NOS entwickelt KI-Sprachagenten für den Kundenservice mit ElevenLabs Text to Speech

NOS, eines der größten Telekommunikations- und Medienunternehmen Portugals, betreut 1,5 Millionen Kunden. Sprache ist sein wichtigster Supportkanal und beantwortet jedes Jahr Millionen von Anrufen. Um die Reibung statischer IVR-Menüs durch sofortigen Service rund um die Uhr zu ersetzen, entwickelte NOS dialogorientierte KI-Sprachagenten auf Basis der ElevenAPI-Plattform und nutzt unser Text to Speech-Modell, um die Sprachantworten auf europäischem Portugiesisch zu erzeugen, die Kunden hören. NOS testet die Lösung derzeit mit 3–5 % seines Kundenstamms im Produktivbetrieb. Dabei sammelt das Unternehmen Erkenntnisse zu Wirkung, Zufriedenheit und Robustheit, bevor es die Lösung schrittweise ausweitet.

Warum Voice AI

Ein großer Teil der eingehenden Anrufe bei NOS betrifft Informationsanfragen. Statische IVR-Menüs zwangen Kunden bei einfachen Anliegen, lange Menüstrukturen abzuwarten. NOS verfolgte folgende Ziele:

• Kunden durch natürliche Gespräche in ihrer eigenen Sprache sofort Antworten geben
• Wartezeiten bei häufigen, wiederkehrenden Anfragen eliminieren
• Kunden rund um die Uhr betreuen, ohne den operativen Aufwand zu erhöhen

Voice AI bot einen zugänglicheren Weg, diese Ziele zu erreichen, ohne Abstriche bei der Qualität zu machen.

Ausdrucksstarkes, latenzarmes und zuverlässiges Text to Speech

In der kaskadierten Pipeline von NOS übernimmt Text to Speech die Gestaltung der gesprochenen Antwort. Geringe Latenz und hohe Ausdrucksstärke sorgen dafür, dass der Austausch dialogorientiert statt robotisch wirkt. Eine zuverlässige Aussprache auf europäischem Portugiesisch war eine unverzichtbare Anforderung, an der viele Anbieter scheitern. NOS bewertete die Sprachantwortebene anhand von drei Prioritäten: hochwertige Sprachausgabe, zuverlässige Aussprache auf europäischem Portugiesisch und geringe Latenz für Gespräche in Echtzeit. ElevenLabs überzeugte in allen drei Bereichen. Damit eignete sich Text to Speech, Sprache als zentralen Bestandteil in den KI-Stack für dialogorientierte Anwendungen von NOS zu integrieren.

Für die Sprachschicht in einer offenen, anbieteragnostischen Pipeline gewählt

NOS baute seine Architektur auf Open-Source-Frameworks auf, um den Stack für Speech to Text, LLM und Text to Speech so anbieteragnostisch wie möglich zu halten. In einer Pipeline, in der jede Komponente austauschbar sein sollte, entschied sich NOS für ElevenLabs als Sprachschicht. Die Integration war einfach: Solange das zugrunde liegende Framework dies unterstützte, konnte NOS das Modell mit minimalen Änderungen in die bestehende Pipeline einbinden und erhielt die benötigte Sprachqualität und geringe Latenz für Kundengespräche in Echtzeit.

Sprache bleibt für NOS ein zentraler Fokus, und das Team entwickelt das Erlebnis weiter. Es hat das phonetische Wörterbuch iterativ verbessert, damit NOS-spezifische Begriffe und Schlüsselwörter korrekt ausgesprochen werden, und arbeitet mit Professional Voice Cloning daran, die Sprachqualität für die Marke weiter zu optimieren.

Erste Ergebnisse aus Produktionstests

NOS sammelt bewusst Erkenntnisse im Produktivbetrieb, bevor die Lösung ausgeweitet wird, und betreibt sie mit 3–5 % seines Kundenstamms. Erste Ergebnisse zeigen:

• Die Sprachagenten bearbeiten in der Testgruppe rund 50 % der Anrufe erfolgreich. NOS definiert einen Anruf als erfolgreich bearbeitet, wenn der Kunde ihn beendet und nicht erneut anruft. Das Unternehmen misst die Wirkung bereinigt um Rückrufe als den bestverfügbaren Näherungswert für eine Lösung des Anliegens.
• Wird ein Anruf an einen Mitarbeiter übergeben, ist die mit dem Sprachagenten verbrachte Zeit 15 % geringer als mit dem alten IVR-Menü. Der Agent erkennt früher, wenn er ein Anliegen nicht lösen kann, und übergibt den Anruf, ohne den Kunden unnötig warten zu lassen.
• Die Kundenzufriedenheit ist gestiegen. Beim Nettoscore zeigt der Vergleich zwischen dem neuen und dem bisherigen Erlebnis zweistellige Zuwächse. Kunden schätzen besonders die Geschwindigkeit, den geringen Aufwand und den flüssigen Ablauf der Interaktion.

NOS wird die Wirkung der Lösung weiter messen und Kundenfeedback sammeln, während die Einführung ausgeweitet wird. Beides fließt in die kontinuierliche Verbesserung des Erlebnisses ein, bevor die Lösung für den breiteren Kundenstamm skaliert wird.

Für Lösung und reibungslose Übergabe entwickelt

NOS strebt mit der Skalierung der Lösung die höchstmögliche Erfolgsquote bei der Bearbeitung an. Genauso wichtig ist das Erlebnis in Fällen, die der Agent nicht lösen kann: Für den verbleibenden Anteil der Anrufe hat NOS die Lösung so konzipiert, dass sie reibungslos an einen Mitarbeiter übergibt und Schleifen vermeidet, in denen Kunden in einem IVR-Menü verloren gehen.

Wie geht es weiter?

Über den Kundenservice hinaus investiert NOS in die sprachgesteuerte Automatisierung interner Prozesse, um Abläufe im gesamten Unternehmen zu beschleunigen. Entwickler, die ähnliche Erlebnisse entwickeln, können unser Text to Speech-Modell über die ElevenAPI-Plattform nutzen, um natürliche Sprachausgabe mit geringer Latenz zu erzeugen.