste domande.
- Qual è la latenza media tra la fine della mia frase e l'inizio della risposta?
- Come gestisce l'agente un'interruzione?
- Cosa fa quando non capisce, o quando la domanda non è nella scheda?
- Quali azioni può davvero eseguire, e su quali strumenti, senza intermediari?
- Quante chiamate simultanee gestisce?
- Dove è ospitato ogni componente, e le mie conversazioni servono ad addestrare un modello?
- Si presenta come un'IA? Si può disattivare? La risposta giusta è no.
- Come posso rileggere ciò che ha detto: trascrizione, riepilogo, registrazione?
E in concreto, con Sayelo
Con Sayelo, l'agente vocale, il numero, il trasferimento e gli SMS sono riuniti in un unico abbonamento. I numeri e la telefonia sono forniti da un operatore partner registrato presso l'ARCEP (l'autorità francese di regolamentazione delle telecomunicazioni). L'agente si presenta come un assistente vocale, risponde a partire dalla sua scheda attività, scrive in Google Calendar, Microsoft 365 o Cal.com, conferma via SMS e le invia il riepilogo di ogni chiamata. Può sentirlo in tre minuti, con una demo che la richiama, prima di leggere qualsiasi altra cosa. La guida completa alla segreteria telefonica con IA spiega poi l'attivazione, e le FAQ sugli agenti vocali rispondono alle domande che ci vengono poste più spesso.
