Voicify met Google Cloud au téléphone, mais la satisfaction dépend de la précision

Google Cloud est devenu la base du système de prise de commandes par IA de Voicify, alors même que les appels téléphoniques restent l’une des interfaces les moins indulgentes pour l’automatisation.

Voicify affirme que Gemini a réduit ses coûts de modèles, amélioré les temps de réponse et contribué à raccourcir l’intégration des restaurants de plusieurs semaines à quelques jours. L’entreprise fait également état d’un service ininterrompu pendant sa période de trafic la plus intense jamais enregistrée.

Ces résultats ressemblent à une réussite en matière d’infrastructure. Mais la question la plus difficile est de savoir si une IA plus rapide et plus disponible peut comprendre de façon fiable de vrais clients et enregistrer les bonnes commandes.

Cette distinction compte, car les appels aux restaurants sont des transactions, pas de simples sessions informelles avec un chatbot. Un modificateur, une adresse, une demande liée à une allergie ou une heure de retrait mal compris crée un problème opérationnel que le personnel doit résoudre.

L’approche de Voicify associe des modèles génératifs à des logiciels déterministes et à la validation par les systèmes de point de vente. Cette conception hybride apporte une réponse pragmatique à un problème qui a déjà mis à l’épreuve des entreprises telles que McDonald’s et IBM.

Le déploiement sur Google Cloud offre donc davantage qu’une nouvelle étude de cas sur les assistants vocaux. Il montre pourquoi l’IA vocale en production dépend de plus en plus de flux de travail contrôlés autour du modèle de langage.

Google Cloud a changé la façon dont Voicify gère les pics de demande

Le changement le plus important pour Voicify a été de déplacer sa charge de travail de production vers une infrastructure conçue pour offrir une capacité prévisible, la conformité et la gestion des pics de trafic.

Voicify a été fondée en 2018 pour développer des assistants pilotés par la voix destinés aux canaux téléphoniques et de chat. La pandémie a orienté l’entreprise vers des applications téléphoniques dans les restaurants et le secteur de la santé.

Ces deux secteurs ont été confrontés à une combinaison inconfortable : une hausse des volumes d’appels et une disponibilité limitée du personnel. Selon Voicify, les restaurants peuvent manquer jusqu’à 20 % des appels entrants, perdant potentiellement les commandes associées.

Le secteur de la santé présente une version plus stricte du même défi. Les informations de rendez-vous doivent être correctement saisies dans les systèmes de gestion des cabinets, tandis que les données protégées exigent des contrôles de sécurité plus rigoureux.

L’entreprise a identifié quatre exigences de production : la précision transactionnelle, la gestion du trafic, une faible latence et la conformité réglementaire. Chacune devient plus difficile à satisfaire lorsque la demande augmente soudainement.

La latence est particulièrement perceptible lors d’un appel téléphonique. Un utilisateur de site web peut tolérer un indicateur de chargement, mais le silence pendant une conversation donne l’impression d’une connexion interrompue.

Voicify suit le délai avant le premier token, qui mesure le temps écoulé avant qu’un modèle commence à générer sa réponse. Cet indicateur détermine si un échange paraît naturel ou maladroit.

L’entreprise a d’abord utilisé Google AI Studio, avant de transférer sa charge de travail croissante vers Vertex AI et ce que Google présente désormais comme Gemini Enterprise Agent Platform.

Ce passage lui a donné accès à une capacité de modèles réservée grâce à Provisioned Throughput. Google définit ce service à durée fixe comme une réservation de débit pour des modèles d’IA générative pris en charge.

La capacité réservée ne rend pas le modèle plus intelligent. Elle rend l’accès au modèle plus prévisible lorsque de nombreux appelants arrivent simultanément.

Voicify a associé cette capacité à une utilisation premium à la demande pendant la journée précédant Thanksgiving, sa période de demande la plus élevée jamais enregistrée. L’entreprise affirme n’avoir subi aucune limitation de débit.

Ce résultat répond à un problème bien connu du cloud. Un service peut bien fonctionner lors de tests ordinaires et échouer précisément au moment où les clients en ont le plus besoin.

Les restaurants connaissent une demande particulièrement concentrée. Les appels du dîner, les promotions, les fêtes et les événements locaux peuvent provoquer des pics marqués plutôt qu’un trafic quotidien régulier.

L’entreprise indique que Google Cloud l’a aidée à maintenir une disponibilité de 100 % sans interruption des réponses des modèles lors de son pic d’activité. Ce chiffre provient de Voicify et n’a pas fait l’objet d’un audit indépendant.

L’amélioration de coûts annoncée est également notable. Voicify affirme que Gemini Flash a généré des économies d’environ 25 % à 30 % par rapport aux précédents modèles de langage de l’entreprise.

Gemini Flash est un modèle optimisé pour les applications réactives à fort volume. Voicify l’utilise au sein d’une couche d’orchestration qui coordonne la reconnaissance vocale, la génération de texte et la synthèse vocale.

La migration a aussi modifié la vitesse de déploiement. Voicify indique que les restaurants peuvent commencer les tests en un ou deux jours après avoir accordé l’accès au système de point de vente.

Le même processus nécessitait auparavant une à deux semaines. Une intégration plus rapide est importante, car chaque restaurant présente un menu, une structure de modificateurs, une politique opérationnelle et une configuration logicielle différents.

Ces améliorations sont détaillées dans le premier customer blueprint de Google. Elles restent des résultats rapportés par le client, plutôt que des résultats de benchmarks comparatifs.

La documentation distincte de Google sur le throughput explique le mécanisme de capacité qui sous-tend les affirmations relatives aux pics de charge.

Ensemble, ces éléments précisent ce qui a changé. Voicify n’a pas simplement remplacé un modèle de chatbot par un autre.

L’entreprise a déplacé un canal transactionnel en direct vers une infrastructure conçue pour réserver de la capacité et absorber les débordements. Le défi restant se situe au-dessus de cette couche d’infrastructure.

Les appels aux restaurants révèlent le problème de fiabilité le plus difficile de l’IA vocale

Un assistant de prise de commandes par téléphone doit interpréter une parole désordonnée tout en se comportant comme un système transactionnel peu tolérant aux erreurs créatives.

Les appels aux restaurants comportent des accents, du bruit de fond, des interruptions, des changements de décision et des éléments de menu dont la sonorité se ressemble. Les clients attendent également de l’assistant qu’il se souvienne du contexte au fil de plusieurs échanges.

Prenons le cas d’un appelant qui commande deux pizzas avec des garnitures différentes sur chaque moitié. Il retire une garniture, change la taille, puis demande si une sauce contient des produits laitiers.

Une réponse fluide ne suffit pas. L’enregistrement final dans le système de point de vente doit conserver chaque modification et transmettre l’incertitude à une personne lorsque cela est nécessaire.

Cette exigence met en évidence l’écart entre l’assurance conversationnelle et la précision transactionnelle. Les modèles de langage peuvent générer des réponses naturelles même lorsque leur interprétation interne est erronée.

Voicify comble cet écart en validant les commandes par rapport au système de point de vente du restaurant avant leur soumission. Le modèle gère la conversation, tandis qu’un logiciel structuré vérifie ce que le restaurant est en mesure de fournir.

Cette répartition des tâches est au cœur du fonctionnement de Voicify. L’assistant ne reçoit pas une autorisation illimitée pour inventer des options de menu ou soumettre du texte sans contraintes.

La plateforme coordonne la reconnaissance automatique de la parole, qui transforme la voix de l’appelant en texte. Elle invoque ensuite la génération de texte et reconvertit la réponse en parole.

Des composants programmatiques se situent entre ces étapes. Ils récupèrent les informations du menu, appliquent les choix autorisés et construisent une transaction que les systèmes de restauration en aval peuvent accepter.

Voicify évite également de placer l’intégralité d’un menu complexe dans le premier prompt du modèle. Son système introduit plutôt des informations sélectionnées et récupère davantage de contexte à mesure que la conversation évolue.

Cette approche progressive réduit la quantité d’informations non pertinentes qui rivalisent pour attirer l’attention du modèle. Elle peut aussi diminuer le temps de réponse lors de commandes compliquées.

Un client qui demande des nouilles n’a pas besoin, au départ, de connaître toutes les options de desserts, de boissons et de traiteur. Le système peut restreindre le menu avant de résoudre les tailles, les ingrédients ou les modificateurs.

Cette architecture fait du modèle un composant d’un flux de travail contrôlé. Il s’agit d’une proposition différente de celle consistant à demander à un chatbot généraliste de gérer toute l’interaction.

Cette conception explique également l’importance de Google Cloud sans faire de la plateforme cloud l’intégralité du produit. Gemini fournit les capacités linguistiques, mais Voicify maîtrise l’orchestration et les contrôles transactionnels.

Cette séparation donne à Voicify davantage de contrôle sur le comportement du modèle. L’entreprise peut mettre à jour la logique des menus, les règles de routage ou la validation sans attendre un nouveau modèle de base.

Voicify indique que sa plateforme prend également en charge plusieurs clouds dans le cadre de sa stratégie de disponibilité. Cette conception réduit la dépendance à un seul chemin d’infrastructure, du moins en théorie.

L’entreprise reste toutefois fortement dépendante de Gemini pour les améliorations annoncées en matière de latence, de fiabilité et de coûts. Une architecture multicloud ne rend pas automatiquement les charges de travail des modèles portables.

Les différents fournisseurs proposent des produits de capacité, des contrôles de sécurité, des comportements de modèles et des formats de requêtes différents. Déplacer un flux de travail vocal en direct peut exiger plus qu’une simple redirection du trafic.

L’approche hybride reflète néanmoins une leçon plus large. Des transactions d’IA fiables exigent des contraintes avant, pendant et après la génération du modèle.

La confirmation de commande constitue une protection visible. L’assistant peut répéter les articles et modificateurs finaux avant de les soumettre au restaurant.

La confirmation n’élimine pas toutes les erreurs. Les appelants peuvent ne pas remarquer une erreur, tandis que la reconnaissance vocale peut déformer à la fois la demande initiale et le résumé répété.

L’escalade est donc tout aussi importante. Un système de production crédible doit disposer de règles pour transférer au personnel les demandes confuses, sensibles ou non prises en charge.

L’étude de cas publiée ne fournit pas le taux de transfert, le taux de correction, le taux de finalisation des commandes ni la fréquence de revue humaine de Voicify. L’absence de ces chiffres limite toute évaluation plus large de la précision.

Son architecture reste toutefois techniquement fondée. Elle reconnaît que la fluidité du langage et l’exactitude des transactions sont deux problèmes d’ingénierie distincts.

Pour les restaurants qui évaluent la prise de commandes par IA de Voicify, cette distinction devrait orienter les questions d’achat. Les acheteurs ont besoin de mesures des défaillances et de procédures de reprise, pas seulement de démonstrations soignées.

Voicify est en concurrence avec les humains et les plateformes vocales spécialisées

Le principal adversaire de Voicify n’est pas un autre modèle de base ; c’est la transition peu fiable entre une conversation automatisée et une transaction de restaurant correcte.

Le marché commercial comprend des plateformes spécialisées telles que SoundHound, ConverseNow, Slang AI et Presto. Chacune aborde les conversations avec les restaurants avec ses propres intégrations et sa propre stratégie de déploiement.

Certains fournisseurs prennent en charge la prise de commandes au drive, tandis que d’autres se concentrent sur les appels téléphoniques, les réservations ou les questions fréquentes des clients. Les principaux fournisseurs de systèmes de point de vente influencent également les systèmes que les restaurants peuvent déployer.

Cette concurrence pousse Voicify à démontrer davantage que la qualité de son modèle. Les restaurants compareront l’effort d’intégration, la finalisation des commandes, l’acceptation par les clients et l’intervention du personnel.

SoundHound, par exemple, a étendu la prise de commandes vocale à plusieurs marques de restauration et canaux de commande. Sa présence montre qu’une demande existe, mais elle relève aussi le niveau d’exigence en matière de performance.

Le marché a déjà produit des exemples appelant à la prudence. McDonald’s a mis fin en 2024 à un test d’IA au drive avec IBM, après des essais dans plus de 100 établissements.

McDonald’s n’a pas abandonné la prise de commandes vocale en tant que catégorie. L’entreprise a déclaré qu’elle continuerait d’explorer des solutions possibles, selon la fin du test rapportée par l’Associated Press.

Ce résultat constitue une référence historique utile, car il distingue l’intérêt de la maturité opérationnelle. Les grands déploiements peuvent être arrêtés même après des années de tests et d’importants investissements opérationnels.

Les systèmes de drive sont confrontés à une acoustique et à des flux de travail différents de ceux de la prise de commandes par téléphone. Toutefois, les deux doivent gérer le bruit, les accents, les substitutions, les interruptions et les clients impatients.

L’histoire de Voicify avec Google Cloud s’inscrit donc dans un marché qui a dépassé le stade de la simple nouveauté. Les acheteurs savent que l’IA vocale peut tenir une conversation.

Ils veulent désormais des preuves qu’elle conclut des transactions sans augmenter les remboursements, les temps d’attente, la frustration du personnel ou l’abandon des clients.

Les employés humains restent un élément de cette carte concurrentielle. Un employé formé peut déduire l’intention, repérer une hésitation et résoudre des situations inhabituelles sans règle logicielle explicite.

Les humains sont également débordés pendant les périodes de pointe. Un seul employé ne peut généralement pas gérer plusieurs appels téléphoniques tout en aidant les clients en magasin et en coordonnant les commandes.

L’IA vocale offre la simultanéité, permettant au logiciel de traiter plusieurs appels à la fois. Cet avantage devient précieux pendant le même coup de feu du dîner qui rend le service humain le moins disponible.

Pourtant, la simultanéité multiplie aussi facilement les erreurs que les réussites. Un flux de travail défaillant peut soumettre de nombreuses commandes incorrectes avant qu’un restaurant ne repère le problème.

Les restaurants ont donc besoin de contrôles opérationnels comparables à ceux des systèmes de paiement ou de gestion des stocks. Ils ont besoin d’une supervision, de pistes d’audit, de chemins de repli et d’un moyen d’arrêter rapidement une automatisation problématique.

L’amélioration de l’intégration rapportée par Voicify est pertinente dans ce contexte. Un processus de configuration plus court réduit le coût de lancement d’un pilote et d’ajustement des configurations de menu.

Toutefois, une intégration technique rapide ne prouve pas l’acceptation par les clients. Les restaurants doivent encore observer le comportement des appelants lorsqu’ils réalisent qu’ils parlent à un logiciel.

Certaines personnes apprécieront une réponse immédiate. D’autres demanderont à parler à une personne, interrompront les invites ou abandonneront l’appel si l’interaction devient répétitive.

Le critère du client n’est pas de savoir si Gemini produit des phrases grammaticalement correctes. Il s’agit de savoir si commander est plus facile que d’attendre un employé.

Cette expérience dépend du rythme, de la gestion des interruptions, de la prononciation, de la confirmation et de la reprise après erreur. L’infrastructure améliore plusieurs de ces aspects, mais elle ne peut pas tous les résoudre.

C’est pourquoi le mécanisme de Voicify compte davantage que son seul choix de modèle. La couche d’orchestration permet à l’entreprise d’adapter les règles de conversation au véritable système transactionnel de chaque restaurant.

Elle confère également une responsabilité à Voicify. Lorsqu’une réponse du modèle entre en conflit avec la logique du système de point de vente, la plateforme doit privilégier l’exactitude à la dynamique conversationnelle.

La position concurrentielle la plus solide reviendra aux fournisseurs qui publieront des résultats opérationnels fiables. Les acheteurs du secteur de la restauration ont besoin de plus que de volumes d’appels ou de pourcentages de finalisation attrayants.

Ils ont besoin de définitions de ce qui constitue une commande finalisée, une erreur, une escalade et une interaction abandonnée. Sans définitions communes, les comparaisons entre fournisseurs restent difficiles.

Des réponses plus rapides ne résolvent pas les questions d’exactitude, de confidentialité ou de confiance

Google Cloud peut réduire les défaillances d’infrastructure, mais il ne peut pas à lui seul prouver que chaque commande captée est correcte, appropriée ou digne de confiance.

Voicify décrit la précision transactionnelle comme exigeant une exactitude de 100 % par rapport aux systèmes de point de vente et de gestion de cabinet. C’est un objectif compréhensible, notamment dans la santé.

L’étude de cas publique ne présente pas de taux d’exactitude mesuré indépendamment. Elle n’explique pas non plus si l’objectif couvre la reconnaissance vocale, la validation des champs ou la soumission finale.

Il s’agit de mesures différentes. Un système peut créer une commande techniquement valide tout en ayant mal compris ce que voulait le client.

Il peut aussi comprendre correctement l’appelant, mais échouer au moment du paiement, de l’acheminement vers le magasin ou de la soumission au système de point de vente. Un pourcentage unique peut masquer ces modes de défaillance distincts.

Le taux de disponibilité de 100 % annoncé mérite la même prudence. La disponibilité mesure l’accessibilité du service, pas la qualité de chaque conversation ou transaction.

Un système réactif peut tout de même commettre des erreurs. À l’inverse, un modèle précis devient commercialement inutile si des limites de débit l’empêchent de répondre à l’heure du dîner.

Le déploiement de Voicify traite le deuxième problème de manière convaincante au niveau de l’infrastructure. Sa combinaison de capacités aurait empêché toute limitation de débit pendant les pics d’utilisation.

Le premier problème nécessite davantage de transparence. Parmi les mesures utiles figureraient les taux de correction de commandes, de transfert vers un humain, d’abandon par les appelants, de rappels et de remboursements liés à l’automatisation.

La latence implique également des compromis. Des réponses plus rapides paraissent naturelles, mais une validation supplémentaire peut exiger davantage de traitement avant que l’assistant ne parle ou ne soumette une commande.

Une bonne conception du système doit déterminer quelles vérifications interviennent pendant la conversation et lesquelles ont lieu avant la confirmation finale. La réponse la plus rapide possible n’est pas toujours la plus sûre.

Le secteur de la santé présente des enjeux plus élevés. La prise de rendez-vous peut impliquer l’identité du patient, son contexte médical et des informations de santé protégées.

Voicify indique que ses systèmes respectent les exigences HIPAA, SOC 2, ISO 27001 et PCI. Ce sont des affirmations de l’entreprise dans le récit publié.

La conformité fournit des cadres de gouvernance et de contrôle. Elle ne signifie pas que chaque déploiement utilise automatiquement les données correctement ou configure les accès sans erreur.

Les restaurants sont eux aussi confrontés à des questions de confidentialité. Les conversations vocales peuvent révéler des numéros de téléphone, des adresses, des informations de paiement, des restrictions alimentaires et des préférences personnelles.

La Federal Trade Commission conseille aux consommateurs d’examiner la manière dont les assistants vocaux gèrent les enregistrements et les contrôles d’achat. Ses conseils sur la confidentialité vocale reflètent des préoccupations qui dépassent l’automatisation des restaurants.

Les entreprises devraient informer les appelants lorsque l’automatisation est utilisée, quelles informations sont collectées et quand un enregistrement est conservé. Elles doivent également proposer une assistance humaine accessible.

La transparence influe sur la confiance. Une voix synthétique naturelle peut réduire les frictions, mais elle peut aussi laisser les clients dans l’incertitude quant au fait qu’ils parlent à un logiciel.

Les restaurants ne devraient pas considérer cette incertitude comme une victoire de conception. Une identification claire peut définir les attentes et faciliter la reprise lorsque le système atteint ses limites.

La commande proactive crée une autre limite. Voicify envisage des assistants utilisant le contexte des conversations ou du système de point de vente pour anticiper la commande habituelle d’un client le vendredi.

Cette fonctionnalité pourrait faire gagner du temps aux clients réguliers. Elle soulève aussi des questions de consentement, de conservation des données, de personnalisation et d’achats accidentels.

Mémoriser une préférence est différent d’initier une transaction. Une conception responsable exigerait une confirmation explicite avant de passer toute commande proactive.

L’entreprise a décrit l’assistance proactive comme une orientation future, et non comme une capacité déjà finalisée. Les lecteurs ne devraient pas interpréter ce scénario comme une fonction actuellement déployée.

La tension sous-jacente demeure constante. La personnalisation rend l’IA vocale plus utile tout en augmentant la sensibilité du contexte qu’elle stocke et applique.

Les exploitants de restaurants devraient examiner ces contrôles lors des pilotes. Ils devraient également conserver une documentation que le personnel peut consulter lors du dépannage des intégrations ou de l’examen des réclamations clients.

Une base de connaissances technique locale peut aider les équipes à relier les notes de déploiement, les enregistrements d’incidents et la documentation des fournisseurs.

Cette pratique ne remplace pas la supervision. Elle fournit aux opérateurs un historique plus clair des choix de configuration et des défaillances précédentes lorsqu’un problème se reproduit.

Les résultats publiés par Voicify établissent des performances d’infrastructure prometteuses. Ils ne comblent pas le déficit plus large de preuves concernant l’exactitude transactionnelle et la confiance des clients.

Ce que Google Cloud et Voicify doivent démontrer ensuite

La prochaine phase devrait être évaluée à l’aune d’une qualité transactionnelle vérifiée, d’une adoption client reproductible et d’une utilisation sûre du contexte conversationnel.

Le premier indicateur est l’exactitude opérationnelle dans des déploiements réels en restaurant. Voicify devrait indiquer à quelle fréquence les commandes atteignent le système de point de vente sans correction ni intervention humaine.

Cette publication devrait distinguer les erreurs de reconnaissance vocale des échecs de validation de menu et des problèmes de soumission. Elle devrait également définir ce qui compte comme une commande réussie.

Si ces résultats restent solides dans différents formats de restaurants, l’architecture de Voicify gagnera en crédibilité. Si les performances varient fortement, la rapidité d’intégration importera moins.

Cette variation est probable, car les menus diffèrent par leur complexité. Un petit menu avec des combinaisons fixes représente un défi différent de celui d’un restaurant proposant de nombreuses substitutions et questions alimentaires.

Le deuxième indicateur est l’adoption au-delà de tests limités. Des déploiements répétés dans plusieurs établissements montreraient si les exploitants perçoivent une valeur suffisante pour maintenir le service actif.

La rétention compte davantage qu’une annonce de lancement initiale. Les restaurants testent souvent des logiciels qui génèrent ensuite des coûts imprévus de support, de formation ou de service client.

Des preuves d’adoption utiles incluraient les taux de renouvellement, l’extension à d’autres établissements et un volume d’appels soutenu. La satisfaction client devrait être mesurée parallèlement à la finalisation des transactions.

L’expérience de McDonald’s et IBM montre pourquoi cet indicateur est important. Une marque reconnue et un long pilote ne garantissent pas un déploiement durable.

Une expansion renforcerait l’affirmation de Voicify selon laquelle sa combinaison de Gemini et d’orchestration déterministe fonctionne dans des conditions de restauration ordinaires.

Des déploiements stagnants ou annulés affaibliraient cette affirmation, même si la latence du modèle et la disponibilité du cloud demeuraient excellentes.

Le troisième indicateur est la manière dont Voicify mettra en œuvre l’assistance proactive. Passer de la prise de commande réactive à des achats anticipés modifie à la fois le produit et son profil de risque.

Un assistant proactif nécessite une autorisation explicite, une confirmation claire et des contrôles sur les préférences stockées. Il doit également permettre simplement aux clients de supprimer ou de corriger les informations mémorisées.

Une mise en œuvre réussie montrerait que Voicify peut utiliser le contexte sans donner aux appelants l’impression d’être surveillés ou manipulés. Une transparence insuffisante transformerait la commodité en problème de confiance.

Google Cloud a également quelque chose à démontrer. Provisioned Throughput doit continuer à fournir une latence prévisible à mesure que les modèles, les schémas de trafic et les exigences applicatives évoluent.

Le récit de Voicify montre comment des capacités réservées et basées sur l’usage peuvent fonctionner ensemble. Davantage de mesures indépendantes aideraient les acheteurs à comparer cette approche à celle d’autres fournisseurs.

Le coût devrait être évalué par transaction réussie, et non uniquement par requête au modèle. Un appel de modèle moins cher apporte peu de bénéfices si le personnel doit corriger la commande qui en résulte.

Ce calcul devrait inclure les services vocaux, l’inférence de modèle, la maintenance des intégrations, les escalades, les remboursements et le support client. L’étude de cas publique ne fournit pas ce tableau complet.

Pour l’instant, Voicify propose un modèle crédible pour l’IA vocale en production. Il encadre Gemini avec des flux de travail structurés, valide les commandes et planifie les capacités en fonction des pics réels de demande.

Les améliorations de coût et d’intégration rapportées par le système font de Google Cloud un élément important de ce modèle. Elles ne transforment pas le modèle en employé de restaurant autonome.

La question décisive est de savoir si Voicify peut publier des résultats cohérents pour différents accents, des menus complexes, des périodes chargées et des appelants réticents.

Les acheteurs d’entreprise devraient demander ces mesures avant de considérer la qualité conversationnelle comme une fiabilité transactionnelle. Ils devraient également tester la reprise après échec avec autant de soin que le parcours de commande idéal.

Google Cloud a aidé Voicify à rendre le téléphone plus rapide et plus disponible. La prochaine preuve devra venir de commandes correctes, de clients fidélisés et d’une automatisation transparente.