Voice bot AI per il servizio clienti: come funziona l'automazione delle chiamate in entrata

Ogni voice bot per le chiamate in entrata esegue lo stesso ciclo, a prescindere dai fornitori che usi:

1. Telefonia. La chiamata arriva a un numero di telefono o a un trunk SIP e il provider di telefonia la consegna alla tua applicazione, chiedendo istruzioni per la chiamata al tuo server oppure inviandogli l'audio in streaming.
2. Speech-to-text. Le parole di chi chiama vengono trascritte. Con il verbo Gather di Twilio configurato per accettare il parlato, Twilio invia la trascrizione (SpeechResult) insieme a un punteggio Confidence alla tua action URL.
3. Comprensione e logica. Un modello linguistico o un dialogo basato su regole stabilisce cosa vuole chi chiama e cosa fare dopo: rispondere, fare una domanda di approfondimento, cercare un dato tramite API o trasferire la chiamata.
4. Text-to-speech. La risposta viene sintetizzata in audio e riprodotta a chi chiama.
5. Ripetere o passare la chiamata. Il ciclo continua finché la richiesta non è gestita o la chiamata non viene trasferita, e l'esito viene registrato nel tuo helpdesk.

Ci sono due modi principali per collegare il tutto. In una configurazione a turni, la piattaforma raccoglie un enunciato alla volta e il tuo server risponde con nuove istruzioni; Twilio, per esempio, prosegue la chiamata usando il TwiML restituito dalla tua action URL. In una configurazione in streaming, l'audio scorre senza interruzioni su una WebSocket: i Media Streams bidirezionali di Twilio, avviati con le istruzioni TwiML Connect e Stream, trasmettono audio mu-law codificato in base64 a 8.000 Hz su un solo canale, e il tuo server rimanda l'audio nello stesso formato.

Nel mezzo ci sono i livelli gestiti. ConversationRelay di Twilio, per esempio, gestisce direttamente speech-to-text e text-to-speech e scambia testo con il tuo server su una WebSocket sicura, così il tuo codice lavora con le parole invece che con l'audio grezzo. Ha anche impostazioni per le interruzioni, perché chi chiama parla sopra ai bot; in una configurazione con Media Streams grezzi, il tuo server invia un messaggio clear per scartare l'audio nel buffer non ancora riprodotto.

Non devi per forza scegliere. Un'opzione è un breve menu a tasti per la scelta della lingua, seguito da un passaggio conversazionale. Con il verbo Gather di Twilio, l'input può essere configurato per accettare sia i tasti sia il parlato nello stesso prompt.

Le piattaforme di telefonia distinguono due tipi di trasferimento. Nella terminologia di Twilio, un cold transfer aggiunge il nuovo partecipante alla chiamata, ma chi l'ha avviato esce prima che il nuovo partecipante risponda; un warm transfer permette a tutti e tre di parlare prima che chi l'ha avviato esca. Twilio consiglia di collegare le chiamate tra clienti e operatori tramite una conferenza, che è ciò che rende possibili entrambi gli schemi.

Per un bot, la versione utile del warm transfer consiste nel passare il contesto anziché parlare: crea o aggiorna un ticket con la trascrizione, l'intento rilevato e i dati raccolti prima che l'operatore risponda, così non parte da zero. I momenti giusti per trasferire:

• Chi chiama chiede di parlare con una persona: assecondalo subito, non dopo altre due domande.
• Il bot ha frainteso chi chiama due volte di fila.
• La richiesta riguarda pagamenti, reclami o qualsiasi cosa su cui il bot non è autorizzato a decidere.
• Chi chiama è un cliente noto ad alta priorità, se il tuo instradamento li distingue.

In Zendesk, un voice AI agent esterno può rispondere per primo a una chiamata e passarla a un operatore Zendesk su una linea SIP-IN. Il bot può creare un ticket e collegarlo alla chiamata passando il numero del ticket nell'header SIP X-Zendesk-Ticket-Id; Zendesk autentica le chiamate SIP-IN con liste di controllo degli accessi basate su IP. Zendesk offre anche i propri voice AI agent, che quando passano la chiamata aggiungono al ticket la trascrizione, un riepilogo generato dall'AI e l'intento rilevato.

Stati Uniti. A febbraio 2024 la FCC ha emesso una Declaratory Ruling (FCC 24-17) che conferma che le restrizioni del TCPA sulle chiamate con “voce artificiale o preregistrata” si estendono alle attuali tecnologie di AI che generano voci umane. Le chiamate effettuate con queste tecnologie richiedono quindi in genere il consenso esplicito preventivo della persona chiamata, salvo finalità di emergenza o un'esenzione applicabile. La decisione riguarda le chiamate effettuate verso i consumatori, come le robocall. Un bot che risponde alle chiamate che i tuoi clienti fanno a te è una situazione diversa, ma tutte le chiamate in uscita effettuate dal bot (richiamate, promemoria, sondaggi) rientrano in queste regole.

Unione europea. L'articolo 50 dell'AI Act si applica dal 2 agosto 2026 e impone che i sistemi di AI che interagiscono direttamente con le persone siano progettati in modo che queste sappiano di avere a che fare con un'intelligenza artificiale, a meno che non sia evidente. Le FAQ della Commissione affermano che le persone devono essere informate fin dall'inizio della prima interazione. Per un voice bot, la soluzione pratica è una breve dichiarazione nel saluto iniziale.

• Dichiara la natura del bot e chiarisci le aspettative in una frase: è un assistente automatico ed ecco in cosa può aiutare.
• Usa prompt brevi e chiedi una cosa alla volta; chi chiama non può tornare indietro a rileggere.
• Ripeti numeri, indirizzi email e ID d'ordine prima di usarli.
• Spiega a chi chiama come raggiungere una persona, e fai in modo che quel percorso funzioni in ogni fase.
• Registra ogni chiamata nel tuo helpdesk con la trascrizione e l'esito, così vedi per cosa chiamano davvero le persone.
• Pianifica il fuori orario: prendi i dati e crea un ticket, e prometti una richiamata solo se qualcuno la farà davvero.

Il pacchetto Voice Bot di TascaLab copre chiamate in entrata, smistamento e passaggio al tuo team, a un prezzo una tantum di 1200 €. Il bot si collega agli strumenti che usi già (Zendesk, Freshdesk, Jira, Slack o sistemi interni) tramite API e webhook, così gli esiti delle chiamate arrivano come ticket o messaggi che il tuo team già segue. È costruito come un filtro davanti al tuo team, non come un suo sostituto.

La maggior parte delle configurazioni richiede 1–3 settimane. Ogni progetto include 30 giorni di supporto dopo il lancio e una documentazione di base, senza costi nascosti, e puoi partire da una call di Health Check gratuita di 30 minuti.