NOS tworzy głosowych agentów AI do obsługi klienta z ElevenLabs Text to Speech

NOS, jedna z największych firm telekomunikacyjnych i medialnych w Portugalii, obsługuje 1,5 mln klientów, a rozmowy głosowe to jej główny kanał wsparcia, który każdego roku obsługuje miliony połączeń. Aby zastąpić uciążliwe statyczne menu IVR natychmiastową obsługą dostępną przez całą dobę, NOS stworzył konwersacyjnych agentów głosowych AI opartych na platformie ElevenAPI, którzy korzystają z naszego modelu Text to Speech do generowania odpowiedzi głosowych po portugalsku europejskim, które słyszą klienci. NOS testuje obecnie rozwiązanie w środowisku produkcyjnym z udziałem 3–5% swojej bazy klientów, zbierając wnioski dotyczące wpływu, satysfakcji i niezawodności przed stopniowym rozszerzeniem wdrożenia.

Dlaczego głos AI

Duża część połączeń przychodzących do NOS ma charakter informacyjny, a statyczne menu IVR zmuszały klientów do przechodzenia przez długie drzewa opcji nawet przy prostych sprawach. Celem NOS było:

• Udzielanie klientom natychmiastowych odpowiedzi w naturalnej rozmowie, w ich własnym języku
• Wyeliminowanie czasu oczekiwania przy częstych, powtarzalnych pytaniach
• Obsługa klientów 24/7 bez zwiększania obciążenia operacyjnego

Głos AI pozwolił osiągnąć te cele w bardziej przystępny sposób bez obniżania jakości.

Naturalny, szybki i niezawodny Text to Speech

W kaskadowym pipeline NOS Text to Speech kształtuje odpowiedź głosową. Niskie opóźnienia i duża ekspresja sprawiają, że rozmowa brzmi naturalnie, a nie robotycznie. Niezawodna wymowa w portugalskim europejskim była wymogiem niepodlegającym negocjacjom — a wielu dostawców nie spełnia tego warunku. NOS ocenił warstwę odpowiedzi głosowych według trzech priorytetów: wysokiej jakości mowy, niezawodnej wymowy po portugalsku europejskim oraz niskich opóźnień w rozmowach w czasie rzeczywistym. ElevenLabs wypadło dobrze we wszystkich trzech obszarach, dlatego Text to Speech dobrze sprawdził się jako kluczowy element konwersacyjnego stacku AI NOS.

Wybrane do warstwy głosowej w otwartym pipeline niezależnym od dostawców

NOS zbudował swoją architekturę na frameworkach open source, aby stack był możliwie niezależny od dostawców w obszarach Speech to Text, LLM i Text to Speech. W pipeline zaprojektowanym tak, by każdy komponent można było wymienić, NOS wybrał ElevenLabs do warstwy głosowej. Integracja była prosta: jeśli obsługiwał to bazowy framework, NOS mógł dodać model do istniejącego pipeline przy minimalnych zmianach i uzyskać jakość mowy oraz niskie opóźnienia potrzebne w rozmowach z klientami w czasie rzeczywistym.

Głos pozostaje dla NOS kluczowym obszarem, a zespół nadal udoskonala to doświadczenie. Dopracował słownik fonetyczny, by terminy i słowa kluczowe specyficzne dla NOS były poprawnie wymawiane, oraz pracuje z Professional Voice Cloning nad dalszą optymalizacją jakości głosu marki.

Pierwsze wyniki testów produkcyjnych

NOS celowo zbiera doświadczenia w środowisku produkcyjnym przed rozszerzeniem skali, uruchamiając rozwiązanie dla 3–5% swojej bazy klientów. Pierwsze wyniki pokazują:

• Agenci głosowi z powodzeniem obsługują około 50% połączeń w grupie testowej. NOS uznaje połączenie za pomyślnie obsłużone, gdy klient je kończy i nie oddzwania; wpływ mierzy z uwzględnieniem ponownych połączeń jako najbliższy dostępny wskaźnik rozwiązania sprawy.
• Gdy rozmowa jest przekazywana człowiekowi, czas spędzony z agentem głosowym jest o 15% krótszy niż w przypadku starego menu IVR. Agent szybciej rozpoznaje, kiedy nie potrafi rozwiązać problemu, i przekazuje rozmowę bez niepotrzebnego zatrzymywania klienta.
• Satysfakcja klientów rośnie, a wynik netto wzrósł o kilkanaście punktów w porównaniu nowego doświadczenia z poprzednim. Klienci najbardziej cenią szybkość, mały wysiłek i płynność interakcji.

W miarę rozszerzania wdrożenia NOS będzie nadal mierzyć wpływ rozwiązania i zbierać opinie klientów, stale ulepszając doświadczenie przed udostępnieniem go szerszej bazie klientów.

Stworzone z myślą o rozwiązaniu sprawy i płynnym przekazaniu rozmowy

Wraz ze skalowaniem rozwiązania NOS dąży do jak najwyższego wskaźnika pomyślnie obsłużonych połączeń. Równie ważne jest doświadczenie w sprawach, których agent nie może rozwiązać: dla pozostałych połączeń NOS zaprojektował płynne przekazanie rozmowy człowiekowi, bez zapętlenia w menu IVR.

Co dalej

Poza obsługą klienta NOS inwestuje w automatyzację procesów wewnętrznych opartą na głosie, aby przyspieszyć działania w całej firmie. Deweloperzy tworzący podobne rozwiązania mogą korzystać z naszego modelu Text to Speech za pośrednictwem platformy ElevenAPI do generowania naturalnego głosu o niskich opóźnieniach.