Assistente Vocale AI per Customer Service

Il Contesto

Il progetto e stato realizzato per un operatore energetico italiano con una base clienti dell'ordine delle migliaia di utenze. Per ragioni di riservatezza il nome del cliente, i volumi esatti di chiamate e i dettagli contrattuali non vengono divulgati: il contesto descritto e quello tipico di un fornitore di utility con un centralino di assistenza sotto pressione costante. Il customer service riceve un flusso continuo di richieste ricorrenti - stato fatture, letture contatore, attivazioni, spostamenti di fornitura, scadenze di pagamento - concentrate in fasce orarie ben precise e con picchi stagionali poco prevedibili.

Il Problema

Il centralino operava esclusivamente in orario d'ufficio e con personale dimensionato sulla media, non sui picchi. Questo generava tre criticita concrete:

• Code e tempi di attesa nell'ordine dei minuti nelle fasce di punta, con abbandoni di chiamata e clienti che richiamavano piu volte, gonfiando ulteriormente il volume.
• Nessuna copertura fuori orario: la sera, nei weekend e nei festivi le richieste restavano completamente scoperte, spostando il carico sul giorno successivo.
• Operatori saturati da richieste ripetitive a basso valore aggiunto, sottraendo tempo alle pratiche complesse che richiedono davvero una persona.

L'obiettivo concordato era assorbire la prima linea di chiamate ripetitive con un agente vocale AI, riducendo l'attesa a pochi secondi, estendendo la copertura a 24 ore su 24 e lasciando agli operatori umani solo le casistiche che ne giustificano il coinvolgimento.

La Soluzione

Il cuore del sistema e un agente vocale speech-to-speech costruito sull'OpenAI Realtime API: l'audio del chiamante viene trasmesso direttamente al modello, che ascolta e risponde in voce senza la classica catena trascrizione → LLM testuale → sintesi. Questo elimina i tre hop sequenziali che normalmente aggiungono latenza percepibile e rendono la conversazione innaturale.

Trasporto audio real-time

L'audio bidirezionale viaggia su WebRTC verso il client e su un canale WebSocket persistente verso il backend e il modello. Il backend Node.js fa da orchestratore: gestisce la sessione, lo streaming dei frame audio in entrambe le direzioni e il ciclo di vita della chiamata. Tutto e progettato attorno al vincolo della bassa latenza, perche in una conversazione vocale anche poche centinaia di millisecondi di ritardo rompono la naturalezza dello scambio.

Barge-in e function calling

Due capacita rendono l'agente effettivamente usabile in produzione. Il barge-in consente al cliente di interrompere l'agente mentre sta parlando - come accade nelle conversazioni reali - con cancellazione immediata dell'output in corso e ripresa dell'ascolto. Il function calling permette all'agente, durante la conversazione, di invocare funzioni applicative per interrogare i sistemi aziendali (es. recuperare lo stato di una pratica), eseguire azioni autorizzate o instradare la chiamata verso un operatore umano quando la richiesta esce dal perimetro automatizzabile.

Deploy e scalabilita

I servizi sono containerizzati con Docker e orchestrati su Kubernetes, in modo da scalare orizzontalmente le sessioni vocali in funzione dei picchi di traffico - critico per un carico che e tutto fuorche costante nell'arco della giornata.

Tecnologie Chiave

Lo stack e stato selezionato attorno a un unico vincolo dominante: conversazione vocale naturale a bassa latenza, in modo affidabile e scalabile.

Il Risultato

L'agente vocale ha spostato la prima linea di chiamate ripetitive dall'operatore umano all'AI, con impatto diretto su attesa, copertura e costi.

Nota. Le metriche sopra sono indicative e stimate, su un progetto soggetto a riservatezza: non sono dati certificati da audit del cliente, ma ordini di grandezza basati sull'esperienza e sull'effetto atteso dello spostamento delle chiamate ripetitive dall'operatore all'AI.

Sfide Tecniche

Latenza percepita nella conversazione

In una chiamata vocale il margine di tolleranza e bassissimo: oltre una certa soglia il ritardo rompe la naturalezza e il cliente percepisce di "parlare con una macchina". La scelta dell'architettura speech-to-speech con OpenAI Realtime API - invece della catena classica trascrizione → LLM testuale → sintesi vocale - elimina gli hop sequenziali piu costosi. Il trasporto su WebRTC e un canale WebSocket persistente, con streaming dei frame audio in entrambe le direzioni, ha permesso di mantenere la latenza entro un budget compatibile con uno scambio naturale.

Interruzioni e turni di parola (barge-in)

Le persone interrompono. Un agente che continua imperterrito a parlare mentre il cliente prova a intervenire e immediatamente frustrante. Implementare il barge-in ha richiesto di rilevare la voce del cliente sopra l'output dell'agente, cancellare in tempo reale l'audio in riproduzione e riportare la sessione in ascolto senza perdere il contesto della conversazione. Questo, unito al function calling per interrogare i sistemi aziendali a meta conversazione e per l'escalation pulita verso un operatore umano, e cio che distingue un demo da un agente realmente utilizzabile in customer service.

Servizi Correlati

Se stai valutando un agente vocale o un chatbot AI per la tua azienda, questi contenuti approfondiscono metodo, casi d'uso e ROI:

Per il profilo professionale e l'esperienza in applicazioni AI e agenti vocali vedi la pagina Chi sono; per gli altri progetti realizzati vedi il portfolio completo.