Passa al contenuto principale
Settori industriali

Gli assistenti vocali sono arrivati. Il contesto li trasforma in un vero valore per i clienti.

In che modo Databricks unisce contesto governato, la tua ontologia aziendale e decisioni rapide di IA per personalizzare ogni conversazione con i clienti in tempo reale.

di Rohit Bhagwat, Usman Zubair e Sathish Gangichetty

  • La voce sta già cambiando il modo in cui i clienti interagiscono con i marchi. Le persone che sono passate dai negozi fisici ai siti Web e alle app ora si aspettano semplicemente di parlare con le aziende da cui acquistano, e lo stesso cambiamento sta raggiungendo fornitori, autisti e team sul campo.
  • Finora la maggior parte dell'IA aziendale si è rivolta all'interno. L'opportunità più grande risiede nelle conversazioni che le aziende intrattengono ogni giorno con clienti e partner, e ognuna di queste conversazioni può ora essere catturata, compresa e gestita in tempo reale.
  • Qualsiasi team può creare un agente vocale in grado di rispondere, ma il valore si crea solo quando l'agente ha il contesto su chi sta chiamando. Da lì, può adattarsi a quella persona, rispettare le regole stabilite e migliorare a ogni chiamata.
  • Su Databricks, il cervello dell'agente si trova accanto ai tuoi dati governati. Il contesto e l'ontologia fondano ogni risposta, le decisioni rapide dell'IA personalizzano ogni turno e ogni chiamata alimenta un ciclo di apprendimento.
  • Iniziare è semplice. Scegli una chiamata di routine ad alto volume, misura la gestione dell'agente e usa il blueprint DIVA come punto di partenza per la successiva.

Perché la voce e perché adesso

Pensa a tre momenti che si verificano ogni giorno nelle attività commerciali a contatto con il pubblico: 

  • Alle 6:00, un autista in ritardo per una finestra di consegna chiama la centrale operativa per spostare l'appuntamento alla banchina. È alla guida, quindi un'app non è una soluzione praticabile. Altri tre autisti sono già in attesa e ogni minuto perso mette a rischio la consegna successiva.
  • A mezzogiorno, un drive-thru ha quattro auto in coda e un solo dipendente con le cuffie, che si occupa anche di accettare i pagamenti e consegnare gli ordini. I clienti possono ordinare solo parlando, quindi la coda scorre solo alla velocità con cui un dipendente riesce a gestire gli ordini.
  • Di sera, una tempesta blocca i voli e i viaggiatori bloccati chiamano il proprio hotel per mantenere le stanze e posticipare gli arrivi. Trovandosi a un gate con una valigia in ciascuna mano, una telefonata risulta più semplice e veloce rispetto all'uso di un sito web. Il team delle prenotazioni è composto da due persone e sta ricevendo quaranta chiamate. 

In ciascuna di queste situazioni, la voce rappresenta il modo più rapido o l'unico attraverso cui il cliente può mettersi in contatto con l'azienda. Di conseguenza, se la voce soddisfa al meglio le esigenze del cliente e del business, per quale motivo spesso non è disponibile o, più recentemente, viene gestita in modo inadeguato?

Per anni la risposta è stata che la voce fosse troppo complessa da implementare correttamente. Oggi le cose sono cambiate. Le voci sintetiche risultano ormai naturali, una conversazione può essere convertita in testo ed elaborata mentre il chiamante è ancora in linea, e gli attuali voice agent riescono a mantenere i ritmi dei circa 200 millisecondi che in genere le persone impiegano per rispondersi a vicenda durante una conversazione.

Ciò che non si è evoluto allo stesso modo è il punto di vista della maggior parte delle aziende. Gli investimenti nell'Enterprise AI si sono concentrati prevalentemente verso l'interno, indirizzati ad assistenti per i dipendenti, mentre l'opportunità più grande risiede nelle conversazioni che le aziende intrattengono ogni giorno con clienti e partner. Uno dei principali marchi di ristorazione a servizio rapido negli Stati Uniti sta già lavorando esattamente in questa direzione, introducendo un voice agent che consente ai clienti di aggiungere articoli al carrello, modificare l'ordine e completare il pagamento semplicemente parlando.

Esempi di casi d'uso in cui i voice agent possono generare valore.

Ognuna di queste chiamate, dall'autista che sposta l'appuntamento alla banchina al viaggiatore che trattiene una camera dopo un temporale, richiede molto più della semplice comprensione vocale. Per risultare utile, l'agent necessita dello stesso contesto di cui disporrebbe il tuo miglior dipendente: chi sta chiamando, quali operazioni sono già attive per lui e quali azioni l'agent è autorizzato a compiere.

Il tassello mancante è conoscere il proprio cliente

La maggior parte dei progetti pilota sui voice agent dimostra che un agent è in grado di sostenere una conversazione. Molti meno dimostrano che ci si possa fidare di lui con un cliente reale. Il contesto colma questo divario. Grazie ad esso, l'agent può adattarsi a ciascun chiamante, rispettare le regole aziendali su ciò che può visualizzare e dire, e migliorare a ogni interazione. Senza di esso, persino la voce più naturale può fornire unicamente risposte generiche.

Prendiamo in esame una singola chiamata. Un cliente fidelizzato chiama per un ordine in ritardo. L'agent sa già chi è, cosa ha ordinato e dove si trova il pacco. Si scusa, offre un credito fedeltà che è autorizzato a concedere e organizza una sostituzione. Se il cliente è ancora contrariato, l'agent se ne accorge all'istante e decide, in una frazione di secondo, di inoltrare la chiamata alla persona disponibile successiva. Quest'ultima risponde avendo già il contesto completo, così il cliente non deve fare la fila in attesa né ripetersi. Lo stesso schema si applica quando un paziente sposta un appuntamento o un abbonato non riesce ad accedere dopo un pagamento che non riconosce. In ogni situazione, l'agent entra in gioco quando il cliente esce dall'app o dal sito web e ha bisogno di una risposta immediata, per poi riportarlo all'interno di quello stesso percorso una volta conclusa la chiamata.

Mettere insieme questo contesto durante una chiamata in tempo reale rappresenta la vera sfida. Le informazioni sono distribuite su sistemi diversi, l'agent deve accedervi in una frazione di secondo e il tutto deve rimanere governato per l'intera durata dell'interazione. È qui che entra in gioco Databricks.

Il cervello dietro al voice agent: contesto, ontologia e governance su Databricks

Un voice agent è composto da due parti. La prima è il conversation layer, che gestisce la telefonata vera e propria: veicolando l'audio, convertendo il parlato in testo e pronunciando la risposta. Partner specializzati svolgono questo compito in modo eccellente. Nel nostro prototipo, LiveKit gestisce la chiamata, Deepgram si occupa della sintesi vocale e della voce predefinita, mentre ElevenLabs aggiunge voci espressive. Gli operatori telefonici come Twilio possono integrare le linee telefoniche tradizionali.

La seconda parte è il cervello, fornito da Databricks. A ogni passaggio della chiamata, il sistema recupera il contesto del chiamante, applica le regole aziendali e sceglie la mossa successiva, che si tratti di rispondere a una domanda, fare un'offerta o trasferire la chiamata a un operatore umano. Registra inoltre ogni decisione affinché i team possano esaminarla in un secondo momento. Il conversation layer definisce l'aspetto vocale dell'agent. Il cervello determina se la risposta fornita è corretta.

Il cervello si fonda su tre elementi che operano già in sinergia su Databricks.

  • Il contesto rappresenta i dati di cui l'agent ha bisogno in quel momento: le informazioni relative a cliente, ordine, prodotto e policy associate alla persona in linea.
  • L'ontologia descrive il modo in cui tali dati sono collegati. Cattura le definizioni e le relazioni su cui si basa il tuo business, come ad esempio i criteri per definire un membro del programma fedeltà, il negozio a cui appartiene un ordine e la policy applicabile a ciascun prodotto, consentendo all'agent di ragionare sulla tua attività proprio come fanno i tuoi dipendenti.
  • La governance stabilisce chi può vedere cosa. Su Databricks, un AI agent segue le stesse regole di accesso presenti nel tuo enterprise data catalog che i tuoi dipendenti rispettano già.

Per i clienti Databricks non c'è alcuna nuova piattaforma da configurare. L'agent è eseguito dove i tuoi dati risiedono già e si collega ai sistemi che utilizzi quotidianamente, come quelli per ordini, programmi fedeltà e CRM, tramite ricerche approvate di sola lettura.

Pilastro 1: Basare ogni risposta sulle specificità della tua azienda

Durante l'interazione con un cliente, l'agent sfrutta il contesto e l'ontologia aziendale per cercare gli ordini di quella persona, le tue policy e le informazioni sui prodotti, in modo che ogni risposta rispecchi la tua attività anziché nozioni generali prese da internet. L'agent visualizza esclusivamente i record associati al chiamante e ne verifica l'identità controllando i tuoi sistemi anziché affidarsi unicamente alla sua parola. Sarà la tua azienda a decidere quali offerte l'agent può proporre, quanto credito può concedere e il limite oltre il quale subentra un operatore umano.

Se l'agent non riesce a trovare la risposta nei tuoi dati, lo comunica al chiamante e lo trasferisce a una persona invece di tirare a indovinare. Ciascuna risposta fornita può essere fatta risalire al record da cui è stata estratta. Gli argomenti delicati, come questioni mediche, finanziarie o legate alla sicurezza, vengono indirizzati a un operatore umano per progettazione, e l'agent è configurato in modo da non fornire mai consigli medici. Solo la conversazione transita attraverso i partner vocali, mentre i dati dei clienti rimangono all'interno della tua piattaforma governata.

Pilastro 2: Personalizzare ogni conversazione grazie a decisioni di AI rapide

Un voice agent richiede due tipi di elaborazione. Alcune decisioni devono avvenire in una frazione di secondo, come stabilire se un autista con un problema alla banchina o un cliente arrabbiato debba essere indirizzato immediatamente a un operatore umano. Altre richiedono un ragionamento approfondito, come trovare la soluzione corretta per un ordine in ritardo. I ricercatori definiscono questo approccio pensiero veloce e lento, o Sistema 1 e Sistema 2, e oggi l'AI viene sviluppata seguendo lo stesso principio. I large language model (Sistema 2) gestiscono i ragionamenti complessi, mentre una nuova categoria di modelli di decisione rapida (Sistema 1), come Jev di TypeSafe AI, si occupa delle chiamate rapide. Databricks introduce il processo decisionale del Sistema 1 all'interno dei tuoi dati governati tramite ai_decide, permettendo all'agent di prendere decisioni rapide indicando il proprio livello di confidenza.

All'interno di un voice agent, questi due aspetti operano fianco a fianco a ogni turno di conversazione.

  • Un cliente fedele o un ospite di ritorno riceve la sua cronologia completa e le offerte a cui ha diritto, supportato dal tuo modello più capace, mentre una domanda di routine riceve una risposta rapida e precisa a un costo inferiore.
  • Un chiamante arrabbiato viene passato a una persona, insieme all'ordine o alla prenotazione, a eventuali reclami precedenti e alle offerte già fatte.
  • Un chiamante che cambia lingua sente l'agente cambiare lingua insieme a lui.
  • Un abbonato che nota un addebito che non riconosce e non riesce ad accedere viene verificato rispetto ai tuoi record e indirizzato direttamente al recupero dell'account, invece di aspettare in una coda generale.
  • Un abbonato che chiama per annullare sente l'offerta di mantenimento a cui ha effettivamente diritto, nel momento in cui può ancora cambiare idea.
  • Un paziente che chiede se un sintomo sia grave viene trasferito a un infermiere con la trascrizione completa.
  • Un autista che segnala un incidente alla banchina viene inoltrato immediatamente, prima che ti costi una spedizione.

Questo ti permette di usare i tuoi modelli più capaci dove fanno una vera differenza per il cliente, e modelli più veloci ed economici per tutto il resto.

Pilastro 3: Creare un ciclo di apprendimento con ogni chiamata

Ognuna di queste decisioni viene registrata. Con il consenso del chiamante e l'informativa sulla registrazione gestiti a livello telefonico, ogni chiamata può essere acquisita in un unico luogo governato: cosa è stato detto, cosa è stato cercato, quale modello ha risposto e perché è stata presa ogni decisione. I tuoi team controllano chi può accedere a quei record e per quanto tempo vengono conservati, utilizzando le stesse policy che già governano il resto dei tuoi dati. L'agente eredita i programmi di sicurezza e conformità della piattaforma Databricks, incluse le opzioni HIPAA e SOC 2 Type II, descritte nel Databricks Trust Center. I partner vocali portano le proprie certificazioni che devono essere esaminate come parte del tuo rollout.

Quel record è ciò che consente all'agente di migliorare. Ogni chiamata può essere valutata automaticamente per la qualità, e i leader del contact center e dell'esperienza cliente possono fare domande sulle loro chiamate in linguaggio naturale, ad esempio sul motivo per cui le richieste di rimborso sono aumentate lo scorso martedì. Tali insight possono poi essere reinseriti in prompt e modelli migliori, migliorando ulteriormente l'efficacia dell'agente vocale.

Iniziare con gli agenti vocali su Databricks

Iniziare non richiede un programma di grandi dimensioni. I componenti fondamentali sono disponibili oggi, e il blueprint Databricks Intelligent Voice Agents (DIVA), che è open source su GitHub, offre ai tuoi team un punto di partenza funzionante. La voce diventa quindi un nuovo canale che si aggiunge ai sistemi che già possiedi.

L'agente vocale è lì per farsi carico delle chiamate di routine che riempiono la coda, come lo stato degli ordini, i rifornimenti e le riprenotazioni, così il tuo staff può concentrarsi sulle conversazioni che richiedono un essere umano: un cliente arrabbiato, una richiesta complessa o un chiamante che preferirebbe semplicemente parlare con una persona. Quando un membro dello staff risponde, la cronologia completa è già sul suo schermo e, se qualcosa va storto, la chiamata passa a una persona con la trascrizione completa.

Questa è la direzione in cui sta andando il servizio clienti. Gartner prevede che entro il 2029 l'IA agentica risolverà autonomamente l'80% dei problemi comuni del servizio clienti senza intervento umano, portando a una riduzione del 30% dei costi operativi.

Gli ingegneri di settore di Databricks consigliano di iniziare con un pilot di 90 giorni che copra un canale, un team e la tua chiamata di routine a più alto volume, come lo stato dell'ordine, il check-in di un autista o la conferma di un fornitore. Prima che inizi il pilot, registra il costo attuale per chiamata, il tempo di gestione e la soddisfazione del cliente, e traccia se i chiamanti tornano ad acquistare, così potrai confrontare i risultati alla fine. Una volta che i risultati sono confermati, puoi estendere la stessa configurazione governata a più sedi e a più tipi di chiamata.

Tre domande per la tua prossima riunione di leadership

  1. Quali conversazioni con clienti e partner gestiamo più spesso, e quali di queste potrebbe gestire accuratamente un agente oggi?
  2. Se un agente vocale rispondesse per nostro conto domani, saprebbe con chi sta parlando e seguirebbe le stesse regole dei nostri dipendenti?
  3. Possiamo tracciare ogni decisione presa da un agente durante una chiamata e dimostrare che è stata governata?

Per vederlo in azione, guarda la demo completa e condividi il blueprint DIVA su GitHub con il tuo team tecnico. Include istruzioni già pronte che gli agenti di codifica possono seguire. Quindi contatta il tuo team di account Databricks per discutere e fare brainstorming sul tuo primo use case.

I tuoi clienti parleranno presto con un agente di IA per tuo conto. Ciò che conta è quanto bene quell'agente li conosca.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale

Tag correlati:

Retail e largo consumo

Ricevi gli ultimi articoli nella tua casella di posta

Iscriviti al nostro blog e ricevi gli ultimi articoli direttamente nella tua casella di posta.