L’IA conversazionale è software che sostiene una conversazione a doppio senso per portare a termine qualcosa. La maggior parte delle liste di esempi si ferma a Siri, Alexa e alle chat dei siti web. Sono esempi veri, ma se stai decidendo se mettere un agente sulle tue linee telefoniche, ti dicono poco. Quello che vuoi sapere è chi ne ha uno in produzione, cosa gestisce e cosa è cambiato dopo l’avvio.
Ecco dodici implementazioni che rispondono a queste domande. Tutte girano sui modelli vocali di Cartesia, perché sono quelle di cui conosciamo i numeri. Ognuna rimanda alla storia completa del cliente. Lo schema che hanno in comune conta più di qualsiasi singolo esempio, quindi in fondo c’è una breve sezione dedicata.
I dodici esempi in sintesi
| Azienda | Cosa fa l’IA conversazionale | Cosa è cambiato |
|---|---|---|
| Lorikeet | Risolve chiamate di assistenza per settori regolamentati | Oltre 21.000 chiamate in nove giorni durante una crisi, con il 100% di uptime |
| Replicant | Risponde alle chiamate dei contact center per marchi come Fanatics | Chiamate risposte subito; il contenimento è migliorato in poche settimane |
| Assort Health | Prenota e sposta appuntamenti dei pazienti | Prenotazioni +7%, tempi di attesa −89% |
| SuperDial | Chiama le assicurazioni per coperture e rimborsi | Produttività del team di fatturazione ×4 |
| Arini | Risponde al telefono per gli studi dentistici | Risposte più di 2 volte più rapide rispetto al fornitore precedente |
| EliseAI | Fissa visite agli appartamenti e assiste i residenti | Conversione delle visite +5,3% dopo un test di voci regionali |
| Fundamento | Richiama chi si blocca a metà di una richiesta di prestito | Il 42% di chi aveva abbandonato è tornato e ha concluso |
| 2X Solutions | Fa e riceve chiamate commerciali per aziende con molti lead | Chiamate abbandonate sotto l’1,25%, ben dentro il limite legale del 3% |
| Thoughtly | Chiama e qualifica i lead direttamente dal CRM | Latenza end-to-end sotto i 200 ms nelle chiamate dal vivo |
| Bolna | Gestisce chiamate di assistenza e vendita in lingue indiane | Oltre 500.000 chiamate al giorno; ~40% di tempo di ingegneria in meno sulla latenza |
| Tavus | Avatar video che conversano dal vivo | Meno di un secondo end-to-end |
| Ego | Personaggi di videogioco con cui si può parlare | NPC e compagni che parlano in una mod di Valheim |
Servizio clienti
Lorikeet: una linea di crisi attiva in un giorno. Lorikeet crea agenti di assistenza per aziende regolamentate di servizi finanziari, sanità, assicurazioni e viaggi. Quando oltre 300.000 famiglie si sono trovate all’improvviso a ricevere gli aiuti alimentari SNAP tramite GiveCard, il volume di chiamate è esploso da un giorno all’altro. Lorikeet ha messo in linea agenti vocali in meno di 24 ore. Nei primi nove giorni hanno gestito oltre 21.000 chiamate, centinaia in contemporanea, in inglese, spagnolo e mandarino, con il 100% di uptime. Gli agenti verificavano chi chiamava e risolvevano insieme i problemi della carta. Molti ringraziavano l’agente e gli auguravano buona giornata, anche se l’agente dichiarava subito di essere un’IA.
La lezione non è che l’agente fosse brillante. È che il compito era circoscritto (problemi con la carta), i dati erano disponibili (consultazione del conto) e la voce era abbastanza calma da tenere in linea persone sotto stress.
Replicant: il grande volume centrale di un contact center. Replicant automatizza le conversazioni con i clienti per aziende come DoorDash, AAA e Fanatics. Per Fanatics significa assorbire i picchi stagionali di chiamate senza assumere personale. Dal passaggio, le chiamate ricevono risposta subito e il team umano dedica il suo tempo a quelle che richiedono giudizio. Replicant dichiara il 99,99% di uptime, e ne ha bisogno: quando un temporale intasa di chiamate una linea di soccorso stradale, un agente che rallenta sotto carico è peggio di nessun agente.
Se l’assistenza è il tuo primo caso d’uso, la guida all’automazione del contact center spiega come scegliere le prime chiamate da affidare.
Sanità
Assort Health: agenda per cliniche specialistiche. Gli agenti di Assort rispondono alle chiamate dei pazienti di oltre 140 cliniche e hanno gestito più di 5 milioni di interazioni. Prenotano, spostano appuntamenti e rispondono alle domande pratiche, lavorando direttamente nella cartella clinica elettronica. Le prenotazioni sono salite del 7%, i costi operativi scesi del 63% e i tempi di attesa dei pazienti calati dell’89%. La parte difficile era non sbagliare mai date, indirizzi, piani assicurativi e nomi di farmaci, con audio telefonico, su migliaia di casi limite.
SuperDial: le chiamate che nessun paziente vede. Gran parte del tempo telefonico di una clinica è personale in attesa con le assicurazioni. Gli agenti di SuperDial fanno quelle chiamate: navigano i risponditori delle assicurazioni, restano in attesa e verificano coperture o sollecitano rimborsi con l’operatore dell’assicurazione. I team di fatturazione producono quattro volte tanto.
Arini: la reception degli studi dentistici. Arini risponde a qualsiasi ora alle chiamate degli studi dentistici, prenota appuntamenti e risponde a domande su assicurazione e fatturazione in inglese e spagnolo. Il cofondatore l’ha detto chiaramente: una chiamata persa può valere oltre 5.000 dollari per uno studio. Ogni istante di ritardo aumenta la probabilità che il paziente riattacchi; per questo Arini è passata a un fornitore più che doppiamente veloce.
Per capire dove tracciare il confine clinico, cosa richiede la HIPAA e quali metriche seguire in un pilota, vedi IA conversazionale in sanità.
Casa
EliseAI: un appartamento americano su sei. Circa 1 appartamento su 6 negli Stati Uniti usa EliseAI. I suoi agenti fissano visite, raccolgono richieste di manutenzione, gestiscono i rinnovi e accompagnano i residenti nelle pratiche di idoneità e ricertificazione, su oltre 5 milioni di chiamate vocali al mese. Le voci multilingue permettono di servire i residenti dell’edilizia accessibile nella loro lingua, fuori orario.
EliseAI è l’esempio più chiaro di questa lista su come testare l’IA conversazionale. Ogni nuova voce supera quattro passaggi: un benchmark pubblico, un test A/B alla cieca con valutatori umani, un rilascio sull’1% della produzione misurato su risultati reali e un audit manuale delle chiamate. Con voci regionali (una voce del Midwest in Illinois, una voce del Sud in Texas), la conversione delle visite è salita del 5,3%, il coinvolgimento del 7,8% e chi chiamava ha pronunciato il 15,8% di parole in più. Conta più di quanto sembri: chi parla di più dà all’agente più materiale su cui lavorare.
Prestiti e servizi finanziari
Fundamento: recuperare le richieste di prestito ferme. Fundamento gestisce agenti vocali per finanziatori e assicuratori indiani come Hero FinCorp, IIFL e ICICI Prudential, con oltre 20 milioni di chiamate in uscita al mese. Per Hero FinCorp, l’agente chiama chi resta inattivo per più di cinque minuti durante una richiesta di prestito online. Spesso si blocca perché il modulo è in inglese e non è la sua lingua madre. L’agente individua il problema nella lingua della persona e la riporta nel percorso. Il 42% di questi richiedenti è tornato e ha completato la domanda.
Le banche hanno regole proprie: verificare prima di mostrare dati del conto, tenere i numeri di carta fuori dal modello, limiti di frequenza nel recupero crediti. IA conversazionale nel settore bancario le passa in rassegna.
Vendite e chiamate in uscita
2X Solutions: la conformità come problema di latenza. Negli Stati Uniti, le regole sul telemarketing della FCC (47 CFR 64.1200) considerano abbandonata una chiamata in uscita se la persona non viene messa in contatto entro due secondi dal suo «pronto», e limitano le chiamate abbandonate al 3% di una campagna su 30 giorni. Il precedente fornitore vocale di 2X impiegava 500–900 ms per iniziare a parlare, che si mangiavano buona parte di quei due secondi una volta aggiunto il resto della catena. Dopo il passaggio, il tasso di abbandono è sceso sotto l’1,25%, su circa 3 milioni di chiamate al mese.
Thoughtly: una voce per il CRM. Thoughtly si collega a Salesforce e HubSpot per chiamare, qualificare e smistare i lead di oltre 1.000 team, tra cui Coldwell Banker e Farmers Insurance. Le chiamate dal vivo girano sotto i 200 ms end-to-end, e i team possono clonare una voce di marca da 20–30 secondi di audio per le demo commerciali. Nelle chiamate in uscita i primi due secondi decidono tutto: questi due esempi sono, in fondo, storie di latenza.
Se il tuo caso d’uso sono le chiamate in uscita, leggi cold calling con l’IA prima di comporre qualsiasi numero. Le regole sul consenso per le voci IA sono più severe di quanto la maggior parte dei team si aspetti.
Tante lingue, un solo agente
Bolna: agenti vocali in tutta l’India. La piattaforma di Bolna gestisce oltre 500.000 chiamate al giorno per aziende che usano agenti in hindi, tamil, telugu e altre lingue indiane. Chi chiama passa dall’hindi all’inglese a metà frase e detta numeri d’ordine e codici alfanumerici che devono uscire giusti al telefono. Una migliore qualità linguistica ha aperto nuove regioni ai clienti di Bolna e ridotto di circa il 40% il tempo di ingegneria speso a correggere latenza e qualità. L’India ha 22 lingue ufficiali, e un agente che suona naturale in una sola raggiunge una frazione delle persone.
Oltre il telefono
Non tutte le implementazioni di IA conversazionale rispondono al telefono.
Tavus: avatar video con cui parlare. Tavus crea repliche IA che vedono, sentono e rispondono in una videochiamata dal vivo. Arrivare a una risposta end-to-end sotto il secondo, così che l’avatar risponda finché la conversazione sembra ancora dal vivo, dipende da una generazione vocale che parte in meno di 100 ms.
Ego: personaggi di videogioco che rispondono. Ego permette ai giocatori di creare mondi 3D in linguaggio naturale. In Thrall, una mod per il survival Valheim, i giocatori danno comandi vocali a un compagno IA (raccogliere legna, unirsi a uno scontro) e lui risponde ad alta voce, festeggiando una buona caccia o confermando l’ordine.
Due esempi più piccoli: Rox offre ai commerciali una modalità vocale per chiedere dei propri clienti mentre attraversano un aeroporto, e Poe di Quora permette a milioni di utenti di ascoltare le risposte dell’IA in oltre 100 voci e 14 lingue.
Cosa hanno in comune gli esempi che funzionano
Leggendo i dodici insieme emergono gli stessi cinque tratti:
- Un compito, con un sistema di riferimento dietro. Agenda, assistenza carte, solleciti sulle pratiche. L’agente consulta la risposta giusta invece di improvvisarla.
- Un budget di latenza che qualcuno ha misurato. 2X aveva due secondi per legge, e Arini contava le chiamate perse in dollari. In entrambi i casi la velocità era un numero di business, non una riga della scheda tecnica.
- Una strada chiara verso una persona. Gli agenti di Lorikeet hanno retto in piena crisi perché chi chiamava poteva comunque raggiungere qualcuno quando l’agente non risolveva. La guida al trasferimento assistito spiega come trasferire senza far ripetere tutto.
- La lingua di chi chiama, non solo l’inglese. Fundamento, Bolna, EliseAI e Lorikeet hanno conquistato gli utenti perché l’agente parlava la lingua in cui si sentivano più a loro agio.
- Metriche di risultato, testate in produzione. Prenotazioni, pratiche completate, conversione delle visite. Il rilascio all’1% di EliseAI è il modello: dimostralo su chiamate reali prima di attivarlo per tutti.
Ciò che manca nella lista dice altrettanto. Nessuno è un assistente generico che prova a fare tutto. Quelli che funzionano partono circoscritti e crescono un tipo di chiamata alla volta.
Crea il tuo
Ci sono due modi per crearne uno su Cartesia. Managed Agents gestisce per te riconoscimento vocale, modello linguistico, generazione della voce e connessione telefonica. Tu scrivi le istruzioni, colleghi i tuoi sistemi come strumenti e ottieni un numero di telefono. Oppure usa l’API: Sonic per la voce, Ink per la trascrizione in streaming e il rilevamento del turno, e la tua orchestrazione nel mezzo. È la strada seguita da piattaforme come Retell e Vapi. La guida agli agenti vocali IA spiega come si incastrano i pezzi, e la pagina clienti contiene ogni storia per intero.
Per provarne uno prima di costruire qualsiasi cosa, crea un agente nel playground di Cartesia e chiamalo dal tuo telefono.