Enterprise AI CallcenterOn-premise
Come funziona un agente vocale IA: l'intera chiamata è elaborata sui Suoi server
La chiamata arriva tramite il Suo provider SIP o centralino. Da lì in poi tutto (riconoscimento vocale, scelta della risposta, sintesi vocale, registrazioni) avviene all'interno della Sua infrastruttura.
Architettura
I componenti
Gateway telefonico
Gira sul Suo server e si collega al Suo trunk SIP o centralino. Chiamate in entrata e in uscita, rilevamento dell'occupato, trasferimento a un collega.
Riconoscimento vocale
Il nostro riconoscimento vocale, sul server GPU, ottimizzato per l'audio telefonico e per ogni lingua che forniamo.
Voce
Le nostre voci neurali, ottimizzate per le conversazioni telefoniche e per l'accento corretto. Una voce personalizzata per il Suo marchio su richiesta.
Gestione della conversazione
Chi parla quando, interruzione da parte di chi chiama, pause, protezione dalle ripetizioni, dichiarazione AI e avviso di registrazione.
Modello linguistico
Formula le risposte e decide quando usare uno strumento. Il Suo fornitore attuale via API, o un modello completamente locale senza internet.
Sala di controllo
Agenti e versioni, campagne, lista di esclusione, orari di chiamata, registrazioni, trascrizioni, estrazione dati, portali clienti, ruoli, registro di audit.
Il percorso di un turno, con tempi misurati
- Chi chiama parla; l'audio arriva via SIP al gateway sul Suo server.
- Il riconoscimento vocale trasforma il parlato in testo mentre chi chiama sta ancora finendo.
- Il modello linguistico decide la risposta e, se serve, usa uno strumento (ad es. una verifica del saldo nel CRM).
- La voce sintetizza la risposta a segmenti, così il primo suono parte prima che la risposta completa sia pronta.
- Chiamata, trascrizione e campi estratti vengono salvati nell'hub; un webhook avvisa i Suoi sistemi.
I tempi sono misurazioni di laboratorio e di chiamate di test (ottobre 2026). Il tempo complessivo di un turno dipende soprattutto dal modello linguistico scelto.
Che cosa accade sui Suoi server durante una chiamata
Una chiamata raggiunge il Suo gateway di telefonia tramite il trunk SIP o il centralino esistente. Da lì passa al nostro riconoscimento vocale, che trasforma le parole del chiamante in testo all'interno della Sua sede. Il livello di conversazione decide che cosa fare dopo, con il modello linguistico che sceglie: il Suo fornitore attuale tramite API, nel qual caso viene inviato solo il testo dei turni, oppure un modello completamente locale, senza connessione a internet.
Se l'agente ha bisogno di dati, chiama i Suoi sistemi tramite strumenti HTTP, usando solo le azioni che ha autorizzato. La risposta passa poi alle nostre voci, che la pronunciano nella chiamata. Registrazioni, trascrizioni e log restano sui Suoi server, con la conservazione che imposta per ciascun cliente.
Poiché ogni passaggio avviene all'interno della Sua infrastruttura, il Suo team di sicurezza può verificare il flusso dei dati, le regole di rete e il registro di audit come per qualsiasi altro sistema interno. Nulla nella chiamata dipende da un servizio vocale in cloud, quindi mantiene il controllo sia dei dati sia dei costi.
Durante un progetto pilota misuriamo questi passaggi sul Suo hardware e con il modello linguistico che ha scelto, perché è il modello la parte maggiore del ritardo. Riceve i numeri per la Sua configurazione e il Suo team vede come si comporta l'agente su chiamate reali prima di qualsiasi avvio. La stessa sala di controllo mostra poi chiamate in corso, campagne, registrazioni e registro di audit per ogni agente.
Hardware e capacità
Forniamo server GPU enterprise dimensionati sui Suoi volumi. Ecco cosa abbiamo misurato su uno dei nostri server di laboratorio:
| Configurazione | Chiamate simultanee | Primo audio della voce (mediana / p95) |
|---|---|---|
| Server GPU enterprise: impostazione standard | 50.000+ | 136 / 178 ms |
| Server GPU enterprise: impostazione di massima precisione | 16 | p95 156 ms |
| Server solo CPU (installazioni piccole) | 6 | 97 / 179 ms |
Misurato con riconoscimento vocale reale su parlato bulgaro registrato. I server di produzione sono dimensionati sul Suo volume; un volume maggiore richiede più server.
Domande frequenti
Funziona davvero tutto sui nostri server?
Sì: il nostro riconoscimento vocale e i nostri modelli vocali, la gestione della conversazione, il gateway telefonico, le campagne e le registrazioni. Il modello linguistico lo sceglie Lei: il Suo fornitore attuale via API (in tal caso viene inviato solo il testo dei turni) o un modello completamente locale senza internet.
Quale hardware serve?
Forniamo server GPU enterprise dimensionati sui Suoi volumi. Come riferimento, uno dei nostri server di laboratorio ha gestito 50.000+ chiamate simultanee. Veda il passo 2 del configuratore.
Quanto velocemente risponde l'agente?
Nelle nostre chiamate di prova con un modello linguistico in cloud, il tempo mediano dalla fine della frase di chi chiama al primo suono della risposta è stato di 1,4 s; la voce stessa parte 136 ms dopo che il testo della risposta è pronto. Il modello linguistico è la parte maggiore, quindi lo misuriamo con la Sua scelta nel progetto pilota.
Con quale telefonia funziona?
Con qualsiasi trunk SIP standard o centralino: i Suoi numeri e il Suo operatore restano invariati.
Lo veda all'opera sul Suo scenario
Prenoti una call di 20 minuti, ascolti l'agente o ci lasci creare un agente di prova gratuito per una delle Sue tipologie di chiamata. Senza impegno.
- GDPR fin dalla progettazione
- Funziona sui Suoi server
- Operatività e assistenza 24/7
- Un team di 5 persone a Sofia, UE
Già in produzione presso organizzazioni in Bulgaria — nomi coperti da NDA.