Riepilogo Webinar: Come creare agenti IA che suonano naturali

La maggior parte dei team vuole creare un agente che suoni naturale.

Il problema che molti team riscontrano è che gli agenti completano il compito, ma non comprendono il contesto, l'urgenza o le emozioni. E quando chi chiama se ne accorge, la fiducia cala, così come la qualità dell'interazione.

Nel nostro recente Workshop dal vivo: creare agenti IA che suonano naturali, Luigi Sambuy (Forward Deployed Engineering) ha illustrato cosa distingue un agente dal suono robotico da uno che sembra davvero umano.

Perché suonare naturali è più difficile di quanto sembri

La maggior parte dei team che implementa agenti ha già risolto il problema dell'accuratezza: l'agente fornisce la risposta giusta, prenota il tavolo giusto, annulla il volo giusto. 

La parte più difficile è ottenere la resa giusta.

Un agente che non rispecchia le emozioni di chi chiama, non coglie l'urgenza e risponde a ogni domanda con lo stesso ritmo piatto sembrerà sempre artificiale, per quanto corrette siano le sue risposte. I clienti non vogliono solo risolvere il loro problema: vogliono sentirsi ascoltati mentre ciò accade.

Le quattro caratteristiche di un agente dal suono naturale

1. Ritmo e fluidità - ritmo naturale, pause e variazioni di velocità invece di una lettura monotona
2. Rispecchiamento - rispondere con premura a chi chiama frustrato e con calore alle buone notizie
3. Contesto - integrare la cronologia dell'utente, i sistemi aziendali e riferimenti culturali o regionali affinché le risposte non siano generiche
4. Identità - una voce creata davvero per il brand, non una predefinita standard

Demo: un agente dal suono naturale in azione

Scenario: un cliente chiama il Rosette Restaurant per spostare la propria prenotazione. È il suo quinto anniversario di matrimonio ed è in ritardo.

Cosa viene mostrato:

• L'agente ha iniziato con calore, riconoscendo l'anniversario prima di fare qualsiasi altra cosa
• Ha rilevato una piccola discrepanza tra l'orario della prenotazione indicato e quello effettivamente prenotato, chiedendo chiarimenti invece di fare supposizioni
• Ha spostato la prenotazione alle 21:00 e offerto proattivamente un tavolo vicino alla finestra per l'occasione, senza che gli venisse chiesto
• Per tutta la chiamata, l'agente ha usato pause naturali, intercalari e un tono adatto al momento: rassicurante, caloroso e senza fretta

Perché è importante: nulla di tutto questo deriva da un modello diverso o da una piattaforma più potente. Deriva dal prompt. Il system prompt ha dato all'agente il permesso di correggersi a metà frase, interrompersi in modo naturale mentre "cerca qualcosa" e adattare il proprio tono emotivo a quello di chi chiama: le stesse tecniche oggi disponibili per qualsiasi team che sviluppi sulla piattaforma.

Sette leve per creare agenti naturali

1. Tag emotivi - disponibili con la modalità espressiva del modello conversazionale v3 e Eleven v4; il fattore più importante per variare il tono
2. Rumore di fondo - atmosfera da ufficio, suoni urbani o rumore di digitazione per un contesto più familiare e umano
3. Tono nel system prompt - è qui che si concentra gran parte della differenza
4. Impostazioni di eagerness (eager / normal / patient) - calibrate sul tempo richiesto dall'interazione
5. Dizionario di pronuncia / parole chiave - per nomi, brand e parole straniere che altrimenti l'agente pronuncerebbe in modo errato. 
6. Impostazioni di output - alcuni team aggiungono deliberatamente il suono di telefoni che squillano in sottofondo anziché audio perfettamente pulito, poiché i clienti che passano da un contact center tradizionale sono abituati a quel tono leggermente ovattato
7. Voice design o clonazione - creare una voce completamente personalizzata e in linea con il brand, invece di sceglierne una standard. Voice design ti permette di creare un prompt per qualcosa di specifico (ad es. "un uomo sulla trentina che sembra parlare attraverso un headset"). Clonazione vocale spazia da un clone istantaneo (circa 30 secondi di audio) a un clone professionale (più materiale, maggiore fedeltà). 

Best practice per agenti dal suono naturale

Scrivi il tono direttamente nel system prompt. È qui che si concentra gran parte della differenza tra un agente piatto e uno naturale. Dai all'agente il permesso esplicito di correggersi a metà frase ("come parlano davvero le persone"), interrompersi in modo naturale mentre cerca qualcosa e lasciare spazio al silenzio dopo qualcosa di serio prima di rispondere.

Abbina i tag emotivi al momento. Un tag "excited" non è adatto a un momento serio o rischioso. Posiziona i tag con cura nei punti in cui compariranno davvero nella conversazione e adattali allo stato emotivo di chi chiama man mano che la chiamata procede, ad esempio con un tono calmo e rassicurante per una persona ansiosa o rapido ma caloroso per chi ha fretta.

Imposta l'eagerness con cura. Eager funziona per scambi rapidi e ricchi di informazioni; patient funziona quando una persona ha bisogno di tempo per recuperare un documento o un numero. Usare eager come impostazione predefinita ovunque può far sembrare un agente insistente anziché naturale.

Scegli l'LLM per ciascun nodo. Usa modelli più leggeri e rapidi per semplici passaggi di routing e modelli più capaci per i nodi che prendono decisioni reali. 

Considera la latenza percepita come parte della "naturalezza". Oltre alla scelta del modello, sia la generazione speculativa dei turni di conversazione, che permette al modello di iniziare a formulare una risposta mentre chi chiama sta ancora parlando, sia gli intercalari con soft timeout riducono la durata percepita di una pausa, anche quando il tempo di risposta effettivo non cambia.

Localizza anziché tradurre. Scegli voci realmente addestrate nella lingua di destinazione, usa un dizionario di pronuncia e, per i casi d'uso in una sola lingua, valuta di scrivere il prompt direttamente in quella lingua per migliorare le prestazioni. Multilingual v2 resta un'opzione affidabile quando una latenza rapida tra lingue diverse conta più della gamma espressiva.

Monitora il tuo agente. Usa test di simulazione per convalidare un agente senza chiamate dal vivo, criteri di valutazione per l'assegnazione di esito positivo o negativo dopo la chiamata e l'analisi del sentiment turno per turno per individuare esattamente dove, in una conversazione, l'agente ha usato il tono sbagliato. Quindi usa queste informazioni per ottimizzare il prompt.

Guarda la sessione completa

Guarda il webinar completo qui.