Definizione
Il barge-in è quando chi chiama parla mentre l'agente sta ancora parlando. Il termine indica anche la capacità che permette al sistema di accettare quel parlato e fermare il messaggio dell'agente, invece di far aspettare la persona.
Come funziona il barge-in
Il termine nasce dai sistemi di menu telefonici. VoiceXML 2.0, lo standard W3C per quei sistemi, assegna a ogni messaggio un attributo bargein. Quando è vero, l’utente può interrompere il messaggio. Quando è falso, deve aspettare che finisca.
Lo stesso standard definisce come viene rilevata l’interruzione, tramite bargeintype. Con speech, il messaggio si ferma appena viene rilevato parlato o un tono del tastierino, qualunque cosa sia stata detta. Con hotword, il messaggio continua finché l’input non corrisponde a una grammatica che il sistema sta aspettando, e tutto il resto viene ignorato. L’opzione hotword esiste perché rumore, colpi di tosse e conversazioni laterali altrimenti taglierebbero i messaggi.
Un moderno agente vocale ha la stessa decisione da prendere, con un riconoscitore in streaming e un LLM al posto di una grammatica. Deve ascoltare mentre parla, il che significa separare la voce di chi chiama dal proprio audio che torna indietro come eco lungo la linea. Poi deve decidere se il suono è un’interruzione vera o qualcosa da ignorare, come «mm-hm». Quest’ultimo caso è il backchanneling.
Rilevare il barge-in è solo la prima metà. Agire di conseguenza è la gestione delle interruzioni: l’agente ferma la voce, tiene traccia di ciò che chi chiama ha effettivamente sentito e risponde a ciò che ha detto.
Perché conta per gli agenti vocali
Chi chiama interrompe di continuo. Corregge una data, dice «sì, è giusto» prima che una rilettura finisca, o chiede una persona a metà di un menu. Un agente che non si può interrompere li costringe ad ascoltare l’intera frase, e suona come una macchina.
Nella pratica vanno storte due cose. Un agente troppo sensibile si ferma per una porta sbattuta o per una televisione in sottofondo, poi si spegne a metà parola. Un agente troppo lento continua a parlare per un secondo dopo che chi chiama ha cominciato, e parlano entrambi insieme.
Alcuni contenuti non dovrebbero essere interrompibili. Un’informativa obbligatoria o la rilettura di un importo di pagamento vengono spesso riprodotte con il barge-in disattivato, così chi chiama le sente per intero prima che l’agente accetti una domanda.
Il barge-in è un comportamento di chi chiama. Il modo in cui il sistema risponde ha un proprio nome, e i due aspetti vanno testati separatamente.
Esempio
Una chiamata illustrativa:
- Agente: «Il suo appuntamento è giovedì 8 ottobre alle due e mezza, con il dottor…»
- Chi chiama: «In realtà, lo sposti a venerdì.» (inizia a parlare a «con»)
Il parlato di chi chiama è il barge-in. Che l’agente si fermi in una frazione di secondo, scarti la vecchia data e gestisca «venerdì» è gestione delle interruzioni.
Termini correlati
Guide
- Rilevamento dell'attività vocale: VAD per agenti vocali
- Design dell'IA conversazionale per agenti vocali