AI-röstbot för kundtjänst: så fungerar automatisering av inkommande samtal

Alla röstbottar för inkommande samtal kör samma slinga, oavsett vilka leverantörer du använder:

1. Telefoni. Samtalet når ett telefonnummer eller en SIP-trunk, och telefonileverantören lämnar över det till din applikation – antingen genom att begära samtalsinstruktioner från din server eller genom att strömma ljudet till den.
2. Tal till text. Det som den som ringer säger transkriberas. När Twilios Gather-verb är inställt på att ta emot tal skickar Twilio transkriptionen (SpeechResult) tillsammans med ett Confidence-värde till din action-URL.
3. Förståelse och logik. En språkmodell eller en regelbaserad dialog avgör vad den som ringer vill och vad som ska hända härnäst: svara, ställa en följdfråga, slå upp något via ett API eller koppla vidare.
4. Text till tal. Svaret syntetiseras till ljud och spelas upp för den som ringer.
5. Upprepa eller lämna över. Slingan fortsätter tills ärendet är hanterat eller samtalet har kopplats vidare, och utfallet loggas i din helpdesk.

Det finns två huvudsakliga sätt att koppla ihop detta. I en turbaserad lösning samlar plattformen in ett yttrande i taget och din server svarar med nya instruktioner; Twilio fortsätter till exempel samtalet med den TwiML som din action-URL returnerar. I en strömmande lösning flödar ljudet kontinuerligt över en WebSocket: Twilios dubbelriktade Media Streams, som startas med TwiML-instruktionerna Connect och Stream, levererar base64-kodat mu-law-ljud i 8 000 Hz i en enda kanal, och din server skickar tillbaka ljud i samma format.

Däremellan finns hanterade lager. Twilios ConversationRelay sköter till exempel tal till text och text till tal själv och utbyter text med din server över en säker WebSocket, så att din kod hanterar ord i stället för rått ljud. Den har också inställningar för avbrott, eftersom den som ringer ofta pratar i mun på bottar; i en ren Media Streams-lösning skickar din server ett clear-meddelande för att slänga buffrat ljud som ännu inte har spelats upp.

Du behöver inte välja det ena eller det andra. Ett alternativ är en kort knappmeny för språkval, följd av ett konversationellt steg. Med Twilios Gather-verb kan inmatningen ställas in så att den tar emot både knapptryckningar och tal i samma fråga.

Telefoniplattformar skiljer mellan två typer av överföring. Med Twilios terminologi lägger en kall överföring (cold transfer) till den nya deltagaren i samtalet, men den som initierade överföringen lämnar innan den nya deltagaren svarar; en varm överföring (warm transfer) låter alla tre prata innan initiativtagaren lämnar. Twilio rekommenderar att samtal mellan kunder och agenter kopplas via en konferens, vilket är det som gör båda mönstren möjliga.

För en bot är den användbara varianten av en varm överföring att skicka med sammanhang snarare än att prata: skapa eller uppdatera ett ärende med transkriptionen, den identifierade avsikten och de insamlade uppgifterna innan agenten svarar, så att hen inte börjar från noll. Bra tillfällen att koppla vidare:

• Den som ringer ber om en person – tillmötesgå det direkt, inte efter två frågor till.
• Boten har missförstått den som ringer två gånger i rad.
• Ärendet gäller betalningar, klagomål eller något som boten inte får fatta beslut om.
• Den som ringer är en känd högprioriterad kund, om din routing skiljer ut sådana kunder.

I Zendesk kan en extern AI-röstagent svara på ett samtal först och eskalera till en Zendesk-agent via en SIP-IN-linje. Boten kan skapa ett ärende och koppla det till samtalet genom att skicka ärendenumret i SIP-headern X-Zendesk-Ticket-Id; Zendesk autentiserar SIP-IN-samtal med IP-åtkomstlistor. Zendesk erbjuder också egna AI-röstagenter, som lägger till transkriptionen, en AI-genererad sammanfattning och den identifierade avsikten i ärendet när de eskalerar.

USA. I februari 2024 utfärdade FCC ett Declaratory Ruling (FCC 24-17) som bekräftar att TCPA:s begränsningar för samtal med ”artificiell eller förinspelad röst” omfattar dagens AI-teknik som genererar mänskliga röster. Samtal med sådana röster kräver därför i regel uttryckligt samtycke i förväg från den som blir uppringd, om inte samtalet sker i nödsyfte eller ett undantag gäller. Beslutet gäller samtal till konsumenter, till exempel robotsamtal. En bot som svarar på samtal som dina kunder ringer till dig är en annan situation, men alla utgående samtal som boten gör – återuppringningar, påminnelser, enkäter – omfattas av dessa regler.

EU. Artikel 50 i AI-förordningen gäller från och med 2 augusti 2026 och kräver att AI-system som interagerar direkt med människor utformas så att människorna vet att de har att göra med AI, om det inte är uppenbart. Enligt kommissionens FAQ ska människor informeras från början av den första interaktionen. För en röstbot är det praktiska svaret en kort upplysning i hälsningen.

• Var öppen och sätt förväntningar i en enda mening: det här är en automatiserad assistent, och det här kan den hjälpa till med.
• Håll frågorna korta och fråga om en sak i taget; den som ringer kan inte scrolla tillbaka.
• Läs upp nummer, e-postadresser och ordernummer innan boten agerar på dem.
• Berätta hur man når en person, och se till att den vägen fungerar i varje steg.
• Logga varje samtal i din helpdesk med transkription och utfall, så att du ser vad folk faktiskt ringer om.
• Planera för tiden utanför öppettiderna: ta uppgifterna och skapa ett ärende, och lova bara en återuppringning som någon faktiskt kommer att göra.

TascaLabs paket Voice Bot omfattar inkommande samtal, triage och överlämning till ditt team, till ett engångspris på 13 400 kr. Boten kopplas till de verktyg du redan använder – Zendesk, Freshdesk, Jira, Slack eller interna system – via API:er och webhooks, så att samtalens utfall kommer in som ärenden eller meddelanden som ditt team redan bevakar. Den är byggd som ett filter framför ditt team, inte som en ersättning för det.

De flesta uppsättningar tar 1–3 veckor. Varje projekt omfattar 30 dagars support efter lansering och grundläggande dokumentation, utan dolda avgifter, och du kan börja med ett kostnadsfritt Health Check-samtal på 30 minuter.