Terminologia della segretaria virtuale AI: il glossario senza gergo

Hai iniziato a informarti su un assistente telefonico AI per risolvere un problema semplicissimo — le chiamate perse — e verso la terza scheda del browser hai sbattuto contro un muro di parole. Agente vocale. IVR. Flusso di chiamata. SIP. Portabilità. Latenza. Tutti le usano come se tu le conoscessi già, e nessuno si ferma a spiegarle. Questa è la pagina che si ferma e le spiega. Niente patina commerciale, nessuno che dà per scontato che tu abbia un reparto IT: solo la terminologia della segretaria virtuale AI che ti serve davvero per decidere bene.

La verità onesta su gran parte di questi termini è questa: esistono perché la rete telefonica è stata costruita da ingegneri, per ingegneri, decenni prima che qualcuno immaginasse un computer capace di rispondere al telefono con voce umana. Il gergo è vecchia idraulica. Non devi diventare idraulico. Ti basta saperne quanto serve per distinguere una funzione vera da una parola luccicante e per capire che cosa ti sta promettendo davvero un fornitore quando dice che le tue chiamate saranno gestite.

Le due parole che creano più confusione

Prima del glossario vero e proprio, chiariamo i due termini che si confondono di continuo: IVR e agente vocale. Rispondono entrambi al tuo telefono. Non sono la stessa cosa, e quella differenza è il senso di tutta questa categoria di prodotti.

Un IVR — Interactive Voice Response, risposta vocale interattiva — è il vecchio menu «premi 1 per le vendite, premi 2 per l'assistenza». Esiste dagli anni Ottanta. Segue un albero rigido: chi chiama preme un tasto o pronuncia una singola parola prevista dal copione, e il sistema passa al ramo successivo. Non capisce una frase. Non può rispondere a una domanda che non hai preprogrammato. È notoriamente detestato da chi chiama, e a ragione: gli scarica addosso tutto il lavoro.

Un agente vocale (chiamato anche segretaria virtuale AI, assistente telefonico AI o AI vocale conversazionale) ascolta quello che chi chiama dice davvero, capisce l'intenzione dietro le parole e risponde a voce, in modo naturale. Chiedigli «siete aperti il sabato?» e ti risponde. Chiedigli di fissarti un appuntamento martedì pomeriggio e lo fa. Non c'è nessun albero di menu da percorrere perché non c'è nessun menu. È il salto reso possibile dagli ultimi anni, ed è il motivo per cui il vocabolario è diventato all'improvviso confuso: termini vecchi e nuovi ora convivono fianco a fianco.

L'agente vocale (e i suoi mille nomi)

Agente vocale è il termine ombrello per il software che sostiene una conversazione parlata al telefono. La stessa idea viene venduta con una dozzina di nomi: segretaria virtuale AI, assistente telefonico AI, receptionist virtuale, AI conversazionale, risponditore automatico AI, voicebot. Il marketing sceglie la parola che suona più amichevole al proprio pubblico. Sotto il cofano descrivono tutte lo stesso trucco in tre passaggi.

1. Ti sente — il riconoscimento vocale trasforma le tue parole in testo nell'istante in cui le pronunci.
2. Capisce e decide — un modello linguistico legge quel testo, ricostruisce che cosa vuoi e sceglie una risposta usando il profilo e le regole dell'attività.
3. Ti risponde a voce — la sintesi vocale trasforma la risposta in una voce naturale, abbastanza in fretta da sembrare una telefonata dal vivo.

Quando qualcuno dice che il suo agente vocale è «bravo», di solito intende che questi tre passaggi avvengono in modo abbastanza rapido e preciso da non far sentire a chi chiama che sta parlando con una macchina — o almeno da non fargliene importare. Ogni altro termine di questo glossario è in fondo solo un dettaglio su come quei tre passaggi vengono collegati al tuo numero di telefono reale.

Riconoscimento vocale, trascrizione e sintesi vocale

Lo speech-to-text (STT), chiamato anche riconoscimento automatico del parlato (ASR), è il passaggio che converte in tempo reale le parole di chi chiama in testo scritto. Sono le orecchie del sistema. Accenti, rumore di fondo e persone che parlano sovrapponendosi sono i suoi problemi più difficili: per questo un agente vocale va sempre provato con una telefonata vera e un po' disordinata, non con una demo pulita da studio di registrazione.

La trascrizione è una parente stretta, ma serve a un altro scopo. Lo STT lavora dal vivo perché l'agente possa rispondere; la trascrizione è il resoconto scritto dell'intera conversazione, salvato perché tu possa leggerlo dopo. È una di quelle funzioni che valgono molto senza fare rumore. Dopo ogni chiamata un buon assistente ti manda la trascrizione insieme a un breve riepilogo: chi ha chiamato, che cosa voleva, che cosa è stato concordato. Ottieni la sostanza della telefonata senza esserci stato.

Il text-to-speech (TTS), o sintesi vocale, è la bocca. Trasforma la risposta scelta dall'agente in parole udibili. La TTS moderna è ciò che fa suonare umani gli assistenti di oggi invece che come un navigatore satellitare degli anni Novanta: ritmo naturale, respiri, qualche «mmh» sparso. Ogni tanto sentirai usare la parola voce per indicare una specifica identità sintetica che puoi scegliere (più calda, più sbrigativa, con un certo accento).

Il flusso di chiamata (e il conversation design)

Un flusso di chiamata è la mappa di quello che succede durante una telefonata: come l'agente saluta chi chiama, che cosa gli è permesso fare, quando prenota e quando invece prende un messaggio, e quando passa la mano a una persona. Nei vecchi IVR il flusso di chiamata era un albero decisionale rigido. In un buon agente vocale somiglia più a un insieme di obiettivi e di confini: «saluta con cordialità, rispondi alle domande usando il profilo dell'attività, proponi di fissare un appuntamento se lo vogliono, prendi un messaggio se non sei sicuro».

Sentirai anche conversation design o prompt per indicare le istruzioni scritte che modellano comportamento e tono dell'agente. Il punto pratico per te: più la configurazione ti chiede della tua attività — i tuoi servizi, i tuoi orari, i tuoi prezzi, come vuoi che vengano gestite le richieste — più il flusso di chiamata sarà cucito sulla tua attività. Un assistente generico e senza contesto dà risposte generiche e a volte sbagliate. Non è la tecnologia che fallisce: è la configurazione che è stata saltata.

Intento, entità e «allucinazioni»

L'intento è quello che chi chiama sta cercando di fare, sotto le parole esatte che usa. «Avete qualcosa giovedì?», «Posso passare questa settimana?» e «Mi serve un appuntamento» sono tre frasi con un solo intento: prenotare qualcosa. Riconoscere l'intento è ciò che separa un agente vocale da un IVR che capisce soltanto la formula esatta che hai messo a copione.

Le entità sono i dettagli precisi dentro una richiesta: una data, un orario, un nome, un numero di telefono, un servizio. «Prenotami un taglio con Sara martedì prossimo alle quattro» contiene quattro entità che l'agente deve cogliere correttamente. Quando qualcuno si lamenta che una prenotazione è arrivata con l'orario sbagliato, di solito è un'entità capita male: vale la pena verificare che il tuo assistente ripeta i dettagli a chi chiama prima di chiudere la telefonata.

Allucinazione è la parola schietta con cui il settore indica il momento in cui un'AI si inventa qualcosa con tutta sicurezza: un prezzo che non hai mai fissato, un servizio che non offri. È il rischio che pesa di più per un'attività, perché una risposta sbagliata detta con scioltezza è peggio di nessuna risposta. La protezione si chiama grounding, cioè ancoraggio ai dati: un assistente costruito bene risponde solo a partire dal profilo che gli hai dato e dice «le prendo un messaggio e la facciamo richiamare» quando non sa. Se un fornitore non ti spiega come blocca le allucinazioni, è una domanda su cui vale la pena insistere.

La deviazione di chiamata: la via d'ingresso facile

È il termine che decide quanta fatica sia davvero la configurazione. Deviazione di chiamata significa dire alla tua linea telefonica attuale di mandare le chiamate da un'altra parte — in questo caso all'assistente AI. Il tuo numero resta esattamente dov'è, con il tuo operatore di adesso. Aggiungi soltanto una regola: devia le chiamate verso questo nuovo numero.

Di solito la deviazione si può impostare in modo condizionato. La deviazione incondizionata manda all'assistente ogni chiamata. La deviazione su occupato o mancata risposta scatta solo quando la linea è impegnata o non risponde nessuno dopo qualche squillo: così rispondi tu alle chiamate che riesci a prendere e l'assistente raccoglie le eccedenze e quelle fuori orario. Per gran parte delle piccole attività questa configurazione condizionata è il punto di equilibrio: continui a rispondere quando sei libero e non si perde niente per strada quando non lo sei.

La portabilità del numero: il trasloco definitivo

La portabilità del numero è un cambiamento di tutt'altro genere: significa trasferire la titolarità del tuo numero da un operatore a un altro. È quello che fai quando cambi del tutto compagnia telefonica e vuoi tenerti il numero. È definitiva, comporta pratiche burocratiche e può richiedere da un giorno a un paio di settimane, a seconda del Paese e del fornitore.

Ecco perché la distinzione conta mentre valuti i fornitori: quasi mai serve portare il numero per usare un assistente telefonico AI. La deviazione fa lo stesso lavoro senza vincoli. Se l'attivazione di un fornitore ti chiede di portare il numero principale della tua attività solo per provare il servizio, è una richiesta pesante per qualcosa che non hai ancora verificato. Diffidane. La portabilità è un ottimo strumento per il suo scopo vero — cambiare operatore — ma non dovrebbe essere il prezzo del biglietto per mettere alla prova una segretaria virtuale.

SIP, VoIP e le parole da idraulico

Sono i termini davanti ai quali ai titolari si annebbia lo sguardo, quindi li teniamo brevi e onesti: per gran parte delle piccole attività, non ti serve capirli per comprare o usare un assistente AI. Però li incontrerai, quindi ecco che cosa significano.

VoIP (Voice over Internet Protocol) vuol dire semplicemente telefonate trasportate su internet invece che sulle vecchie linee in rame. Se telefoni da un'app, da una cuffia collegata al computer o da un telefono da scrivania connesso a internet, stai già usando il VoIP. Quasi tutti i telefoni aziendali moderni lo fanno.

Il SIP (Session Initiation Protocol) è lo standard tecnico che apre e chiude quelle chiamate su internet: la stretta di mano che collega i due capi. Un SIP trunk è un fascio di linee di livello aziendale consegnato via internet. Sentirai queste parole quando un fornitore collega un assistente AI direttamente al centralino di un'azienda grande. Per un'attività da una, due o cinque persone è idraulica che scorre dietro le quinte: non la tocchi quasi mai.

Latenza, barge-in e gestione dei turni

Queste tre parole descrivono se una telefonata suona naturale, cosa che conta più di qualsiasi scheda tecnica.

La latenza è il ritardo tra il momento in cui chi chiama finisce di parlare e quello in cui l'assistente comincia a rispondere. Al telefono il silenzio diventa imbarazzante in fretta: bastano due secondi di vuoto e sembra che sia caduta la linea. La bassa latenza è ciò che fa sentire presente un agente vocale, invece che perennemente in ritardo. È una delle cose più difficili da azzeccare e una delle più facili da notare, quindi durante una chiamata di prova fidati delle tue orecchie più che di qualunque numero su un dépliant.

Il barge-in (o gestione delle interruzioni) è la possibilità di tagliare la parola all'agente a metà frase e farlo fermare ad ascoltare, come farebbe una persona. Senza, l'agente ti parla sopra e devi aspettare che finisca la sua battuta prima che ti senta. Con, la conversazione scorre. La gestione dei turni è l'abilità più ampia di capire quando chi chiama ha finito un pensiero e quando invece si è solo fermato a prendere fiato. Sbaglia queste cose e persino un agente intelligente suona robotico; azzeccale e spesso chi chiama non si accorge di parlare con un software.

Passaggio di consegne, escalation e trasferimento a caldo

Un buon assistente conosce i propri limiti, e queste parole descrivono che cosa fa arrivato a quel confine. Il passaggio di consegne (o escalation) è il momento in cui l'AI si ferma e coinvolge una persona: perché chi chiama è arrabbiato, ha una domanda complessa o chiede esplicitamente di parlare con qualcuno. Quanto elegantemente un prodotto gestisce questo passaggio ti dice molto sul rispetto che chi l'ha costruito ha per chi chiama.

Ci sono due modalità diffuse. Il trasferimento a caldo passa la chiamata in corso direttamente a una persona, idealmente con un rapido riepilogo di quanto è stato detto, così chi chiama non deve ripetere tutto da capo. Il passaggio a messaggio raccoglie i dati e ti avvisa di richiamare: è la mossa giusta quando non c'è nessuno disponibile per un trasferimento dal vivo, per esempio fuori orario. La cosa fondamentale è che un assistente affidabile non finge mai di essere umano quando glielo si chiede e non intrappola mai nessuno in un giro chiuso, senza una via per arrivare a una persona.

Chiamate simultanee, 24/7 e disponibilità

Le chiamate simultanee — in inglese concurrency — sono quante telefonate l'assistente riesce a gestire nello stesso momento. Una receptionist in carne e ossa risponde a una chiamata; tutti gli altri sentono il segnale di occupato o la segreteria. Un agente vocale può prenderne diverse — o molte — in contemporanea, senza code. Per un'attività che riceve un'ondata improvvisa (una promozione, un lunedì mattina intenso, un'emergenza) questo è, senza clamore, uno dei vantaggi più grossi: nessuno resta in attesa e nessuno decide di provare il tuo concorrente.

24/7 e disponibilità sono le formule semplici per dire che l'assistente risponde 24 ore su 24, notti, fine settimana e festivi compresi. È il motivo per cui molti titolari si mettono a cercare uno strumento del genere. L'aritmetica è semplice: se perdi dieci chiamate a settimana — fuori orario, mentre sei con un cliente, nei giorni di chiusura — e anche solo una di quelle era una prenotazione che valeva la pena, un assistente che le raccoglie si ripaga da solo. Non serve nessuno studio inventato: sai già quante chiamate stai perdendo.

Profilo aziendale, base di conoscenza e «addestramento»

Il profilo aziendale, o base di conoscenza, è l'insieme delle informazioni da cui l'assistente attinge le risposte: i tuoi servizi, gli orari di apertura, i prezzi che hai deciso di comunicare, la sede, come gestisci le richieste più frequenti. È la singola cosa più importante che controlli tu, perché l'assistente è accurato quanto lo è questo profilo. Dedicagli venti minuti fatti bene e la differenza nella qualità delle chiamate è enorme.

Ogni tanto vedrai usare la parola addestramento in modo un po' vago. Può indicare l'addestramento profondo e tecnico del modello linguistico sottostante (che fa il fornitore, non tu), oppure semplicemente «compilare il profilo perché l'assistente conosca la tua attività». Quando uno strumento per piccole attività dice «addestra il tuo assistente in pochi minuti», intende quasi sempre la seconda cosa, quella più amichevole: rispondere a una breve procedura guidata su come lavori. Nessuno si aspetta che tu faccia machine learning.

Come tutto questo si traduce nell'attivazione vera e propria

Metti insieme il gergo e il flusso di lavoro reale risulta piacevolmente ordinario. Con Vunoon ti registri, compili una breve procedura guidata che diventa il tuo profilo aziendale e provi l'agente vocale chiamandolo e parlandogli come farebbe un cliente. Quando sei soddisfatto, imposti la deviazione di chiamata sulla tua linea attuale — niente portabilità, nessuna idraulica SIP da imparare — e sei operativo. Dopo ogni chiamata ricevi trascrizione e riepilogo; quando l'assistente non riesce ad aiutare, fa un ordinato passaggio a messaggio invece di tirare a indovinare.

È questo il senso di decifrare queste parole: una volta che ci vedi attraverso, la tecnologia smette di intimidire e diventa una breve lista di decisioni che sei perfettamente in grado di prendere. Non devi parlare fluentemente la lingua delle telecomunicazioni. Ti serve una segretaria che risponda, capisca e passi la mano con onestà — e adesso sai riconoscere se un prodotto lo fa davvero.

1. 1
   Costruisci il profilo

   Rispondi alla procedura guidata su servizi, orari e su come vuoi che vengano gestite le richieste. È la «base di conoscenza»: l'assistente vale quanto quello che ci metti dentro.
2. 2
   Prova l'agente vocale

   Chiamalo. Interrompilo, biascica, fai una domanda fuori copione. Stai verificando latenza, barge-in e se risponde davvero a partire dal tuo profilo.
3. 3
   Devia le tue chiamate

   Imposta la deviazione condizionata perché l'assistente raccolga le eccedenze e le chiamate fuori orario. Il tuo numero resta esattamente dov'è e puoi disattivarla in pochi secondi.
4. 4
   Leggi le trascrizioni

   Ogni chiamata ti torna sotto forma di riepilogo e trascrizione, così mantieni piena visibilità anche sulle telefonate a cui non hai mai risposto.