Voicebot AI do obsługi klienta: jak działa automatyzacja połączeń przychodzących

Każdy voicebot dla połączeń przychodzących działa w tej samej pętli, niezależnie od tego, z jakich dostawców korzystasz:

1. Telefonia. Połączenie trafia na numer telefonu lub trunk SIP, a dostawca telefonii przekazuje je do Twojej aplikacji — albo pobierając instrukcje dla połączenia z Twojego serwera, albo strumieniując do niego dźwięk.
2. Zamiana mowy na tekst. Słowa dzwoniącego są transkrybowane. Gdy czasownik Gather w Twilio jest ustawiony na przyjmowanie mowy, Twilio wysyła transkrypcję (SpeechResult) wraz z wynikiem Confidence na Twój action URL.
3. Rozumienie i logika. Model językowy lub dialog oparty na regułach ustala, czego chce dzwoniący i co zrobić dalej: odpowiedzieć, zadać pytanie uzupełniające, sprawdzić coś przez API lub przekazać połączenie.
4. Synteza mowy. Odpowiedź jest zamieniana na dźwięk i odtwarzana dzwoniącemu.
5. Powtórzenie lub przekazanie. Pętla trwa, dopóki sprawa nie zostanie załatwiona lub połączenie nie zostanie przekazane, a wynik trafia do Twojego helpdesku.

Są dwa główne sposoby, by to połączyć. W układzie turowym platforma zbiera jedną wypowiedź naraz, a Twój serwer odpowiada nowymi instrukcjami; Twilio na przykład kontynuuje połączenie na podstawie TwiML zwróconego przez Twój action URL. W układzie strumieniowym dźwięk płynie nieprzerwanie przez WebSocket: dwukierunkowe Media Streams w Twilio, uruchamiane instrukcjami TwiML Connect i Stream, dostarczają dźwięk mu-law zakodowany w base64 z częstotliwością 8000 Hz w jednym kanale, a Twój serwer odsyła dźwięk w tym samym formacie.

Pomiędzy nimi są warstwy zarządzane. ConversationRelay w Twilio sam obsługuje na przykład zamianę mowy na tekst i syntezę mowy oraz wymienia tekst z Twoim serwerem przez bezpieczny WebSocket, więc Twój kod operuje słowami, a nie surowym dźwiękiem. Ma też ustawienia dotyczące przerywania, bo dzwoniący wchodzą botom w słowo; w układzie z samymi Media Streams Twój serwer wysyła komunikat clear, aby odrzucić zbuforowany dźwięk, który nie został jeszcze odtworzony.

Nie musisz wybierać jednego z nich. Jedną z opcji jest krótkie menu klawiszowe do wyboru języka, a po nim etap konwersacyjny. W czasowniku Gather w Twilio można ustawić przyjmowanie zarówno klawiszy, jak i mowy w tym samym komunikacie.

Platformy telefoniczne rozróżniają dwa rodzaje przekazania. W terminologii Twilio przy cold transfer (przekazaniu „na zimno”) nowy uczestnik zostaje dodany do połączenia, ale inicjator rozłącza się, zanim nowy uczestnik odbierze; warm transfer (przekazanie „na ciepło”) pozwala całej trójce porozmawiać, zanim inicjator się rozłączy. Twilio zaleca łączenie klientów z konsultantami przez konferencję — to właśnie umożliwia oba wzorce.

W przypadku bota przydatna wersja przekazania na ciepło polega na przekazaniu kontekstu, a nie na rozmowie: utwórz lub zaktualizuj zgłoszenie z zapisem rozmowy, rozpoznaną intencją i zebranymi danymi, zanim konsultant odbierze, żeby nie zaczynał od zera. Dobre momenty na przekazanie:

• Dzwoniący prosi o człowieka — spełnij tę prośbę od razu, a nie po dwóch kolejnych pytaniach.
• Bot dwa razy z rzędu źle zrozumiał dzwoniącego.
• Sprawa dotyczy płatności, reklamacji lub czegokolwiek, o czym bot nie może decydować.
• Dzwoni znany klient o wysokim priorytecie, jeśli Twoje kierowanie połączeń go wyróżnia.

W Zendesku zewnętrzny głosowy agent AI może odebrać połączenie jako pierwszy i eskalować je do konsultanta Zendeska przez linię SIP-IN. Bot może utworzyć zgłoszenie i powiązać je z połączeniem, przekazując numer zgłoszenia w nagłówku SIP X-Zendesk-Ticket-Id; Zendesk uwierzytelnia połączenia SIP-IN za pomocą list kontroli dostępu IP. Zendesk oferuje też własnych głosowych agentów AI, którzy przy eskalacji dodają do zgłoszenia zapis rozmowy, podsumowanie wygenerowane przez AI i rozpoznaną intencję.

Stany Zjednoczone. W lutym 2024 FCC wydała orzeczenie deklaratoryjne (Declaratory Ruling FCC 24-17), które potwierdza, że ograniczenia TCPA dotyczące połączeń z użyciem „sztucznego lub nagranego głosu” obejmują obecne technologie AI generujące ludzkie głosy. Połączenia z ich użyciem wymagają więc zasadniczo uprzedniej wyraźnej zgody osoby, do której się dzwoni, chyba że chodzi o cel alarmowy lub ma zastosowanie wyjątek. Orzeczenie dotyczy połączeń wykonywanych do konsumentów, np. robocalli. Bot odbierający połączenia, które klienci wykonują do Ciebie, to inna sytuacja, ale wszelkie połączenia wychodzące wykonywane przez bota — oddzwonienia, przypomnienia, ankiety — podlegają tym przepisom.

Unia Europejska. Art. 50 AI Act stosuje się od 2 sierpnia 2026 i wymaga, by systemy AI wchodzące w bezpośrednią interakcję z ludźmi były projektowane tak, aby ci ludzie wiedzieli, że mają do czynienia z AI, chyba że jest to oczywiste. Według FAQ Komisji ludzie muszą być informowani od początku pierwszej interakcji. W przypadku voicebota praktycznym rozwiązaniem jest krótka informacja w powitaniu.

• Poinformuj i określ oczekiwania w jednym zdaniu: to automatyczny asystent, a oto w czym może pomóc.
• Pisz krótkie komunikaty i pytaj o jedną rzecz naraz; dzwoniący nie mogą przewinąć wstecz.
• Powtarzaj dzwoniącemu numery, adresy e-mail i identyfikatory zamówień, zanim podejmiesz na ich podstawie jakieś działanie.
• Mów dzwoniącym, jak skontaktować się z człowiekiem, i zadbaj, by ta ścieżka działała na każdym etapie.
• Zapisuj każde połączenie w helpdesku z transkrypcją i wynikiem, aby widzieć, w jakich sprawach ludzie naprawdę dzwonią.
• Zaplanuj obsługę poza godzinami pracy: zbierz dane i utwórz zgłoszenie, a oddzwonienie obiecuj tylko wtedy, gdy ktoś naprawdę oddzwoni.

Pakiet Voice Bot od TascaLab obejmuje połączenia przychodzące, wstępną kwalifikację zgłoszeń (triage) i przekazanie do Twojego zespołu, w jednorazowej cenie 5250 zł. Bot łączy się z narzędziami, których już używasz — Zendesk, Freshdesk, Jira, Slack czy systemy wewnętrzne — przez API i webhooki, więc wyniki rozmów trafiają jako zgłoszenia lub wiadomości tam, gdzie Twój zespół już zagląda. Jest zbudowany jako filtr przed Twoim zespołem, a nie jego zastępstwo.

Większość wdrożeń trwa 1–3 tygodnie. Każdy projekt obejmuje 30 dni wsparcia po uruchomieniu i podstawową dokumentację, bez ukrytych opłat, a zacząć możesz od bezpłatnej 30-minutowej rozmowy Health Check.