Conversational AI-design: Så skapar du mer mänskliga användarupplevelser

Conversational AI design innebar tidigare att bygga ett beslutsträd. Tidiga chattbottar och IVR-menyer byggde på rigida, förskrivna grenar: tryck 1 för fakturering, säg ”ja” eller ”nej” och hoppas att kundens fråga matchade någon av vägarna du hade förutsett. Den modellen fungerade bara så länge samtalet höll sig inom det du redan hade byggt.

AI-agenter tog bort den begränsningen. De kan nu resonera kring ett samtal i realtid, hämta information från en kunskapsbas, anropa verktyg och komma ihåg vad som redan har sagts. Därför är de inte längre begränsade till ett fast manus.

Men det här skiftet tog inte bort behovet av conversational AI design. I stället höjde det ribban. Utan ett strikt manus att falla tillbaka på måste en agents persona, workflow och beslutspunkter vara tillräckligt tydligt definierade för att fungera i ett öppet samtal i realtid, snarare än ett förutbestämt sådant.

Den här guiden förklarar vad conversational AI design faktiskt innebär för chatt och röstagenter, varför det spelar roll för de mätvärden du redan utvärderas utifrån och vad du behöver optimera för att få upplevelsen att kännas mer naturlig. Gör du rätt kan du använda AI-agenter som skapar kontakt med kunder och ger snabbare och bättre service.

Sammanfattning

• Conversational AI design handlar om hur en AI-agents kommunikation struktureras och optimeras för att samtalet ska kännas naturligt.
• Röst-AI är mindre förlåtande än text, eftersom problem med röst, latens och tajming som inte märks i ett chattgränssnitt kan få ett röstsamtal att kännas robotaktigt.
• ElevenAgents är utformat för att möjliggöra människoliknande AI-agenter för röst och chatt genom funktioner som låter dig styra röst, persona och samtalsflöde samt optimera latensen i alla kanaler.

Vad är conversational AI design?

Conversational AI design är UX-arbetet med att konfigurera hur en AI-agent beter sig. Det omfattar allt från dess persona till de skyddsräcken, workflows och kunskapsbaser den använder – allt samverkar för att få samtalet att kännas lika genomarbetat som alla andra delar av produktupplevelsen.

Men den konfigurationen ser inte likadan ut överallt. Agenter kan köras i flera kanaler, som chatt, röst eller SMS, från en enda konfiguration. Varje kanal har sina egna begränsningar, men för röst är de som störst. När röst är en av agentens kanaler måste agenten välja och leverera en röst, hantera tempo och turtagning i realtid och ge ett svar innan en paus börjar kännas som att samtalet har brutits. Inget av detta är valfritt på samma sätt som i chatt, där ett något långsamt eller ofullständigt svar sällan stör interaktionen.

Här är vad du behöver tänka på när du implementerar conversational AI design för en chattagent och vad röst tillför utöver det.

Kunder bedömer inte medvetet var och en av dessa faktorer. De märker bara när något känns fel, och den känslan räcker för att underminera förtroendet för agenten som helhet och hota de mål som den från början togs i bruk för.

Varför conversational AI design är viktigt för en bra användarupplevelse

Alla faktorer ovan, från turtagning till latens och persona, påverkar hur en kund uppfattar ditt varumärke i ett avgörande ögonblick som kan göra dem till en förespråkare eller kritiker. Den uppfattningen syns direkt i de mätvärden team utvärderas utifrån.

• Högre nöjdhet och lösningsgrad: Kunder betygsätter en interaktion högre när agenten svarar snabbt och inte avbryter på ett stelt sätt.
• Minskad avbruten kontakt: Kunder lämnar inte bara ett samtal på grund av långa väntetider. Ett framförande som inte motsvarar förväntningarna, oavsett om det är en obekväm paus i ett samtal eller ett stelt svar i chatt som inte passar varumärket, kan väcka samma impuls att avsluta samtalet.
• Snabbare lösningstid: Tydliga inställningar för samtalsflöde och väl kartlagda workflows innebär färre återvändsgränder, upprepade frågor och situationer där agenten säger ”jag kopplar dig vidare”.
• Färre eskaleringar till mänskliga agenter: När en agent hanterar samtalsflödet naturligt och följer ett definierat workflow löser den fler ärenden vid första försöket, i stället för att förvirra kunden så att de ber om att få prata med en person.

Ta till exempel eDreams ODIGEO, en av världens största reseplattformar online. De använde AI-agenter med ElevenAgents på fem huvudspråk och såg en tvåsiffrig förbättring av lösningshastigheten samt en tvåsiffrig minskning av andelen samtal som kopplades vidare. Det drevs delvis av röstsynthes med låg latens och mer träffsäker avsiktsigenkänning i början av varje samtal. Sådana resultat beror på många andra variabler än enbart samtalsdesign, men de visar vad bra conversational AI design kan möjliggöra.

Så fungerar conversational AI design i ElevenAgents

I ElevenAgents kan du optimera sådant som persona, röst, turtagning, överlämningar och latens – samma faktorer som avgör om en agent känns mänsklig. Så här konfigurerar och optimerar du var och en så att din agent klarar sin del av ett verkligt samtal.

Val av persona och röst

Personan formar kundens första intryck, och en felmatchning undergräver förtroendet redan innan samtalet kommer igång. En persona som är för stel för ett vänligt detaljhandelsvarumärke får kunder att tveka på agenten innan den ens har sagt något användbart. Börja forma den i system prompt, där du definierar agentens roll, personlighet och skyddsräcken innan något annat.

För röstagenter måste den personan även höras i rösten. En röst som är för ledig i ett ekonomiskt samtal signalerar samma sak som en felmatchad persona i text, så röstvalet blir en del av samma arbete. Här kan du börja:

• Röstval: Anpassa rösten till ditt varumärke, din målgrupp och ämnet. Accent, kön och tonläge bidrar alla till att bygga förtroende hos den som ringer och sätter tonen för samtalet.
• Flerspråkigt stöd: Välj en röst för varje språk du stöder, i stället för att använda en och samma röst på alla marknader. En enda röst som tvingas över flera språk låter ofta främmande på minst ett av dem, vilket undergräver det förtroende du försöker bygga.

ElevenAgents ger dig tillgång till över 11 000 röster i Voice Library, där du kan söka efter accent, karaktär och användningsområde, så du behöver sällan börja från noll. Om ingen passar har du två andra alternativ: klona en befintlig röst från ett kort ljudprov eller skapa en från grunden med en textprompt som beskriver önskad ålder, accent, ton och takt.

Inställningar för samtalsflöde

Röst är den kanal där samtalet följer den stramaste klockan. Till skillnad från i chatt, där en paus bara är tomt utrymme, tolkas ett avbrott i rytmen i ett samtal direkt som tystnad eller en bruten anslutning. Att få den rytmen rätt är den viktigaste faktorn för att få en röstagent att kännas som en naturlig deltagare i samtalet, och det börjar med själva modellen för turtagning.

ElevenLabs modell för turtagning är ett forskningsbaserat system som är byggt för att upptäcka när en talare faktiskt har pratat klart, i stället för att bara ta en paus. Det gör att den kan avgöra när en agent ska svara i stället för att gissa utifrån en fast fördröjning.

Dessutom finns några inställningar du kan justera för att få samtalsflödet rätt:

• Turtidsgräns: Hur länge agenten väntar i tystnad innan den svarar, så att den inte avbryter medan kunden fortfarande tänker eller lämnar kunden väntande när de har pratat klart. 
• Mjuk tidsgräns: En kort utfyllnadsfras som agenten använder för att överbrygga en bearbetningspaus, till exempel ”Ett ögonblick” eller ”Låt mig se”, så att kunder inte tror att samtalet har brutits. Undvik utfyllnad som lovar en specifik tidsram, som ”en sekund”, eftersom den faktiska svarstiden varierar.
• Avbrott: Om agenten slutar prata när kunden börjar prata över den. Aktivera detta för ett naturligt samtal fram och tillbaka. Inaktivera det när hela budskapet är viktigt, till exempel för juridiska friskrivningar, säkerhetsinstruktioner och allt som måste höras i sin helhet.
• Svarsvillighet: Hur snabbt agenten svarar när kunden slutar prata. ”Ivrig” passar kundservice, där snabba svar är viktigast. ”Tålmodig” fungerar bäst när agenten samlar in kunduppgifter, exempelvis ett telefonnummer eller en e-postadress, så att den inte avbryter kunden mitt i en siffra. ”Normal” är ett bra standardval för vanliga samtal.

Små justeringar här kan göra stor skillnad. Även en liten ändring av tidsgränsen kan vara skillnaden mellan en agent som känns uppmärksam och en som känns som att den avbryter människor. 

Workflow, utformning av överlämningar och manus

Workflows är där mycket av conversational AI design omsätts i praktiken i ElevenAgents. De definierar vad som händer och när: beslutspunkterna, eskaleringsvägarna, överlämningarna – allt som annars skulle lämnas åt agenten att improvisera. 

Workflows fungerar tillsammans med två andra system för att förfina din agent. System prompt definierar agentens grundläggande beteende, som dess roll, ton och vad den får och inte får säga, vid viktiga tillfällen som hälsningar eller överlämningar. Procedures är ett mer styrande alternativ för en enskild, tydligt definierad uppgift, som att verifiera en kunds identitet eller hantera en retur. I stället för att förgrena sig utifrån vad kunden säger följer de en fast sekvens från början till slut, steg för steg, oavsett hur samtalet utvecklas.

Det enklaste sättet att komma igång med att bygga din agent är att använda färdiga agentmallar, som ger dig en utgångspunkt för både workflows och system prompts, så att du finjusterar i stället för att bygga från grunden. Här är några ändringar du kan börja med för att göra dem till dina egna:

• Kartläggning av beslut: Kartlägg exakt vad agenten gör vid varje beslutspunkt, så att hela samtalet är definierat från öppning till lösning. Noder för underagenter låter dig justera system prompt, modell eller till och med röst vid specifika punkter i flödet, så att ett känsligt verifieringssteg kan köras med striktare skyddsräcken än det vardagliga småpratet tidigare i samtalet.
• Eskaleringstriggers: Definiera tydliga triggers för att lämna över till en människa, inbyggda i workflowet i stället för att låta agenten avgöra det i stunden. Eskalera till exempel när ett problem inte är löst efter två försök, när kunden ber om en chef eller när transaktionen är tillräckligt känslig eller värdefull för att kräva en person.
• Kontext vid överlämning: Definiera i system prompt vilken information agenten ska samla in före överföringen, till exempel ett order-ID eller kontonummer, samt villkoren som utlöser en överlämning. Mappa sedan dessa sparade uppgifter till överföringsverktygets konfiguration, så att de följer med automatiskt i stället för att kunden måste upprepa sig för en mänsklig handläggare.
• Manusformuleringar: Definiera exakt formulering för kritiska ögonblick i system prompt. Inledande hälsningar, felmeddelanden, juridiska friskrivningar och överlämningar vid eskalering ska aldrig lämnas åt agenten att improvisera i stunden. En exakt formulering som ”Jag har problem med att komma åt den informationen just nu” är mer tillförlitlig än att låta agenten gissa hur den ska uttrycka sig när något går fel.

Själva workflowet byggs som ett visuellt diagram i ElevenAgents, där varje beslutspunkt och eskaleringstrigger representeras av en nod som du kan se och redigera direkt.

När agenten är i drift läggs analysdata från verkliga samtal ovanpå samma diagram, så att du ser exakt var kunder fastnar eller faller bort och kan åtgärda det utan att gissa.

Latens och prestanda

Latens är en av de viktigaste faktorerna för om en interaktion känns mänsklig eller inte. Ett långsamt svar är ett av de snabbaste sätten att påminna kunden om att de pratar med en maskin, även om allt annat i samtalet fungerar bra.

Varje del av pipelinekedjan bidrar med egen latens, oavsett om agenten används i chatt eller röst. Vissa gäller i båda fallen. Andra gäller bara när röst är en del av ekvationen.

• LLM: Varje modellval innebär en avvägning mellan kostnad, resonemangskvalitet och hastighet, och rätt balans beror på samtalet. Enkla, vanliga interaktioner som vanliga frågor eller mötesbekräftelser kan köras på en snabbare och lättare modell utan att försämra upplevelsen. För mer komplexa uppgifter, som finansiell rådgivning eller felsökning i flera steg, är det oftast värt att betala för en modell med starkare resonemangsförmåga, även om den svarar lite långsammare. 
• Kunskapsbas och RAG: Varje uppslag i kunskapsbasen lägger till en tur och retur innan agenten kan svara, så en smal och fokuserad kunskapsbas svarar snabbare än en som agenten behöver söka brett i.
• Integrationer och verktygsanrop: Varje externt verktygsanrop, som att slå upp en order i Salesforce eller kontrollera tillgänglighet i en kalender, lägger till en egen tur och retur. Skriv tydliga verktygsbeskrivningar så att agenten inte tvekar på vilket verktyg den ska anropa, och anropa bara verktyg som samtalet faktiskt behöver.
• Geografi och datahosting: Matcha din ElevenAgents-region med platsen där dina data hostas och, för telefonbaserade distributioner, även med din telefonileverantörs region (Twilio, SIP eller annat). Om agentens region och samtalsgatewayens region ligger på varsin sida av världen tillför avståndet latens innan samtalet ens börjar.
• Tal till text (endast röst): Scribe transkriberar vad kunden säger innan agenten kan resonera kring något. Använd realtidsversionen (Scribe v2 Realtime) för direkta samtal i stället för batchversionen, som är byggd för träffsäkerhet snarare än hastighet.
• Turtagning (endast röst): Avgör över huvud taget när agenten bestämmer sig för att svara, vilket beskrivs mer ingående ovan. Det är värt att komma ihåg som en latensfaktor i sig, eftersom en modell som tvekar inför att upptäcka slutet på en tur lägger till fördröjning innan resten av pipelinekedjan ens startar.
• Text-to-speech och röstval (endast röst): Standardröster och syntetiska röster, liksom Instant Voice Clones, svarar snabbare än Professional Voice Clones. Använd endast Professional Voice Clones där den extra kvaliteten är värd avvägningen i latens.

Om du vill fördjupa dig i latens kan du läsa bästa praxis för latensoptimering och hur latens mäts och rapporteras genom hela pipelinekedjan.

Skapa din första agent med ElevenAgents

Faktorerna vi har gått igenom är vad conversational AI design innebär i praktiken för en AI-agent. Allt finns inbyggt i ElevenAgents och kan konfigureras från en no-code-konsol, så att du kan bygga en agent som för ett riktigt samtal i stället för att bara svara korrekt på frågor.

För team som vill ha praktisk hjälp på vägen arbetar ElevenLabs Forward Deployed Engineers direkt med ditt team för att definiera omfattning, bygga och lansera en produktionsklar agent, och fortsätter sedan att finjustera prestandan när den är i drift.

Oavsett om du bygger själv eller tar in hjälp är det snabbaste sättet att se skillnaden att prova. Börja i dag med att skapa en agent eller prata med vårt säljteam.

Vanliga frågor om conversational AI design