La maggior parte della voice AI parla ancora come un walkie-talkie. Tu parli, aspetti, lei risponde e, se provi a interromperla, continua imperterrita oppure perde completamente il filo.
Le persone non parlano così. In una vera telefonata, entrambe le parti ascoltano e parlano allo stesso tempo. Diciamo "mm-mm" mentre l'altro è a metà frase. Interrompiamo per correggere un dettaglio. Facciamo una pausa per riflettere senza cedere la parola.
I modelli vocali full duplex sono progettati per gestire proprio questo tipo di conversazione. Ecco come funzionano, perché sono importanti per la customer experience e come Maven Voice li mette all'opera nelle chiamate di supporto reali.
Cosa significa "full duplex"
Il termine viene dalle telecomunicazioni e descrive il modo in cui un canale gestisce il traffico bidirezionale.
- Half duplex: i dati viaggiano in entrambe le direzioni, ma una alla volta. L'esempio classico è il walkie-talkie: premi per parlare, rilasci per ascoltare e dici "passo" perché l'altro sappia che tocca a lui.
- Full duplex: i dati viaggiano in entrambe le direzioni contemporaneamente. Una telefonata è full duplex: senti l'altra persona anche mentre parli.
Oggi la maggior parte degli agenti vocali si comporta come un sistema half duplex, anche se funziona su linee telefoniche full duplex. L'agente aspetta il silenzio, decide che il chiamante ha finito, genera una risposta e la riproduce. Mentre parla, è praticamente sordo.
Un modello vocale full duplex continua ad ascoltare mentre parla. Elabora l'audio in entrata e produce quello in uscita in parallelo, così può reagire al chiamante in tempo reale.
Come funzionano i modelli vocali full duplex
Per capire cosa cambia, parti da come è costruita oggi la maggior parte degli agenti vocali. L'approccio più comune è una pipeline a cascata:
- Lo speech-to-text trascrive l'audio del chiamante.
- Il rilevamento del turno attende una pausa abbastanza lunga da stabilire che il chiamante ha finito.
- Un modello linguistico legge la trascrizione e scrive una risposta.
- Il text-to-speech riconverte la risposta in audio.
Ogni passaggio aggiunge ritardo e fa perdere informazioni. La trascrizione elimina tono, esitazioni ed enfasi. Il rilevamento del turno si basa sul silenzio: così un chiamante che si ferma a cercare il numero di conto viene interrotto, mentre chi parla velocemente deve sopportare pause imbarazzanti.
I modelli full duplex comprimono questa catena. Lavorano direttamente sull'audio in entrambe le direzioni (approccio spesso chiamato speech-to-speech) e gestiscono ascolto e parlato come due flussi continui. Questo abilita alcuni comportamenti fondamentali in una chiamata dal vivo:
- Barge-in. Quando il chiamante interrompe con "No, l'altro indirizzo", il modello si ferma, recepisce la correzione e si adatta. Non porta a termine un copione che il chiamante ha già scartato.
- Segnali di ascolto. Piccoli segnali come "capito" o "ok" indicano che l'agente sta seguendo, senza prendere il turno.
- Alternanza naturale dei turni. Il modello interpreta intonazione e contesto oltre al silenzio, quindi distingue una pausa di riflessione da un pensiero concluso.
- Segnali paralinguistici. Frustrazione, confusione e urgenza emergono dal modo in cui si dice qualcosa. Un modello che ascolta direttamente l'audio può reagire a questi segnali, che una trascrizione avrebbe appiattito.
Perché è importante per la customer experience
Il supporto telefonico è il canale in cui la qualità della conversazione emerge più in fretta. Chi chiama è spesso stressato, impegnato in altro o al telefono proprio perché il self-service non ha funzionato. Ogni pausa imbarazzante o correzione ignorata consuma pazienza.
Il full duplex cambia alcuni aspetti che stanno a cuore a ogni responsabile del supporto:
- Meno escalation per frustrazione. I chiamanti premono zero quando non si sentono ascoltati. Un agente che gestisce interruzioni e correzioni li tiene nella conversazione.
- Chiamate più rapide. I chiamanti possono anticipare, confermare i dettagli a metà frase e saltare i passaggi che non servono.
- Acquisizione dei dati più pulita. Numeri di conto, indirizzi e dettagli degli ordini arrivano spesso a frammenti e con correzioni. Un ascolto continuo rende più facile acquisirli correttamente al primo colpo.
- Un'esperienza di brand dal suono umano. La voce resta il canale che i clienti usano per i problemi più urgenti. Il modo in cui suona l'agente diventa il modo in cui suona l'azienda.
Cosa rende diverso Maven Voice
Una voce naturale è solo metà del lavoro. In una chiamata di supporto, l'agente deve anche capire il problema, agire nei tuoi sistemi e rispettare le tue policy. Maven Voice unisce la conversazione full duplex alle capacità di ragionamento e alle integrazioni della piattaforma Maven AGI.
Speech-to-speech in produzione. Maven Voice esegue modelli voice-to-voice su chiamate aziendali reali, così tono e ritmo restano intatti fin dalla prima parola del chiamante. Il nostro partner IBEX ha definito Maven il primo a portare lo speech-to-speech in piena produzione per uso enterprise.
Scelta del motore senza ricostruire nulla. Maven Voice funziona con i principali provider vocali, tra cui OpenAI e Phonic. Scegli tu il motore più adatto al tuo caso d'uso. Maven gestisce orchestrazione, ragionamento e integrazioni, quindi sostituire o aggiungere un motore non significa ricominciare da capo.
Conversazioni che si concludono con un'azione. Maven Voice si collega ai sistemi su cui lavora il tuo team di supporto. Può verificare un ordine e spedire un prodotto sostitutivo, bloccare una carta ed emetterne una nuova o riprogrammare un appuntamento, tutto nella stessa chiamata.
Progettato per l'audio caotico del mondo reale. Abbiamo testato Maven Voice in metropolitana, negli aeroporti e negli stadi. Non sempre chi chiama si trova in una stanza silenziosa, e il tuo agente deve sentirlo comunque.
57 lingue, anche a metà chiamata. I chiamanti possono cambiare lingua durante la conversazione e Maven Voice li segue.
Si integra nel tuo contact center. I clienti chiamano gli stessi numeri. Maven Voice funziona con le tue piattaforme e il tuo routing esistenti e, quando serve un operatore, passa la chiamata con tutto il contesto, così il chiamante non deve mai ripetersi.
Sicurezza di livello enterprise. La redazione integrata di audio e testo protegge le informazioni sensibili in transito e a riposo, con il supporto di 15 certificazioni e valutazioni, tra cui ISO 42001 e PCI-DSS 4.0 Level 1.
Clienti come Papaya Pay usano già Maven Voice per offrire supporto telefonico 24/7, mantenendo qualità e controllo nelle proprie mani.
Ascoltalo con le tue orecchie
Il modo più rapido per capire la voce full duplex è parlarci. Interrompila. Cambia idea a metà frase. Cambia lingua. Poi guardala risolvere il problema end-to-end.
** Prenota una demo di Maven Voice ** e scopri come potrebbero suonare le tue chiamate.
Mettilo alla prova sulle tue conversazioni.
Richiedi una demo personalizzata gratuita.
