ElevenLabs ha collaborato con MatrixCloud per realizzare un ambiente di nuova generazione destinato agli AI Contact Center, o AICC, introducendo una soluzione vocale progettata per ridurre i ritardi di risposta e semplificare l’integrazione delle diverse componenti necessarie alla gestione automatizzata delle conversazioni. MatrixCloud opera nel settore dei contact center cloud e nasce nel 2022 come spin-off di Mytro, società attiva dal 2009 nella costruzione e nella gestione di contact center aziendali. La piattaforma sviluppata dall’azienda integra telefonia, messaggistica, chat, CRM e funzionalità di intelligenza artificiale all’interno di un’unica infrastruttura e, facendo leva anche sull’esperienza maturata nella realizzazione di sistemi basati su Salesforce e Zendesk, sta ampliando la propria attività nel segmento degli agenti vocali AI.
Uno dei principali problemi riscontrati nelle precedenti implementazioni riguardava l’architettura delle soluzioni vocali tradizionali, costruite collegando separatamente i moduli di speech-to-text, il modello linguistico e il sistema text-to-speech. La sequenza STT-LLM-TTS richiedeva quindi il passaggio della conversazione attraverso componenti differenti, con una latenza complessiva che poteva superare i tre secondi prima della generazione della risposta vocale. Oltre al ritardo percepibile durante il dialogo, questa impostazione aumentava la complessità tecnica dell’infrastruttura e imponeva attività continue di integrazione e manutenzione tra sistemi diversi, incidendo direttamente sui costi operativi del contact center.
MatrixCloud ha affrontato il problema attraverso ElevenAgents, utilizzando un’architettura nella quale l’interazione vocale viene gestita come un unico flusso conversazionale anziché come una catena di componenti indipendenti. L’integrazione ha permesso di ridurre sia la latenza delle risposte sia la complessità di sviluppo e gestione del sistema, rendendo più lineare la costruzione dell’ambiente AICC. L’azienda punta inoltre a utilizzare questa infrastruttura come base per l’espansione delle proprie soluzioni di contact center AI sui mercati internazionali.
La soluzione è strutturata a livello di singolo agente e comprende in un unico ambiente la gestione del flusso conversazionale, la generazione delle risposte e la produzione vocale in tempo reale. Tra le caratteristiche adottate da MatrixCloud rientrano la risposta a latenza estremamente ridotta per le conversazioni live, una qualità vocale progettata per avvicinarsi alla naturalezza della voce umana e strumenti dedicati alla creazione di identità vocali specifiche per i diversi brand. Quest’ultima funzione comprende anche il voice design multilingue, consentendo alle aziende di costruire una voce coerente con l’identità del marchio e utilizzarla in lingue differenti senza dover predisporre separatamente ogni singola componente della pipeline.
L’approccio basato su un unico flusso di conversazione permette inoltre di migliorare la continuità del dialogo tra cliente e agente AI. In un contact center tradizionale basato su moduli separati, ogni passaggio tra riconoscimento vocale, elaborazione linguistica e sintesi della risposta introduce potenziali punti di latenza e richiede un’integrazione specifica tra i diversi sistemi. ElevenAgents concentra invece queste fasi all’interno di una gestione unificata dell’agente, riducendo il numero di interfacce da mantenere e alleggerendo il carico tecnico necessario per costruire e operare un sistema di assistenza vocale enterprise.
Secondo MatrixCloud, l’elemento determinante è proprio la possibilità di non dover collegare singolarmente STT, LLM e TTS. La gestione dell’intera interazione come un unico processo conversazionale ha consentito all’azienda di realizzare il modello di AICC che intendeva sviluppare, superando i limiti di latenza e frammentazione che caratterizzavano le precedenti implementazioni. Il risultato è un’infrastruttura nella quale l’agente vocale AI diventa una componente integrata del contact center, con una gestione centralizzata del dialogo, della voce e delle risposte e con minori esigenze di manutenzione rispetto alle architetture costruite assemblando tecnologie vocali indipendenti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)