Come creare un assistente vocale con IA con Retell AI
Un assistente vocale con IA creato con Retell AI può gestire chiamate telefoniche dal vivo, rispondere in tempo reale ed eseguire attività durante l'interazione. Questi sistemi possono fissare appuntamenti, aggiornare record e guidare gli utenti attraverso flussi di lavoro tenendo traccia del contesto per tutta la durata della chiamata, cosa che i sistemi IVR tradizionali faticano a fare.
Retell AI offre una piattaforma completa di agente vocale con IA per creare questi agenti gestendo il flusso della conversazione in tempo reale, la telefonia e l'esecuzione delle azioni in un unico posto. Supporta sia le chiamate in entrata che in uscita ed è stata progettata per l'uso in produzione, non solo per le demo.
Il modo più veloce per creare un assistente vocale pronto per la produzione è usare un sistema che gestisce già l'interazione vocale in tempo reale invece di assemblare manualmente speech-to-text, modelli linguistici e text-to-speech. Retell AI fornisce questo livello.
Offre un sistema vocale in tempo reale che gestisce lo streaming audio, l'alternanza dei turni e la consegna delle risposte, permettendo ai team di concentrarsi su come si comporta l'assistente e su cosa fa effettivamente durante una chiamata.
Questa guida spiega come creare e mettere in produzione un assistente vocale con IA funzionante con Retell, concentrandosi su ciò che lo rende davvero affidabile nelle conversazioni reali.
Il processo di creazione segue una sequenza strutturata. Ogni passaggio aggiunge un livello necessario affinché l'assistente operi in modo affidabile nelle chiamate reali.
L'agente è l'entità di runtime che gestisce l'intera interazione vocale. È responsabile della ricezione dell'input audio, del coordinamento della generazione delle risposte e della consegna dell'output durante la chiamata.
Quando crei l'agente, configura i parametri di sistema di base. Questo include la selezione del modello linguistico che genererà le risposte, la scelta della voce per l'output audio e l'impostazione dei valori predefiniti iniziali che influenzano il modo in cui l'assistente elabora l'input e risponde. Queste impostazioni definiscono l'ambiente in cui opererà tutta la logica della conversazione.
In questa fase non viene definito alcun comportamento specifico per l'attività. L'obiettivo è stabilire un livello di esecuzione stabile prima di aggiungervi la logica.
Il motore delle risposte definisce come si comporta l'assistente durante la chiamata. Questo è controllato tramite prompt e istruzioni strutturate.
La configurazione dovrebbe definire chiaramente:
La logica delle risposte deve imporre dei limiti. L'assistente non dovrebbe deviare in risposte non correlate o dilungarsi troppo. Dovrebbe chiedere gli input mancanti, confermare i dettagli chiave quando richiesto e mantenere l'interazione allineata a un risultato specifico.
Questo livello determina la coerenza. Se non è definito con precisione, l'assistente potrebbe produrre risposte valide ma non riuscire a completare le attività.
Dopo aver definito il comportamento delle risposte, struttura il modo in cui la conversazione procede.
Per i casi d'uso con un obiettivo chiaro, dovrebbe essere definito un flusso strutturato. L'assistente si muove attraverso una sequenza di passaggi, assicurando che gli input richiesti vengano raccolti e che le azioni vengano attivate nell'ordine corretto. Questo riduce la variabilità e previene le interazioni incomplete.
Per i casi d'uso più flessibili, è possibile usare una logica basata su prompt per consentire all'assistente di adattarsi pur operando entro i vincoli definiti.
Il sistema dovrebbe sempre mantenere lo stato. Deve tracciare ciò che è già stato raccolto, ciò che rimane e qual è il passaggio successivo. Senza questo, l'assistente ripeterà le domande o salterà i passaggi necessari.
Per abilitare il completamento delle attività, collega gli strumenti che consentono all'assistente di agire durante la chiamata.
Questi strumenti rappresentano operazioni come il recupero di informazioni, la verifica della disponibilità, l'aggiornamento dei record o il trasferimento della chiamata. Ogni azione dovrebbe essere mappata a una funzione che può essere attivata quando viene rilevato l'intento corrispondente.
Il function calling funge da livello di esecuzione. Quando l'assistente identifica la necessità di eseguire un'azione, attiva la funzione, elabora il risultato e continua la conversazione senza interrompere il flusso.
La logica delle risposte e il livello di azione devono essere allineati. L'assistente dovrebbe sapere quando chiamare una funzione e come usare l'output per far avanzare l'interazione.
I test dovrebbero simulare il comportamento reale delle chiamate piuttosto che input ideali. L'assistente deve essere valutato in condizioni come:
L'attenzione è sul comportamento. L'assistente dovrebbe smettere di parlare quando viene interrotto, adattarsi al nuovo input e continuare dal punto corretto dell'interazione.
I fallimenti in questa fase provengono in genere da una logica delle risposte poco chiara, una struttura del flusso debole o attivatori di azioni errati. Questi problemi dovrebbero essere risolti prima della messa in produzione.
Una volta che l'assistente si comporta in modo coerente nei test, mettilo in produzione per gestire chiamate dal vivo.
Retell consente di collegare l'agente a un numero di telefono, abilitando le interazioni sia in entrata che in uscita. L'assistente ora opererà in condizioni reali dove il comportamento degli utenti è imprevedibile.
La messa in produzione fa passare il sistema dai test controllati all'uso in produzione. A questo punto, la progettazione dell'interazione, la logica delle risposte e la gestione delle azioni devono funzionare insieme senza intervento manuale.
Un assistente vocale con IA Retell AI funziona in modo affidabile solo quando tre livelli sono definiti correttamente: logica delle risposte, logica delle azioni e controllo del call flow.
Determinano se il sistema completa le attività durante una chiamata o si interrompe in condizioni di comportamento normale dell'utente.
La logica delle risposte definisce come l'assistente decide cosa dire in ogni fase dell'interazione.
Dovrebbe essere esplicita riguardo a:
L'assistente non dovrebbe generare risposte aperte o che deviano. Ogni risposta deve essere legata a un obiettivo specifico, ovvero raccogliere informazioni mancanti, confermare gli input o avanzare verso l'esecuzione.
La chiarezza è fondamentale. Se la logica delle risposte è vaga, l'assistente potrebbe produrre risposte fluenti che non fanno avanzare l'interazione, portando a risultati incompleti.
La logica delle azioni determina quando l'assistente dovrebbe eseguire un'attività e come tale esecuzione si inserisce nella conversazione.
Ogni azione deve essere:
L'assistente non dovrebbe fare pause o interrompere l'interazione mentre le azioni vengono elaborate. Dovrebbe riconoscere la richiesta, gestire l'esecuzione e continuare la conversazione senza perdere il contesto.
Se il tempismo delle azioni non è controllato, il sistema attiva le azioni troppo presto, ritarda inutilmente o non integra correttamente i risultati nella conversazione.
Il controllo del call flow assicura che l'assistente mantenga la direzione durante tutta l'interazione.
Il sistema deve tracciare:
Questo previene:
Un flusso ben definito mantiene l'interazione strutturata, anche quando l'utente interrompe o cambia direzione. Senza di esso, l'assistente diventa incoerente e difficile da controllare.
Gli assistenti vocali spesso appaiono stabili nei test perché le interazioni seguono schemi previsti. Nelle chiamate reali, quella struttura scompare. Il malfunzionamento avviene a livello di sistema, dove più fattori si combinano ed espongono lacune nel modo in cui l'assistente è configurato.
Il fallimento non è dovuto a un singolo componente debole. È il risultato di come si comporta il sistema quando l'interazione in tempo reale, l'esecuzione e il controllo non sono configurati correttamente insieme.
Un utente chiama il numero assegnato. L'agente Retell riceve lo streaming audio e lo elabora in tempo reale.
L'assistente risponde e inizia con un prompt allineato all'attività. L'utente esprime la sua richiesta, ad esempio fissare un appuntamento. L'assistente identifica l'intento e inizia a raccogliere le informazioni richieste. Chiede input specifici come data, ora ed eventuali dettagli necessari legati al flusso di lavoro.
Man mano che l'utente risponde, il sistema mantiene lo stato. Traccia ciò che è già stato raccolto e ciò che rimane. Se l'utente si ferma o fornisce un input incompleto, l'assistente pone una domanda di follow-up diretta invece di riavviare l'interazione.
Una volta disponibili tutti gli input richiesti, l'assistente attiva la funzione pertinente. Ad esempio, verifica la disponibilità tramite un sistema collegato. Mentre l'azione viene eseguita, l'assistente mantiene la continuità riconoscendo la richiesta e preparando il passaggio successivo.
La funzione restituisce un risultato. L'assistente usa quell'output immediatamente, conferma lo slot disponibile e chiede la conferma finale. Dopo la conferma, completa la prenotazione tramite un'altra chiamata di azione e risponde con un chiaro messaggio di completamento. È così che funziona l'automazione del call center nella pratica, dove l'assistente completa le attività all'interno di una singola interazione.
Dopo la messa in produzione, esamina come l'assistente comunica nelle chiamate reali.
Le risposte dovrebbero essere accorciate dove possibile, le parole superflue dovrebbero essere rimosse e le domande dovrebbero essere rese più dirette. Qualsiasi risposta che causa esitazione, confusione o interruzione dovrebbe essere riscritta per maggiore chiarezza.
Identifica i punti in cui l'interazione si interrompe o diventa incoerente.
Questo include passaggi mancanti, domande ripetute o flussi che non raggiungono il completamento. L'assistente dovrebbe procedere attraverso il flusso di lavoro senza saltare gli input richiesti o riavviarsi inutilmente.
Perfeziona come vengono attivate le azioni e come si comporta l'assistente durante l'esecuzione.
Le azioni dovrebbero avvenire al momento corretto e l'assistente dovrebbe continuare la conversazione senza silenzi in attesa dei risultati. La transizione tra conversazione ed esecuzione deve rimanere fluida.
Le configurazioni di base possono essere impostate con uno sviluppo minimo. Per l'uso in produzione, la programmazione è in genere necessaria per integrare sistemi esterni, definire la logica delle risposte e implementare le azioni.
Sì. L'assistente può attivare funzioni per recuperare dati, aggiornare sistemi, verificare la disponibilità, trasferire chiamate o completare flussi di lavoro durante l'interazione.
Testalo interagendo con l'agente in condizioni di chiamata realistiche. Verifica come gestisce le interruzioni, gli input incompleti, i cambi di intento e se le azioni si attivano correttamente e restituiscono risultati utilizzabili.
Sì. L'assistente può essere collegato a un numero di telefono per ricevere chiamate in entrata o avviare chiamate in uscita, a seconda del caso d'uso.
See how much your business could save by switching to AI-powered voice agents.
Total Human Agent Cost
AI Agent Cost
Estimated Savings
Un numero di telefono demo di Retell Clinic Office
Start building smarter conversations today.
.avif)
.avif)
