top of page

L’agente vocale AI di Stretto utilizza Amazon Nova 2 Sonic

1 giorno fa
Tempo di lettura: 13 min
Illustrative photograph. Photo: Kampus Production / Pexels.

Stretto ha sostituito la raccolta dati per procedure fallimentari tramite moduli web con Tara, un’intervistatrice AI telefonica, e riferisce un aumento relativo del 20% nella conversione dei lead. L’agente vocale AI di Stretto utilizza Amazon Nova 2 Sonic per raccogliere informazioni finanziarie attraverso la conversazione. Gli avvocati mantengono le decisioni finali, creando un confine tra raccolta automatizzata e giudizio professionale.

Il caso di studio del 18 novembre 2026 descrive il lavoro con l’AWS Generative AI Innovation Center e il partner tecnologico CI&T. Il suo confronto centrale riguarda la raccolta conversazionale rispetto al modulo web, non un sistema AI in competizione con gli avvocati. Stretto voleva lead più completi senza chiedere ai visitatori di completare moduli sempre più impegnativi.

Questo rende Tara una storia di workflow aziendale tanto quanto una storia di modello vocale. I miglioramenti riportati dipendono dalla raccolta di informazioni utilizzabili, dalla conservazione delle correzioni e dall’applicazione successiva di regole esplicite. Una voce convincente avvia il processo; registrazioni affidabili e decisioni responsabili stabiliscono se il processo meriti un’adozione più ampia.

L’agente vocale AI di Stretto cambia ciò che contiene un lead

Il problema aziendale di fondo nasce dalla differenza tra informazioni di contatto e informazioni che un avvocato può valutare. Un modulo breve può stabilire l’interesse, ma lascia incompiuta una parte sostanziale del lavoro di raccolta. Un modulo più lungo richiede maggiori dettagli, imponendo però più lavoro a una persona già sottoposta a stress finanziario.

L’alternativa di Stretto trasferisce queste domande in una conversazione telefonica. Tara raccoglie informazioni sulle circostanze finanziarie del chiamante, quindi inoltra il record risultante a un processo di qualificazione separato. Il cambiamento riguarda sia l’interfaccia sia la profondità delle informazioni successivamente disponibili.

La proposta commerciale è un record di raccolta più utile, anziché un’interfaccia vocale aggiunta a un modulo invariato.

Secondo il caso di studio sulla raccolta dati per procedure fallimentari, il sistema applica regole definite dagli avvocati dopo la conversazione. Gli avvocati prendono la decisione finale. Questa divisione è importante perché una risposta conversazionale, un record finanziario strutturato e una valutazione professionale hanno scopi diversi.

Si consideri un chiamante che parla di veicoli, occupazione e debiti in sospeso. Tali risposte richiedono relazioni: quale pagamento appartiene a quale veicolo, oppure quale fonte di reddito appartiene a quale record lavorativo. Una trascrizione contenente ogni parola pronunciata non fornisce automaticamente questa struttura.

La conversazione introduce inoltre ambiguità che un modulo talvolta evita grazie a campi fissi. Un chiamante può correggere un importo, rifiutare una domanda o descrivere circostanze al di fuori della sequenza prevista. Il sistema deve preservare queste distinzioni anziché trattare ogni dichiarazione pronunciata come una risposta definitiva.

L’agente vocale Tara affronta quindi una versione impegnativa della raccolta di informazioni. Deve avere sufficiente flessibilità per consentire ai chiamanti di spiegarsi e sufficiente rigore per produrre record utilizzabili dai processi a valle. Una conversazione piacevole da sola lascerebbe irrisolto il problema aziendale originario.

Il miglioramento della conversione riportato rende utile esaminare questo cambiamento, ma non stabilisce perché la conversione sia aumentata. La resa vocale, l’ordine delle domande, informazioni più ricche e modifiche alla qualificazione possono tutti influenzare il risultato. Il resoconto pubblico non isola i rispettivi contributi.

Descrive inoltre circa tre mesi di esperienza in produzione, anziché annunciare un nuovo rilascio del modello il 18 novembre. Pubblicazione e distribuzione sono eventi distinti. I lettori dovrebbero intendere il rapporto come un primo resoconto operativo di un’applicazione esistente.

Per gli acquirenti aziendali, questa distinzione rende la storia più utile. Un sistema di raccolta dati distribuito fornisce prove su uno specifico workflow, anche quando i suoi risultati restano dichiarati dall’azienda. Offre un’affermazione più circoscritta e pratica rispetto a una dichiarazione generale secondo cui i chiamanti preferiscono l’AI ai moduli.

La pressione immediata ricade sulle organizzazioni i cui funnel di lead si fermano alla raccolta di informazioni di contatto essenziali. Tara solleva una domanda concreta per questi team: quante informazioni preziose scompaiono tra l’interesse iniziale e una raccolta dati completata?

I moduli web affrontano ora un diverso confronto economico

I moduli web presentano un vantaggio diretto: le persone possono inserire informazioni senza sostenere una conversazione in tempo reale. I loro limiti diventano più visibili quando il record richiesto si fa complesso. Ogni domanda aggiuntiva chiede al visitatore di interpretare, organizzare e fornire un altro elemento informativo.

La voce trasferisce parte di questo onere organizzativo nell’applicazione. Il chiamante può spiegare una situazione, mentre il sistema gestisce la sequenza e le domande di approfondimento. Che questo risulti più semplice dipende dalla conversazione, dalle preferenze del chiamante e dalla sensibilità delle informazioni richieste.

Il confronto rilevante è il costo per ottenere un record utilizzabile, compreso il lavoro svolto dopo il contatto iniziale.

Questa misura va oltre il costo di esecuzione di un modulo o di elaborazione di un minuto di audio. Include tentativi abbandonati, record incompleti, lavoro di correzione e revisione professionale. Un’interazione meno costosa può comunque produrre un esito costoso se qualcuno deve ricostruire le informazioni in seguito.

Stretto riferisce una riduzione del 95% del costo vocale al minuto rispetto alla sua precedente soluzione vocale. Il confronto utilizza i prezzi dell’aprile 2026 nella regione US East. Si tratta di un confronto datato tra implementazioni vocali, non della prova che l’intera operatività di Tara costi il 95% in meno.

La distinzione evita anche un confronto fuorviante con il modulo web. Il risultato sui costi riguarda una precedente soluzione vocale; il risultato sulla conversione riguarda l’esperienza di raccolta basata su moduli. Queste baseline rispondono a domande diverse e dovrebbero rimanere separate.

Un acquirente che valuta questo approccio necessita di entrambe le misure. Una minore spesa per l’elaborazione vocale può rendere sostenibili conversazioni più lunghe, mentre una migliore conversione può aumentare il valore di ogni interazione completata. Nessuna delle due cifre stabilisce il rendimento completo senza considerare implementazione, supervisione ed elaborazione a valle.

L’agente vocale AI di Stretto modifica anche il lavoro atteso dall’avvocato destinatario. Un record più ricco dovrebbe offrire maggiore contesto prima di una discussione iniziale. Tuttavia, il destinatario deve comunque avere fiducia che le informazioni riflettano ciò che il chiamante ha effettivamente detto.

Questo crea pressione sui fornitori di soluzioni per la raccolta dati oltre che sui team di prodotto interni. Una dimostrazione attraente mostra una conversazione che procede correttamente. Un’offerta di produzione credibile deve spiegare cosa accade quando le informazioni sono in conflitto, l’estrazione fallisce o il professionista ricevente mette in dubbio un campo.

È qui che il modulo web resta un importante punto di riferimento. La sua rigidità può frustrare gli utenti, ma quella stessa rigidità rende semplici da ispezionare i singoli campi e le risposte obbligatorie. La voce deve recuperare una chiarezza comparabile da uno scambio meno vincolato.

Per i knowledge worker, il collegamento più ampio è familiare: le informazioni acquisite diventano preziose solo quando restano utilizzabili in seguito. Una base di conoscenza ricercabile affronta un problema organizzativo correlato, sebbene la raccolta di dati sensibili introduca requisiti diversi di accesso e revisione.

L’implicazione è specifica anziché universale. Le organizzazioni che gestiscono interviste preliminari complesse hanno ora un’altra interfaccia da valutare. Devono comunque dimostrare che la raccolta conversazionale migliori i loro tassi di completamento e la qualità dei record prima di modificare l’intero funnel.

Nova 2 Sonic gestisce il parlato mentre altri sistemi costruiscono il record

Amazon Nova 2 Sonic è un modello speech-to-speech, cioè accetta input parlati e genera risposte parlate all’interno dello stesso modello. Ciò differisce dal collegamento di componenti separati per trascrizione, generazione di testo e generazione vocale. La scelta architetturale influenza il modo in cui la conversazione passa dall’ascolto alla risposta.

Stretto collega i chiamanti tramite Twilio a un bridge vocale, un’applicazione che trasferisce l’audio tra la connessione telefonica e il modello. Il bridge viene eseguito su Amazon ECS con AWS Fargate, servizi che gestiscono ed eseguono container applicativi. Amazon Bedrock fornisce accesso gestito ai modelli.

I flussi audio bidirezionali di Twilio supportano la ricezione dell’audio delle chiamate e l’invio dell’audio generato nella chiamata. Un WebSocket, una connessione di rete persistente a due vie, trasporta questo scambio. Ciò stabilisce il percorso di comunicazione in tempo reale senza rendere il servizio di telefonia responsabile dell’intero workflow di raccolta.

Un modello vocale unificato semplifica il percorso della conversazione, mentre l’applicazione circostante mantiene la responsabilità del processo aziendale.

Questa separazione diventa più chiara dopo che il chiamante riaggancia. Claude 3 Haiku, il modello testuale di Anthropic, estrae campi strutturati dalla trascrizione. Amazon Aurora, un database relazionale gestito, memorizza le informazioni risultanti in record con relazioni definite.

L’architettura utilizza quindi modelli diversi per lavori diversi. Nova 2 Sonic supporta lo scambio in tempo reale; Claude gestisce l’estrazione post-chiamata. Regole definite dagli avvocati supportano quindi la classificazione dei lead, mentre gli avvocati mantengono le decisioni finali.

Questa divisione offre ai valutatori diversi punti distinti in cui indagare gli errori. Un importo parlato compreso male differisce da un importo trascritto correttamente ma assegnato al campo sbagliato. Un campo corretto valutato rispetto a una regola inadeguata crea un problema completamente diverso.

Trattare tutti questi fallimenti come “l’AI ha sbagliato” nasconderebbe dettagli operativi utili. Le fasi di voce, estrazione, archiviazione e qualificazione richiedono un esame separato. I miglioramenti in una fase non garantiscono miglioramenti nell’intero workflow.

Le conversazioni lunghe introducono un altro limite. La raccolta completa può richiedere 15–20 minuti, mentre AWS documenta un limite di connessione di otto minuti per un singolo stream. La sua documentazione sulle sessioni vocali descrive il supporto per rinnovo e continuazione.

Stretto utilizza la continuazione della sessione, una tecnica che trasferisce il contesto della conversazione in una connessione del modello sostitutiva. L’intervista del chiamante può quindi estendersi oltre la durata di un singolo stream. Mantenere il contesto attraverso questo confine diventa parte della responsabilità dell’applicazione.

Ciò è importante perché ricordare una correzione precedente è un requisito funzionale, non una mera comodità conversazionale. Perdere il contesto durante una lunga intervista può creare domande ripetute o record incoerenti. Un sistema che sembra fluido prima di una modifica della connessione deve comunque essere testato dopo.

OpenAI offre un confronto rilevante attraverso le sue architetture per agenti vocali, incluse architetture con modelli vocali integrati e approcci di elaborazione concatenati. Queste opzioni mostrano che i team aziendali affrontano scelte architetturali che vanno oltre la selezione di una voce. Il resoconto di Stretto non stabilisce una classifica delle prestazioni rispetto a OpenAI.

La domanda competitiva utile riguarda il controllo e l’adeguatezza al carico di lavoro. I team devono decidere dove necessitano di reattività in tempo reale, informazioni intermedie ispezionabili e logica aziendale separata. Tara illustra una distribuzione di queste responsabilità all’interno di un’applicazione basata su AWS.

L'architettura di intake di Nova 2 Sonic evidenzia anche un limite importante nell'approvvigionamento incentrato sul modello. Scegliere il modello vocale lascia un notevole lavoro di progettazione su continuità, creazione dei record e confini decisionali. Questi componenti determinano se una conversazione telefonica diventa un record operativo affidabile.

Le conversazioni sensibili rendono la gestione delle interruzioni un requisito di qualità

Un colloquio iniziale per una procedura fallimentare richiede alle persone di parlare delle proprie difficoltà finanziarie. Il sistema deve raccogliere informazioni consentendo al tempo stesso esitazioni, correzioni e rifiuti. Questo contesto cambia il significato della qualità vocale: un suono naturale è utile solo se l'applicazione gestisce adeguatamente anche l'incertezza.

La descrizione di Stretto illustra test per conversazioni sensibili, incluse le interruzioni e i chiamanti che modificano le proprie risposte. Il barge-in, ovvero la possibilità di interrompere l'agente mentre parla, è particolarmente rilevante. Un chiamante deve avere un modo pratico per fermare un presupposto errato prima che il colloquio prosegua.

Il test più significativo è verificare se il sistema preserva il significato espresso dal chiamante quando la conversazione devia dal percorso previsto.

Questo richiede più del semplice riconoscimento di un'interruzione. L'applicazione deve distinguere una correzione da un fatto aggiuntivo e un rifiuto da una risposta mancante. Altrimenti, una conversazione apparentemente riuscita può produrre un record inesatto.

La gestione del consenso e delle informative crea un altro confine. Secondo il case study, Tara fornisce le informative e raccoglie il consenso prima che l'intake proceda. Questi passaggi appartengono al workflow stesso, anziché fungere da linguaggio introduttivo facoltativo.

Un'interruzione durante un'informativa illustra la difficoltà. Riprendere la conversazione è solo una parte del compito. Il sistema necessita anche di una base affidabile per stabilire se la sequenza richiesta di informativa e consenso sia stata completata.

La descrizione pubblica illustra test e controlli, ma non stabilisce una conformità legale universale. Un'architettura pubblicata non può rispondere a ogni domanda su implementazione, giurisdizione, gestione dei dati o obblighi professionali. Gli acquirenti devono valutare le proprie circostanze, anziché trattare una storia del cliente come una certificazione.

La scheda di servizio del modello di AWS raccomanda analogamente una valutazione specifica per il caso d'uso. Attribuisce ai clienti la responsabilità per l'infrastruttura applicativa circostante e la logica di business. Queste indicazioni sostengono una lettura prudente dei risultati di Tara.

Anche l'adattamento emotivo merita analoga cautela. Un modello può variare il proprio modo di esprimersi in risposta alla voce senza possedere una comprensione affidabile della condizione psicologica di un chiamante. Un tono rassicurante non dovrebbe diventare una prova che il sistema abbia compreso ogni fatto o gestito adeguatamente ogni chiamante vulnerabile.

L'agente vocale Tara necessita inoltre di confini riguardo all'uso delle informazioni raccolte. Il design riportato riserva le decisioni finali agli avvocati e applica separatamente regole di qualificazione esplicite. Questi controlli riducono l'ambito della discrezionalità del modello senza eliminare la necessità di esaminare le informazioni inserite in tali regole.

Un input errato può comunque influenzare un processo di classificazione altrimenti coerente. L'autorità umana alla fine del processo conta, ma la sua efficacia dipende da ciò che i revisori possono vedere e correggere. La presenza di un avvocato non dovrebbe diventare un sostituto della misurazione degli errori a monte.

Per i team che sviluppano sistemi simili, si tratta di questioni operative, non di obiezioni astratte all'automazione. I chiamanti possono correggere un record? I revisori possono identificare risposte incerte? L'organizzazione può spiegare perché un potenziale cliente ha ricevuto una particolare classificazione?

L'agente vocale AI di Stretto è più istruttivo se osservato attraverso questi confini. La sua rilevanza deriva dall'assegnazione di responsabilità diverse a conversazione, estrazione, regole e giudizio professionale. Un'implementazione più ampia verificherà se questi confini rimarranno affidabili in condizioni reali più varie.

I risultati riportati lasciano aperte importanti questioni di misurazione

Il risultato principale di Stretto è un aumento relativo del 20% nella conversione dei lead rispetto al suo modulo web. “Relativo” è importante: la cifra descrive un incremento rispetto al tasso precedente, non un guadagno di 20 punti percentuali. Il case study non fornisce dettagli sufficienti per calcolare la variazione assoluta.

L'azienda riporta inoltre un'accuratezza di estrazione dei campi strutturati di circa il 96% nei propri test. Le chiamate completate durano in media circa otto minuti. Queste cifre descrivono aspetti diversi del sistema e non dovrebbero essere combinate in un'unica affermazione di accuratezza complessiva.

I risultati giustificano un'ulteriore valutazione, ma non stabiliscono un benchmark controllato per l'intake vocale.

L'accuratezza dell'estrazione misura la conversione del contenuto della conversazione in campi. Non misura automaticamente la veridicità delle dichiarazioni di un chiamante, l'adeguatezza delle regole di qualificazione o la qualità della valutazione finale di un avvocato. Questi risultati richiedono prove diverse.

Conta anche la distribuzione degli errori di estrazione. Un dettaglio secondario errato e un campo finanziariamente rilevante errato possono avere effetti a valle diversi. Una cifra di accuratezza aggregata non mostra se gli errori si concentrano nelle informazioni che i revisori considerano più importanti.

La descrizione pubblicata non fornisce una ripartizione dettagliata degli errori campo per campo. Lascia inoltre aperte questioni relative alla dimensione del campione, alla composizione dei test e alle prestazioni nei diversi gruppi di chiamanti. Queste omissioni limitano il confronto con un altro sistema di intake, anche se la media riportata resta utile internamente.

Anche la durata delle chiamate richiede un'interpretazione altrettanto attenta. La cifra di otto minuti riguarda le chiamate completate, mentre l'intake completo può richiedere 15–20 minuti. Non si tratta necessariamente di affermazioni in conflitto, poiché la durata media delle conversazioni completate e la possibile durata di un colloquio completo descrivono cose diverse.

Tuttavia, la durata delle chiamate completate esclude i tentativi non riusciti da quella specifica misurazione. I valutatori devono inoltre comprendere l'abbandono e il completamento parziale. Una media breve è incoraggiante solo se accompagnata da informazioni sufficienti e risultati di completamento accettabili.

La conversione presenta un problema di attribuzione correlato. Il team descrive un workflow in evoluzione, non un esperimento che modifica solo il modello vocale. Senza un confronto controllato, i lettori non possono attribuire interamente a Nova 2 Sonic il miglioramento riportato.

La stessa cautela si applica alla riduzione del 95% del costo vocale al minuto. Riguarda una soluzione vocale precedente e un preciso riferimento di prezzo. Non stabilisce risparmi equivalenti per telefonia, archiviazione dei dati, attività ingegneristiche, revisione o costo complessivo della fornitura di un lead qualificato.

La descrizione proviene inoltre da partecipanti all'implementazione, inclusi contributori di Stretto e CI&T. Il loro accesso rende preziosa la descrizione architetturale. Il loro coinvolgimento significa che i risultati commerciali dovrebbero rimanere attribuiti, anziché essere presentati come conclusioni sottoposte a revisione indipendente.

Nessuno di questi limiti rende la storia poco informativa. Le prime evidenze di produzione possono giustificare un pilota più ampio e misurazioni più dettagliate. Sostengono semplicemente una conclusione più circoscritta rispetto a un'affermazione generale secondo cui l'intake vocale automatizzato supera i moduli ovunque.

Per gli acquirenti aziendali, la domanda successiva più utile è se un altro team possa riprodurre i risultati usando definizioni comparabili. Conversione, accuratezza, completamento e costo richiedono confini di misurazione espliciti. Senza di essi, percentuali dall'aspetto simile possono descrivere risultati operativi molto diversi.

Osservare l'espansione, gli errori rilevanti e l'economia completa del lead

Le prossime evidenze significative dovrebbero riguardare l'ampiezza dell'implementazione, la qualità delle informazioni e l'economia operativa totale, in quest'ordine. Questi segnali verificherebbero se i risultati iniziali di Tara resistono oltre le condizioni descritte nel case study. Aiuterebbero inoltre gli acquirenti a separare la capacità del modello dal design del workflow.

In primo luogo, osservare i risultati di un'implementazione più ampia in ulteriori distretti. Il miglioramento della conversione riportato precede l'espansione su larga scala. Risultati comparabili in un'implementazione più estesa rafforzerebbero l'argomentazione secondo cui l'intake conversazionale offre un valore ripetibile.

La sola espansione stabilirebbe la portata, non la qualità. Il segnale più forte combinerebbe una disponibilità più ampia con definizioni di conversione coerenti e report sul completamento. Se i risultati peggiorassero, il risultato originario resterebbe rilevante, ma più chiaramente limitato al suo contesto iniziale.

In secondo luogo, osservare report più dettagliati sugli errori nelle informazioni rilevanti. Risultati di estrazione a livello di campo aiuterebbero a identificare dove il sistema necessita di correzione o revisione. Le informazioni sulle revisioni degli avvocati aggiungerebbero un'altra prospettiva sull'utilità pratica del record generato.

Un risultato solido mostrerebbe che i campi importanti rimangono affidabili man mano che le conversazioni diventano più varie. Un risultato più debole mostrerebbe che un aggregato favorevole nasconde errori ricorrenti nelle informazioni critiche. Entrambi i risultati sarebbero più informativi di un'altra percentuale di accuratezza indifferenziata.

In terzo luogo, osservare l'economia completa di un lead utilizzabile. I risparmi vocali al minuto stabiliscono solo una parte di quel quadro. Gli acquirenti devono inoltre comprendere lo sforzo necessario per elaborare, rivedere, correggere e instradare le informazioni risultanti.

Le prove più forti collegherebbero la spesa operativa a record che gli avvocati possono effettivamente usare. Risparmi che resistono al lavoro di correzione e alla supervisione sosterrebbero il business case. Risparmi compensati da un considerevole lavoro a valle lo restringerebbero.

Il valore a lungo termine di Tara dipende dal fatto che conversazioni migliori producano record affidabili a un costo operativo sostenibile.

Questi sono punti di osservazione, non annunci programmati o divulgazioni promesse. La descrizione pubblica non impegna Stretto a pubblicare ogni misura. La loro assenza renderebbe le affermazioni iniziali meno valutabili in modo indipendente, senza dimostrare che l'implementazione sia fallita.

La storia dell'intake con Nova 2 Sonic offre già una utile lezione architetturale. L'automazione vocale opera all'interno di un sistema più ampio di record, regole e responsabilità umana. Il modello gestisce un'interazione importante, mentre l'organizzazione resta responsabile del workflow che la circonda.

Questo è anche il motivo per cui il confronto con il modulo web resterà rilevante. I moduli offrono una base chiara per la raccolta delle informazioni, anche quando gli utenti li trovano onerosi. La voce conquista il proprio posto quando migliora il processo completo, anziché limitarsi a rendere più coinvolgente l'interazione iniziale.

Per i team che valutano un approccio con agente vocale AI di Stretto, iniziate dalle prove alla base del miglioramento dichiarato. Chiedete come sia stata definita la conversione, quali campi abbiano richiesto correzioni e cosa sia accaduto alle chiamate incomplete. Esaminate se il professionista ricevente abbia ottenuto un record più utile, anziché presumere che la fluidità conversazionale ne abbia fornito uno. Quindi confrontate il workflow completo con il processo di intake esistente, incluso lo sforzo di revisione e correzione. L'esperienza di Stretto offre un motivo concreto per approfondire l'intake vocale, soprattutto quando i moduli non riescono a raccogliere i dettagli necessari. Leggete l'architettura insieme alle lacune di misurazione e usate entrambe per definire ciò che la vostra valutazione deve stabilire prima di un'implementazione più ampia.

 
 

Inizia gratis

Un assistente IA local-first con gestione della conoscenza personale

Per una migliore esperienza con l’IA,

al momento remio supporta solo Windows 10+ (x64) e M-Chip Macs.

Il tuo partner AI al lavoro
Fai di più con remio

Pianifica. Crea. Consegna.
Tutto in un unico posto.

bottom of page