Agenti AI vocali: quando la voce conviene (e quando no)

Agenti AI vocali conviene montarli solo su orari, disponibilità e appuntamenti, e solo dopo aver contato le chiamate perse. In sala o in studio rumorosi si parte dallo scritto: la voce arriva dopo, non prima, e non chiude mai una pratica da sola.

La paura che sentiamo di più, detta a mezza voce, non è «l’AI al posto della reception». È far rispondere un robot al cliente che chiama per un problema vero, sembrare incompetenti, e scoprirlo dalla recensione o dal silenzio. Si smonta così: la voce filtra. Non decide.

Nella rubrica Agenti in produzione teniamo questo confine scritto perché è il punto in cui i pezzi si rompono, non il modello.

Cosa succedeva prima (e perché la voce fa male)

Il copione è sempre quello. In uno studio dentistico squilla il telefono mentre c’è qualcuno sulla poltrona. In una scuola di lingue la segreteria è in prova con una famiglia e la linea va in segreteria. In una pizzeria, alle 19:40, chi è in sala fa anche da centralino. Ogni chiamata persa a quell’ora è un posto che prenota altrove.

Non è un problema di «mancanza di personale». È un buco di pochi secondi, ripetuto ogni giorno, su domande che qualcuno ha già risposto mille volte: orario, indirizzo, se c’è posto, se si può spostare l’appuntamento di martedì. Quelle domande non richiedono giudizio. Richiedono presenza. E la presenza, in quelle finestre, non c’è.

Il costo del non fare non si vede come una riga di bilancio. Si vede nella poltrona vuota, nel tavolo che non torna, nella prova di livello che va a un’altra scuola perché nessuno ha ripreso la linea. Chi misura solo il canone del software non vede quel buco. Chi conta le squilli senza risposta, sì.

C’è un secondo danno, più lento. Il cliente che non entra in linea non lascia un ticket. Non compare nel CRM. Scompare. Per questo il foglio delle chiamate perse vale più di qualunque demo del fornitore: è l’unico modo per vedere il lavoro che oggi nessuno sta facendo.

Il test che faccio entrare in azienda è uno solo: quante chiamate restano senza risposta in cinque giorni veri, e di quelle quante chiedevano solo un orario o un appuntamento. Se quel numero non lo avete, non state scegliendo un agente vocale. State comprando una voce.

Valerii Yerokhin, esperto di Antigraviti e CEO di TheDrobot

Cosa montano gli agenti AI vocali (e cosa no)

Un agente AI vocale ascolta, capisce e risponde a voce. Può stare sul numero dello studio, sul widget del sito, o dopo un form. Non è un chatbot scritto con una voce attaccata sopra. E non è nemmeno il centralino degli anni novanta con il tasto 1 e il tasto 2.

La differenza utile, per una PMI, è questa. La voce conviene solo dove la risposta esiste già e il cliente si ostina a chiamare. Dove la risposta non esiste, o dove serve un giudizio, la voce accelera solo il danno.

Nei montaggi che vediamo in Italia il pezzo vocale torna in tre mestieri, sempre con clienti anonimi e senza percentuali di comodo.

Nello studio dentistico l’agente prende orari, sposta un appuntamento standard, ricorda la visita, smista l’urgenza («mi si è rotto un dente», «sanguino») verso una persona. Non diagnostica. Non promette un posto che il calendario non ha.

Nella scuola di lingue risponde a livelli, orari dei corsi, come funziona la prova. Qualifica il lead (età, livello percepito, fascia oraria) e passa i caldi alla segreteria. Non chiude l’iscrizione. Non inventa uno sconto «perché ha chiamato oggi».

Nel ristorante o in pizzeria la voce può confermare orari e disponibilità se il sistema di prenotazione è collegato. Il parlato di una sala piena resta il terreno più difficile: rumore, dialetto, richiesta a metà. Per questo nella guida AI per ristoranti la sequenza è scritta prima, voce dopo. Non il contrario. Per una pizzeria, prenotazioni a voce e risposte su WhatsApp stanno insieme in un assistente WhatsApp e voce per un locale.

L’ospitalità piccola, il B&B, il piccolo hotel, di notte scrive su WhatsApp, non chiama. Lì la voce non è il primo canale: lo abbiamo già raccontato negli agenti AI per hotel. La voce entra se il cliente chiama comunque, o se sul sito volete un widget che parla dopo un form. In alcuni montaggi la voce (via ElevenLabs) serve proprio lì: dopo una chiamata o un form, parte una pagina o un pezzo contestuale, senza far ricopiare tutto al marketing.

Situazione	Prima	Dopo, se il confine è scritto
Orario, indirizzo, «siete aperti?»	Squillo a vuoto, o una persona staccata dal lavoro	Risposta immediata, informazione già nota
Appuntamento standard / tavolo / prova corso	Segreteria o sala interrotta, o richiamata il giorno dopo	Prenotato o proposto se il calendario è collegato
Urgenza, reclamo, deroga, prezzo speciale	Stessa linea, stessa persona, stesso caos	Passaggio a un umano con nome e motivo già raccolti
Chiamata persa	Posto vuoto che non compare da nessuna parte	Si vede nel registro: presa, passata, persa di nuovo

Il confronto onesto non è «prima eravamo indietro, ora abbiamo l’AI». È: quante chiamate ripetitive escono dalla coda delle persone. Se dopo due-quattro settimane i buchi in sala o in studio non calano, il flusso non è pronto. Si corregge. Non si «lascia acceso».

Sui costi non inventiamo un listino. Vale la stessa struttura già descritta per gli agenti AI telefonici: canale voce (numero o linea), consumo per minuto, tempo di costruzione e test. Il primo mese pesa di più perché comprende le prove. Il confronto con uno stipendio è il conto sbagliato; il confronto giusto è con le ore ripetitive che la voce assorbe davvero, come abbiamo già scritto su quanto costano gli agenti AI.

Cosa deve essere vero prima di accendere il microfono

Tre condizioni. Se ne manca una, la voce è un acquisto, non un processo.

Uno: un elenco scritto di domande a risposta nota. Non «più o meno sappiamo cosa chiedono». Orari, servizi, regole di disdetta, cosa non si prenota da soli. Se quella lista non sta su un foglio, l’agente inventerà una risposta plausibile. Il cliente la prenderà per vera.

Due: un calendario o un gestionale che l’agente può leggere. Una voce che conferma un posto senza vedere l’agenda sta mentendo con gentilezza. Meglio dire «le passo una persona» che promettere le 17:30 che non esistono.

Tre: un umano di guardia e una via di fuga. Due tentativi di chiarimento, poi operatore. Parole trigger esplicite. Il contesto raccolto (nome, motivo, dati già detti) viaggia con la chiamata. Far ripetere tutto da zero al cliente è peggio di non aver mai messo l’agente.

Senza la terza condizione non accendete niente. Avete solo spostato l’attesa dal tono di squillo a un dialogo che non finisce.

Il consenso sta nello stesso pacchetto, non in un allegato legale da aggiungere dopo. Chi chiama ha diritto a sapere, nei primi secondi, che sta parlando con un sistema automatico e che la conversazione può essere trattata per il servizio. Vale la stessa regola delle chiamate con operatore: informare subito, non nascondere l’automazione in un saluto generico. Sul piano europeo il regolamento sull’intelligenza artificiale chiede trasparenza quando si interagisce con un sistema di AI; in studio e in sala questo si traduce in una frase breve all’inizio, non in un disclaimer di mezza pagina.

Dove si rompe un agente AI vocale

Il primo incidente è la latenza. Sopra un secondo di silenzio il chiamante ripete la domanda e si sovrappone alla risposta che sta arrivando. Non si stima. Si misura con chiamate di prova, compreso chi parla in dialetto e chi chiama dal marciapiede. Il ritardo spesso non è «il modello»: è la trascrizione, o il giro verso il gestionale a ogni frase. Un flusso che consulta il calendario una volta e tiene il dato tiene meglio di uno che lo chiede a ogni turno.

Il secondo è l’assenza di via di fuga. L’agente che non sa e continua a riformulare è il motivo per cui la gente urla «operatore». Due tentativi, poi persona. Non tre varianti della stessa domanda.

Il terzo è la promessa. Sconto, posto extra, «le teniamo il tavolo anche se arrivate alle 22». Se la voce può promettere ciò che il regolamento non dice, pagate voi. La correzione è secca: conferma solo ciò che è già scritto. Per il resto, «serve una verifica, vi richiamiamo entro oggi».

Il quarto è partire dalla voce perché fa scena. Un widget che parla sul sito, con la sala che già perde le chiamate, è un oggetto da fiera. Il lavoro vero è il filtro. Su TheDrobot questo pezzo lo montiamo quando il conteggio delle chiamate perse esiste già; se non esiste, prima si scrive il foglio, poi si apre il microfono.

Il quinto è trattare la voce come se fosse un altro mestiere rispetto al testo. Non lo è. È lo stesso agente, con un canale più fragile. Se lo scritto (WhatsApp, form, mail) non ha ancora una lista di casi e un’escalation, la voce non la inventa. La rende solo più rumorosa.

Cosa fare lunedì

Un’azione sola. Per cinque giorni lavorativi segna ogni chiamata persa o interrotta: orario, se sai il motivo, se qualcuno ha richiamato. Venerdì conti. Quante chiedevano solo un orario, una disponibilità, un appuntamento standard.

Se quel mucchio è piccolo, non comprate una voce. Sistemate il turno o lo scritto.

Se è grande, quella è la prima pila da dare all’agente. Nient’altro. Una settimana di ascolto delle conversazioni vere, poi si decide se tenere il microfono acceso.

Il frame da portare a casa è corto. Non state scegliendo una voce sintetica. State decidendo se questa settimana recuperate i posti che oggi squillano a vuoto, o se li regalate a chi risponde.