Cosa ha misurato il test di Sierra e cosa ha trovato
Il 21 ottobre Sierra, azienda statunitense di agenti per l'assistenza clienti, ha pubblicato τ-i18n, un'estensione della sua suite di test τ-bench. Valuta agenti vocali in cinque lingue oltre all'inglese: spagnolo, portoghese brasiliano, hindi, coreano e mandarino. Ha effettuato 2.700 chiamate con tre agenti vocali (GPT Live 1, Gemini 3.8 Live e Grok Voice Think Fast 2.0) sugli stessi compiti di compagnia aerea, commercio e telecomunicazioni in ogni lingua.
I risultati principali sono stati:
- Lo spagnolo se la cava bene nei compiti: il tasso di compiti completati in spagnolo è rimasto solo 2,4 punti sotto l'inglese; in portoghese la differenza è stata di 6,4 punti.
- La conversazione è il punto debole: in oltre l'80% delle chiamate, GPT Live 1 e Gemini 3.8 Live non hanno risposto a un turno del cliente, hanno risposto lentamente o non hanno ceduto la parola. Grok Voice Think Fast 2.0 ha avuto questo problema nel 16% delle chiamate.
- Reagiscono a ciò che non dovrebbero: a seconda dell'agente, tra il 26% e il 60% delle chiamate ha avuto più di tre risposte a intercalari come «mhm» o a voci che non si rivolgevano all'agente.
- Nessuno vince su tutto: GPT Live 1 è in testa per compiti completati (79,9%) e qualità del linguaggio; Grok è in testa per interazione, ma con una bassa qualità del linguaggio. Secondo Sierra, l'agente che risponde più in fretta non è necessariamente quello che parla con più naturalezza.
Sierra ha reso disponibile il codice perché altri possano aggiungere lingue e varianti regionali.
I lanci della settimana: Mistral ed ElevenLabs
Il 20 ottobre la francese Mistral AI ha presentato Voxtral 3, una famiglia di modelli per ascoltare, trascrivere e parlare, con un kit per costruire agenti vocali basato su LiveKit. Secondo Mistral, la trascrizione in tempo reale ha una latenza inferiore a 500 millisecondi, ogni turno dell'agente si completa in meno di un secondo, lo spagnolo è tra le lingue supportate e le telefonate si collegano tramite SIP. Il servizio di agente vocale costa a partire da 0,04 dollari al minuto e può essere usato da server in Europa o installato sull'infrastruttura del cliente.
Lo stesso giorno ElevenLabs ha lanciato Eleven Realtime, i suoi primi modelli voce-voce per agenti, in due versioni: Mini, per conversazioni a basso costo, e Max, per compiti complessi come il supporto o la qualificazione dei potenziali clienti. L'azienda dichiara un tempo medio fino al primo audio di 0,57 secondi per Max e 0,62 secondi per Mini, il supporto a oltre 90 lingue e la compatibilità con l'interfaccia in tempo reale di OpenAI. Tutti questi dati provengono dal produttore.
Perché la latenza decide se una chiamata funziona
In una conversazione tra persone, le pause tra un turno e l'altro sono brevissime. Quando un agente vocale tarda a rispondere, il cliente ripete la domanda, parla sopra l'agente o riattacca. Per questo il settore compete sui millisecondi: ogni passaggio (ascoltare, pensare e parlare) aggiunge ritardo, a cui si somma il viaggio dell'audio sulla rete telefonica e su internet.
Il test di Sierra mostra che la velocità non basta. Un buon agente deve anche capire quando il cliente ha finito di parlare, ignorare rumori o commenti rivolti a un'altra persona e lasciarsi interrompere. È lo stesso motivo per cui operatori come Orange ed Elisa iniziano a eseguire l'IA vocale all'interno delle loro reti, più vicino all'utente.
Cosa significa per le aziende in Colombia e in America Latina
Le notizie sono buone per chi vuole automatizzare le chiamate in spagnolo: ci sono più opzioni, prezzi al minuto più bassi e prestazioni nei compiti vicine a quelle dell'inglese. Ma prima di affidarti a un agente vocale, conviene fare al fornitore queste domande:
- Quanto tempo impiega a rispondere in una chiamata reale? Chiedi di misurare il ritardo da quando il cliente finisce di parlare a quando sente la risposta, sulla rete telefonica, non in una demo web.
- Come gestisce le interruzioni e gli intercalari? Prova a interromperlo, a dire «mhm» o a parlare con qualcuno accanto a te.
- È stato testato con lo spagnolo della Colombia? I test usano uno spagnolo generico; accenti, nomi propri, numeri di documento e indirizzi locali vanno verificati con chiamate reali.
- Dove vengono elaborate e conservate la voce e le trascrizioni? Sono dati personali tutelati dalla legge sulla protezione dei dati.
- Come passa la chiamata a una persona? Deve sempre esserci una via d'uscita verso un operatore umano, con il contesto di quanto già detto.
In 19 80 TIC Cloud colleghiamo agenti vocali con IA ai tuoi numeri e al tuo PBX o call center in cloud, così puoi provarli con i tuoi clienti e passare a un operatore quando serve.
