Vai al contenuto
AI-SNS.IO — CHAT SUPPORTAI-SNS.IO — CHAT SUPPORT
Voce e avatar

Agente vocale AI: come funziona il supporto parlato

Redazione AI SNS CHATPubblicato il 7 min di lettura

Cos'è un agente vocale AI, come si compone, quando conviene alla vostra PMI e come avviare un pilota sicuro, con il GDPR come cornice.

Molte PMI italiane rispondono già ai clienti su WhatsApp, Messenger e nella chat del sito, ma il telefono continua a squillare: prenotazioni, orari, stato di un ordine, richieste urgenti. Un agente vocale AI può alleggerire una parte di queste chiamate, a patto di capire come funziona e dove ha senso usarlo. In questa guida troverete i concetti di base, le due architetture principali, i principi di progettazione e un piano di avvio prudente.

Che cos'è davvero un agente vocale AI

Un agente vocale AI è un assistente che conversa a voce: ascolta ciò che dice il cliente, ne comprende l'intenzione, consulta le informazioni a sua disposizione e risponde parlando. Non è un vecchio risponditore automatico del tipo "premi 1 per le vendite". Il cliente parla in modo naturale, e l'agente risponde in base a ciò che ha capito e a ciò che conosce della vostra attività.

La differenza rispetto a una chat è sostanziale. Nel testo il cliente può rileggere, tornare indietro, copiare un codice. Nella voce tutto è lineare e immediato: una risposta troppo lunga si perde, un silenzio di due secondi sembra un guasto, un'interruzione va gestita con naturalezza.

Per questo un agente vocale non è "la chat con un microfono". Condivide con la chat la base di conoscenza e le regole, ma richiede scelte di progetto proprie.

I tre blocchi fondamentali

Ogni sistema vocale, comunque sia costruito, si regge su tre funzioni.

  1. Riconoscimento vocale (ascolto): trasforma la voce del cliente in testo, oppure la elabora direttamente. Qui incidono accenti, rumore di fondo, nomi propri e codici pronunciati a voce.
  2. Ragionamento (comprensione e risposta): un modello linguistico decide che cosa rispondere, attingendo alla base di conoscenza, alle regole dell'agente e agli strumenti collegati.
  3. Sintesi vocale (parola): converte la risposta in audio. Contano la qualità della voce, il ritmo e la lingua.

La qualità complessiva è quella dell'anello più debole. Un ottimo modello con un riconoscimento che fraintende i numeri di telefono produrrà comunque conversazioni frustranti.

  1. 01Il cliente parla
  2. 02Voce in testo
  3. 03Il modello decide la risposta
  4. 04Testo in voce
La pipeline vocale classicaEsempio illustrativo

Due architetture: pipeline e speech-to-speech

La pipeline a tre stadi

È l'approccio classico: tre componenti distinti, uno dopo l'altro. Il vantaggio è il controllo. Potete scegliere la voce, leggere il testo intermedio, verificarlo e correggerlo. Lo svantaggio è la latenza: ogni passaggio aggiunge tempo, e l'insieme può risultare meno fluido.

Speech-to-speech

Qui un unico modello riceve l'audio e produce audio. La conversazione è più rapida e naturale, con interruzioni gestite meglio e un tono più espressivo. In compenso il controllo è minore: è più difficile ispezionare ciò che accade "in mezzo" e le scelte di fornitore sono più limitate.

Pipeline
Speech-to-speech
Tre stadi separati, ciascuno sostituibile
Un solo modello da audio ad audio
Più controllo e testo intermedio verificabile
Meno visibilità sui passaggi interni
Latenza più alta, somma dei tre stadi
Latenza ridotta, dialogo più fluido
Ampia scelta di voci
Voce legata al modello scelto
Pipeline e speech-to-speech a confrontoEsempio illustrativo

Non esiste una scelta universalmente migliore. Per un'attività con regole rigide e molte verifiche, il controllo della pipeline spesso pesa di più. Per un primo contatto informale, la naturalezza dello speech-to-speech può fare la differenza.

Dove la voce aiuta e dove no

La voce funziona bene quando la richiesta è breve, ripetitiva e la risposta è semplice da dire a voce.

Casi adatti

  • Orari di apertura, indirizzi, indicazioni per arrivare.
  • Prenotazioni e spostamenti di appuntamenti, per esempio per uno studio, un centro estetico o un'officina.
  • Stato di un ordine o di una consegna, se i dati sono accessibili.
  • Smistamento: capire il motivo della chiamata e passarla alla persona giusta.
  • Chiamate fuori orario, per raccogliere nome, recapito e motivo e farsi richiamare.

Casi poco adatti

  • Risposte lunghe o piene di dettagli: elenchi di prezzi, condizioni contrattuali, istruzioni articolate. In chat si leggono, a voce si dimenticano.
  • Dati che il cliente deve riportare con precisione, come codici lunghi o indirizzi email complessi.
  • Situazioni delicate o emotivamente cariche, dove serve una persona.
  • Ambienti molto rumorosi.

Una regola pratica: se la risposta migliore è un link o una tabella, mandatela su WhatsApp o in chat dopo la chiamata, invece di leggerla ad alta voce.

Principi di progettazione per le conversazioni parlate

Scrivere per l'orecchio è diverso dallo scrivere per lo schermo.

  • Frasi brevi. Una sola informazione per volta, poi una domanda semplice.
  • Una domanda alla volta. Chiedere nome, data e motivo in un'unica frase confonde.
  • Conferma dei dati critici. Ripetete date, orari e numeri: "Quindi giovedì alle 15, è corretto?".
  • Nessun elenco lungo. Oltre tre opzioni, l'ascoltatore le perde.
  • Dichiarare di essere un assistente automatico. È una questione di trasparenza verso il cliente, coerente con lo spirito del GDPR.
  • Via d'uscita sempre disponibile. Il cliente deve poter chiedere una persona in qualsiasi momento, e l'agente deve saperlo gestire.
  • Gestire il silenzio e l'incomprensione. Dopo due fraintendimenti, meglio proporre il passaggio a un operatore che insistere.

Voce e privacy

Una chiamata contiene dati personali: voce, nome, spesso recapiti. Prima di partire definite quali informazioni raccogliete, per quale scopo, per quanto tempo le conservate e come informate il chiamante. Il GDPR è la cornice naturale: informativa chiara, finalità limitate, conservazione proporzionata. Per le valutazioni giuridiche specifiche coinvolgete il vostro consulente o il DPO.

Un piano di avvio sicuro

Non serve partire con tutte le chiamate. Un percorso graduale riduce i rischi.

  1. Scegliete un solo motivo di chiamata. Per esempio gli orari e le prenotazioni, non l'intero assistenza clienti.
  2. Provate in ambiente di test. Ascoltate decine di conversazioni simulate, anche con accenti diversi e frasi sgrammaticate.
  3. Preparate il passaggio a una persona. Stabilite chi risponde, in quali orari e che cosa succede fuori turno.
  4. Partite con un numero dedicato o con una fascia oraria limitata. Per esempio fuori orario o nei momenti di picco.
  5. Rivedete le chiamate. All'inizio ascoltate una quota ampia delle conversazioni, poi riducete man mano che la qualità si stabilizza.
  6. Ampliate un tema alla volta.
Risolte dall'agente, da campionare
55
Passate a una persona
25
Abbandonate dal cliente
10
Da verificare per errori di comprensione
10
Esempio ipotetico: dove potrebbero essere riascoltate le chiamate di un pilota (100 chiamate)Esempio illustrativo

I numeri sono puramente illustrativi: servono a mostrare che la revisione non è uniforme. Conviene dare priorità alle chiamate passate a un operatore, a quelle abbandonate e a quelle in cui l'agente ha avuto dubbi.

Misurare se funziona

Senza misure, un pilota resta un'impressione. Definite pochi indicatori prima di cominciare.

  • Tasso di risoluzione senza operatore, valutato su un campione riascoltato e non solo dai dati automatici.
  • Passaggi a una persona, e il loro motivo: sono troppi, o arrivano al momento giusto?
  • Abbandoni nei primi secondi e a metà conversazione.
  • Qualità del riconoscimento su nomi, numeri e date.
  • Soddisfazione dei clienti, con un breve feedback quando possibile.
  • Costo per minuto di conversazione, confrontato con il tempo che il vostro team risparmia.

Per esempio, se un negozio riceve 300 telefonate al mese e 120 riguardano gli orari, vale la pena capire prima se quelle 120 si risolvono bene, prima di toccare i casi più complessi.

Come farlo in AI SNS CHAT

In AI SNS CHAT la sezione Voice nella barra laterale raccoglie gli strumenti: Overview, Analytics, Voice agent, Avatar, Voice Playground, Inbound calls, Call history, Outbound calls, Voice / SIP, Users e Developers.

Configurare l'agente. Il punto di partenza è la persona dell'agente, con regole e protezioni, e la base di conoscenza (file, testi, sito web, Q&A e connettori). In Voice agent scegliete la voce. Per la sintesi vocale sono disponibili Grok/xAI (predefinito), OpenAI (gpt-4o-mini-tts), ElevenLabs, con libreria di voci, voice design e clonazione, e la voce del browser. Lo stack vocale copre 22 lingue; per alcune, come pt, ru, de, tr, vi, pl, nl, sv e uk, può essere usata una voce inglese come ripiego al telefono.

Provare prima di pubblicare. Il Voice Playground e il Playground consentono di verificare le risposte prima di esporle ai clienti.

Chiamate in entrata. In Inbound calls si collega un numero Twilio a ciascun agente; la piattaforma include un auto-test del webhook e la riparazione automatica.

Speech-to-speech. Synthia, l'assistente che guida la gestione della piattaforma, usa l'API OpenAI Realtime, senza alternativa di ripiego. È disponibile anche la modalità voice-to-voice di Grok, che per impostazione predefinita risponde solo al titolare dell'account.

Chiamate in uscita. In Outbound calls si creano campagne batch: servono un numero Twilio e una chiamata di prova iniziale, e la campagna si può interrompere mentre è in corso.

Revisione e misura. Call history e Analytics vi permettono di riascoltare e analizzare le chiamate. Le analisi avanzate richiedono il piano Pro.

Passaggio a una persona. In Helpdesk → Scheduling impostate i turni; i passaggi vengono assegnati a chi è in turno e le notifiche possono arrivare su Slack, Teams, LINE WORKS, WhatsApp, email o webhook. Il messaggio al cliente non inventa mai tempi di attesa.

Costi. Un minuto di voce equivale a 4 crediti (riferimento al preventivo Private AI); i crediti per minuto sono impostati dall'amministratore. Consultate i piani per i dettagli, e le funzioni e la pagina sicurezza per il resto. Le pratiche sono progettate con riferimento a GDPR e APPI.

Domande frequenti

Serve un numero di telefono per provare un agente vocale?

Per provare la conversazione no: potete usare il Voice Playground. Per ricevere chiamate reali serve un numero Twilio collegato all'agente in Inbound calls. Anche le campagne in uscita richiedono un numero Twilio.

Lo stesso agente può gestire chat e voce?

Sì, la base di conoscenza e le regole dell'agente sono le stesse, e la sezione Voice aggiunge la voce, le chiamate e l'eventuale avatar. Conviene comunque rivedere i testi pensando all'ascolto: le risposte per la chat sono spesso troppo lunghe da dire a voce.

Quali lingue supporta lo stack vocale?

22 lingue. Alcune, tra cui portoghese, russo, tedesco, turco, vietnamita, polacco, olandese, svedese e ucraino, possono usare una voce inglese come ripiego al telefono. Verificate sempre con una chiamata di prova nella lingua dei vostri clienti.

Posso usare un mio trunk SIP o ricevere chiamate vocali su WhatsApp?

Le impostazioni SIP possono essere salvate, ma al momento non risulta un percorso di chiamata che le utilizzi: per le chiamate si usa Twilio. La voce su WhatsApp e i numeri telefonici gestiti dalla piattaforma sono in lista d'attesa, quindi non disponibili.

La voce è sicura per i promemoria in uscita?

Con cautela. Le campagne richiedono un numero Twilio e una chiamata di prova, e si possono fermare durante l'esecuzione. Pianificate con attenzione consenso e informativa verso i destinatari, in linea con il GDPR, e consultate il vostro consulente per gli aspetti normativi.

#agente vocale#voice AI#assistenza clienti#PMI#GDPR

Mettilo in pratica con AI SNS CHAT

Crea un agente IA addestrato sui tuoi contenuti e collegalo al sito, a WhatsApp, Messenger e altro. Gratis per iniziare, senza carta di credito.