Quanto deve sembrare umano un agente vocale con IA prima di poter vendere?



Un agente vocale con IA deve sembrare abbastanza umano da far sì che il potenziale cliente continui a parlare, e quanto serva dipende dalla chiamata: un promemoria richiede una voce chiara e con i tempi giusti, mentre una chiamata di vendita a freddo richiede un'interpretazione che cambia a seconda del momento. Per capire da quale parte di questa linea ti trovi, dividi le chiamate in uscita reali tra due configurazioni vocali e confronta la conversione. Ascoltare una demo ti dice cosa piace a te. Non ti dice cosa fanno i tuoi potenziali clienti.
Questa guida è per chi è responsabile della conversione delle chiamate in uscita. Distingue ciò che cambia un prompt da ciò che cambiano le impostazioni della voce e dell'agente, fissa un livello per tipo di chiamata e descrive un test sulle chiamate reali.
Cosa intendono gli acquirenti quando dicono che la voce non è abbastanza umana?
Intendono la prosodia: l'intonazione, il ritmo, il volume, le pause e l'enfasi che usa chi parla, e il modo in cui cambiano a seconda della situazione. Un buon venditore abbassa la voce prima di dire un prezzo, rallenta quando il potenziale cliente esita e si illumina quando la risposta è sì. Un agente può dire la frase giusta in modo piatto o con un'allegria sempre uguale, e il potenziale cliente sente un copione.
I team che si scontrano con questo limite di solito hanno già riscritto il prompt molte volte. Il testo è migliorato ma l'obiezione è rimasta, perché il testo e l'interpretazione dipendono da parti diverse del sistema.
Cosa può cambiare un prompt e cosa no?
Un prompt cambia ciò che l'agente dice. Il modo in cui lo dice dipende dalla voce che scegli e dalle impostazioni vocali dell'agente. Se continui a modificare il prompt per risolvere un problema di interpretazione, stai lavorando sul livello sbagliato.
Su Retell, i livelli sono questi. I nomi delle impostazioni sono quelli usati nella documentazione del prodotto.
| Livello | Cosa controlla | Dove si imposta | Cosa non risolve |
|---|---|---|---|
| Parole | Lunghezza delle frasi, formulazione, intercalari, linguaggio empatico, modo in cui vengono espressi i numeri | Il prompt, più i preset dell'Agent Handbook: Default Tone (Professional + Conversational), Natural Filler Words, High Empathy, Speech Normalization | Un'interpretazione piatta o rigida di frasi ben scritte |
| Voce | Chi parla: timbro, accento, età, energia di base | Select Voice: Platform Voices, Custom Providers o un clone vocale | La formulazione, o il momento in cui l'agente parla |
| Interpretazione | Velocità, volume, emozione, enfasi, pause | Voice Speed, volume, Expressive mode, controlli di pausa e pronuncia | Una voce non adatta al tuo pubblico |
| Tempi | Quanto aspetta l'agente, con quanta facilità viene interrotto, piccoli suoni di ascolto | Impostazioni vocali: Response Wait time, Interruption Sensitivity, Enable Backchanneling, Background sound | Il tono emotivo all'interno di una frase |

I preset dell'Agent Handbook restano strumenti a livello di prompt. La documentazione descrive Professional + Conversational come un tono con turni brevi e una domanda alla volta, adatto alla vendita. Cambia il copione, non l'audio.
Quali impostazioni cambiano il suono della voce?
Quattro gruppi di impostazioni cambiano l'audio vero e proprio, e ognuno ha un limite documentato.
Scelta della voce. Le voci della piattaforma sono la libreria selezionata di Retell, descritte nella documentazione come ottimizzate per l'IA conversazionale al telefono e calibrate per la chiarezza ai bitrate delle telecomunicazioni. Puoi anche aggiungere una voce da un provider personalizzato o clonare una voce. Una frase nella documentazione sulla clonazione è importante per i team di vendita: il clone riproduce l'interpretazione che sente, quindi registra con il tono, il ritmo e l'energia che vuoi nelle chiamate.
Velocità e volume. Voice Speed va da 0,5x a 2,0x. Con l'opzione "Dynamically adjust based on user input" attiva, l'agente rileva le parole al minuto del potenziale cliente e adatta gradualmente la propria velocità. Il volume è un unico valore per l'agente. La documentazione non descrive un'impostazione che alzi o abbassi il volume da un momento all'altro durante una chiamata, quindi non fare piani basati su questa possibilità.
Expressive mode. È il controllo documentato più vicino a un'interpretazione consapevole della situazione. Quando è attivo, l'agente aggiunge tag vocali espressivi all'audio che genera e li sceglie in base alla conversazione. I tag coprono emozioni (empatico, entusiasta, felice, curioso, sorpreso), effetti (sospiro, schiarirsi la voce, pausa, pausa lunga) ed enfasi sulla parola importante. Scegli tu quali tag sono consentiti, puoi riscrivere le indicazioni su quando si applica ciascuno e puoi inserire manualmente un tag su una frase specifica, come quella di apertura.
I limiti sono altrettanto precisi. L'Expressive mode funziona solo con le voci della piattaforma. I tag si applicano in 13 lingue, e un agente multilingue deve avere tutte le sue lingue in quell'elenco. L'agente usa i tag con parsimonia e la maggior parte delle frasi non ne ha. Non applica mai tag a numeri, nomi, orari o prezzi, quindi non aspettarti un cambio di interpretazione proprio sul prezzo.
Tempi. Una voce con un buon tono suona comunque sbagliata se risponde troppo in fretta o parla sopra le persone. Response Wait time, Interruption Sensitivity e backchanneling regolano questo aspetto, e la gestione dei turni di parola e delle interruzioni ha una guida dedicata.
Nessuna di queste impostazioni è documentata come in grado di rendere un agente indistinguibile da una persona. Considera ognuna come una variabile da testare. Sembrare umani è anche una questione separata dalla trasparenza: il preset AI Disclosure When Asked è attivo per impostazione predefinita sui nuovi agenti, e quali dichiarazioni richiedano le tue chiamate è una questione da sottoporre al tuo consulente legale o al responsabile compliance.
Se vendi in più di una lingua, il saluto iniziale pesa ancora di più. Leggi i primi 30 secondi di un agente vocale con IA multilingue.
Quanto deve essere umana la voce per il tuo tipo di chiamata?
Il livello richiesto sale con la fiducia che il potenziale cliente deve concedere prima di dire sì. La tabella qui sotto è un punto di partenza per il tuo test, basato su ciò che ogni chiamata chiede a chi ascolta. Non è un benchmark.
| Tipo di chiamata in uscita | Cosa decide il potenziale cliente | Livello della voce | Da dove iniziare |
|---|---|---|---|
| Promemoria, conferme, avvisi di rinnovo | Confermare o riprogrammare | Chiara e precisa su nomi, date e importi | Una voce della piattaforma, Speech Normalization, voci di pronuncia per i nomi di brand e prodotti |
| Ricontatto di un lead che ha chiesto una chiamata | Se rispondere ad alcune domande | Una formulazione colloquiale e turni di parola puliti contano più dell'emozione | Tono Professional + Conversational, backchanneling, Voice Speed dinamica |
| Chiamata a freddo a una lista | Se restare in linea dopo l'apertura | Alto, e concentrato nella frase di apertura | Aggiungi l'Expressive mode con un piccolo set di tag, applica manualmente i tag all'apertura, testa due voci con una suddivisione del traffico |
| Chiusura consulenziale o di alto valore | Se affidare al venditore denaro o una decisione delicata | Più alto di quanto dovresti supporre che qualsiasi impostazione possa raggiungere | Lascia che l'agente qualifichi e fissi l'appuntamento, poi passi la chiamata a una persona con un trasferimento assistito, finché il tuo test non dice altrimenti |
L'ultima riga è quella più onesta. Se la vendita dipende da un closer che sa leggere la situazione, tieni il closer. Un trasferimento assistito mantiene l'agente in linea per aggiornare la persona che risponde, così al potenziale cliente non viene chiesto di ripetere tutto.
Come si testa quanto è umana la voce su chiamate reali invece che a orecchio?
Fai girare due agenti che differiscono solo per la configurazione vocale sullo stesso traffico in uscita e valutali entrambi su un evento di conversione definito prima della prima chiamata. Il tuo orecchio è un solo ascoltatore. I tuoi potenziali clienti sono il campione.
Usa questa checklist:
- Escludi prima i problemi di raggiungibilità. Se i potenziali clienti non rispondono, la causa non è la voce. Controlla i tassi di risposta delle chiamate in uscita e la checklist dei numeri di telefono per le chiamate in uscita prima di toccare le impostazioni vocali.
- Non usare la simulazione testuale per giudicare la voce. Il test di simulazione si svolge come conversazione testuale. Valuta formulazione ed esiti, ma non sente nulla.
- Ascolta una chiamata web, poi una telefonata. La documentazione indica il test con chiamata web per sentire come suona davvero la voce (ritmo, pronuncia, intercalari) e il test con chiamata telefonica per l'audio dell'operatore.
- Definisci la conversione come un campo, non come un'impressione. Aggiungi un campo personalizzato di Post Call Extraction, ad esempio un Boolean per "meeting booked" o un Selector per l'esito della chiamata, così ogni chiamata viene etichettata allo stesso modo.
- Cambia un solo livello. Clona l'agente e cambia solo la voce, o solo l'Expressive mode. Mantieni il prompt identico, altrimenti non saprai cosa ha spostato il numero.
- Dividi il traffico reale. L'A/B Testing sul numero di telefono invia una percentuale delle chiamate a ciascun agente, ad esempio 80/20 o 50/50, ed è documentato sia per le chiamate in uscita sia per quelle in entrata.
- Confronta in Analytics. Filtra per agente e versione e visualizza il tuo campo personalizzato accanto al numero di chiamate, al tasso di successo delle chiamate e alla durata.
- Valuta l'audio oltre all'esito. AI QA valuta un campione di chiamate reali, e la sua metrica Agent Naturalness usa sia l'audio sia la trascrizione per segnalare velocità o intonazione innaturali, errori di pronuncia e anomalie. Il campo integrato
user_sentimentviene dedotto solo dalla trascrizione, quindi non interpretarlo come un giudizio sul tono. - Stabilisci in anticipo il criterio di arresto. Decidi il numero minimo di chiamate connesse per variante e la differenza che cambierebbe la tua decisione. Mettili entrambi per iscritto prima del lancio.
Se la variante più espressiva non converte meglio, la voce non era il tuo vincolo. Guarda poi la lista, l'offerta e la domanda di apertura. Se converte meglio, hai un numero con cui difendere la scelta. Lo stesso ciclo vale quando passi dalla demo alla produzione.
Cosa chiedere a un fornitore sulla voce prima di un progetto pilota?
Fai domande le cui risposte puoi verificare nel prodotto durante il pilota:
- Quali impostazioni cambiano l'interpretazione e quali cambiano solo la formulazione?
- L'interpretazione espressiva funziona con la voce e le lingue che intendiamo usare, incluso un clone vocale?
- Volume, ritmo o tono possono cambiare durante una chiamata, e cosa fa scattare il cambiamento?
- Possiamo dividere il traffico reale in uscita tra due configurazioni vocali e vedere la conversione per variante?
- Quali metriche di qualità ascoltano l'audio e quali leggono solo la trascrizione?
- Quando una chiamata ha bisogno di una persona, come suona il passaggio per il potenziale cliente?
Un fornitore che risponde con una registrazione demo impeccabile ha risposto a un'altra domanda.
Metti alla prova la voce sulle tue chiamate
A differenza dei sistemi ottimizzati solo per un parlato realistico, Retell è progettata per l'intera conversazione: la voce, i tempi che la circondano, il passaggio a una persona e la misurazione che ti dice se tutto questo ha convertito. Scopri come si combinano i vari elementi nella pagina sugli agenti vocali con IA e come AI QA valuta le chiamate reali. Poi avvia un pilota su chiamate reali con due configurazioni vocali e il tuo evento di conversione, e decidi in base a quel numero prima di firmare qualsiasi cosa.
See how much your business could save by switching to AI-powered voice agents.
Your submission has been sent to your email
ROI Result
Total Human Agent Cost
AI Agent Cost
Estimated Savings
Estimate your monthly voice AI cost
Read Other Blogs
Rivoluziona le tue operazioni di chiamata con Retell

Inizia oggi a creare conversazioni più intelligenti.




