avatarin ha messo in produzione un agente vocale basato su GPT-Realtime nei negozi giapponesi di Yamada Denki. Supporto multilingua, 24 ore su 24. In due settimane 30.000 persone hanno parlato con l’agente e il 92% delle risposte a un sondaggio di soddisfazione è stato positivo.

La voce si stava consolidando come canale operativo per gli agenti enterprise, come raccontavamo il 24 luglio. Questo è il primo caso pubblicato dove un agente voice regge su scala reale, non in laboratorio.

Il punto per chi si potenzia con l’AI non è il 92%. È che qualcuno ha portato un agente voice fuori dalla demo e lo ha fatto girare notte e giorno. La voce è il canale più difficile: non hai tempo di rileggere, il cliente non aspetta, e un ritardo di due secondi nella risposta suona come un guasto. Vedere un deployment vero aiuta a capire dove siamo davvero, anche se il comunicato racconta solo il lato che funziona.

Quello che manca è il rovescio: cosa è successo con l’8% di risposte negative, quanto costa tenere il servizio in piedi, come si gestiscono le conversazioni che vanno fuori binario. Il caso è pubblicato da OpenAI, che ha tutto l’interesse a mostrare il successo.

Nel dettaglio

Cosa c’era prima. I sistemi vocali per il retail erano IVR: menu ad albero, «premi 1 per…», riconoscimento limitato di parole chiave. Funzionavano perché erano deterministici, ma non capivano una frase fuori dal copione. Poi sono arrivati i chatbot con text-to-speech: trascrivevano, generavano testo, riconvertivano in voce. Tre componenti separate, con latenze cumulate che rendevano la conversazione innaturale.

Cosa cambia con GPT-Realtime. L’API Realtime di OpenAI gestisce audio in streaming: il modello riceve l’audio, lo elabora e risponde in voce nello stesso flusso, senza i passaggi intermedi. Per chi non sviluppa, la differenza è fra un sistema che «ascolta, pensa, parla» come un’unica cosa e un sistema che incolla tre pezzi diversi. La latenza scende sotto la soglia dove la conversazione diventa accettabile per un essere umano.

Il caso di avatarin. L’agente offre supporto multilingua ai clienti di Yamada Denki, una catena di elettronica. Non è un assistente generale: risponde a domande su prodotti, orari, disponibilità. Il perimetro è stretto, e questo probabilmente contribuisce al 92% di soddisfazione. Un agente che fa poche cose ha meno occasioni di sbagliare.

I numeri, con cautela. 30.000 utenti in due settimane e 92% di risposte positive sono i numeri del caso studio pubblicato da OpenAI. Non conosciamo la metodologia del sondaggio, la dimensione del campione, né cosa conti come «positivo». L’8% di risposte negative non è analizzato. Senza questi dettagli, il 92% è un indicatore, non una misura. È come leggere il benchmark di chi ha costruito il modello: utile, ma da prendere per quello che è.

Cosa resta aperto. Non abbiamo dati sui costi per conversazione, sul tasso di conversazioni abbandonate, sugli edge case dove l’agente ha dovuto passare a un operatore umano. Un deployment vero si valuta su queste metriche, non solo sulla soddisfazione dichiarata. Per chi vuole costruire qualcosa di simile, le domande da farsi sono le stesse che affrontiamo nella lezione su costi, latenza e sicurezza: qual è la latenza massima che il tuo cliente accetta, e cosa succede quando l’agente non sa rispondere?