Stretto AI Voice Agent, Amazon Nova 2 Sonic 활용
Stretto는 웹 양식 기반 파산 인테이크를 AI 전화 인터뷰어인 Tara로 대체했으며, 리드 전환율이 상대적으로 20% 증가했다고 보고했다. Stretto AI 음성 에이전트는 Amazon Nova 2 Sonic을 사용해 대화를 통해 재무 정보를 수집한다. 변호사가 최종 결정을 유지함으로써 자동화된 인테이크와 전문적 판단 사이에 경계를 둔다.
2026년 11월 18일 사례 연구는 AWS Generative AI Innovation Center 및 기술 파트너 CI&T와의 작업을 설명한다. 핵심 비교 대상은 변호사와 경쟁하는 AI 시스템이 아니라 대화형 인테이크와 웹 양식이다. Stretto는 방문자에게 점점 더 까다로워지는 양식을 끝까지 작성하도록 요구하지 않으면서도 더 완전한 리드를 원했다.
이 때문에 Tara는 음성 모델 이야기인 동시에 엔터프라이즈 워크플로 이야기이기도 하다. 보고된 성과는 활용 가능한 정보 수집, 수정 사항 보존, 이후 명시적 규칙 적용에 달려 있다. 설득력 있는 음성은 프로세스를 시작하지만, 신뢰할 수 있는 기록과 책임 있는 결정이 이 프로세스가 더 폭넓게 채택될 가치가 있는지를 결정한다.
Stretto AI 음성 에이전트는 리드에 포함되는 정보를 바꾼다
근본적인 비즈니스 문제는 연락처 정보와 변호사가 평가할 수 있는 정보 사이의 차이에서 시작된다. 짧은 양식은 관심을 확인할 수 있지만, 상당한 인테이크 작업을 미완성 상태로 남긴다. 긴 양식은 더 많은 세부 정보를 요구하는 동시에 이미 재정적 스트레스에 놓인 사람에게 더 많은 작업을 맡긴다.
Stretto의 대안은 그러한 질문을 전화 대화로 옮긴다. Tara는 발신자의 재정 상황에 관한 정보를 수집한 뒤, 생성된 기록을 별도의 적격성 평가 프로세스로 전달한다. 이 변화는 인터페이스와 이후에 이용 가능한 정보의 깊이 모두에 관한 것이다.
상업적 제안의 핵심은 변하지 않은 양식에 음성 인터페이스를 추가하는 것이 아니라, 더 유용한 인테이크 기록을 만드는 데 있다.
파산 인테이크 사례 연구에 따르면, 이 시스템은 대화 후 변호사가 정의한 규칙을 적용한다. 최종 결정은 변호사가 내린다. 대화형 답변, 구조화된 재무 기록, 전문적 평가는 각각 서로 다른 목적을 수행하므로 이 구분은 중요하다.
차량, 고용, 미지급 부채를 논의하는 발신자를 생각해 보자. 이러한 답변에는 관계 정보가 필요하다. 예를 들어 어떤 납부금이 어느 차량에 해당하는지, 또는 어떤 소득원이 어떤 고용 기록에 연결되는지 파악해야 한다. 발화된 모든 단어를 담은 전사본이 자동으로 그런 구조를 제공하는 것은 아니다.
대화는 고정된 필드를 통해 양식이 때때로 막아 주는 모호성도 불러온다. 발신자는 금액을 정정하거나 질문에 답하지 않거나 예상 순서 밖의 상황을 설명할 수 있다. 시스템은 모든 발화를 최종 답변으로 취급하지 않고 이러한 차이를 보존해야 한다.
따라서 Tara 음성 에이전트는 까다로운 형태의 정보 수집 과제에 직면한다. 발신자가 자신의 상황을 설명할 수 있을 만큼의 유연성과, 후속 프로세스가 활용할 수 있는 기록을 만들 만큼의 엄격함이 모두 필요하다. 대화가 즐겁기만 해서는 원래의 비즈니스 문제를 해결할 수 없다.
보고된 전환율 개선은 이 변화를 검토할 가치를 만들지만, 전환율이 왜 증가했는지를 입증하지는 않는다. 음성 전달 방식, 질문 순서, 더 풍부한 정보, 적격성 평가 변경은 모두 결과에 영향을 줄 수 있다. 공개된 설명은 각각의 기여도를 분리하지 않는다.
또한 이는 11월 18일의 새 모델 출시 발표가 아니라 약 3개월간의 프로덕션 경험을 설명한다. 게시와 배포는 별개의 사건이다. 독자는 이 보고서를 기존 애플리케이션의 초기 운영 사례로 이해해야 한다.
엔터프라이즈 구매자에게 이 구분은 이야기의 활용 가치를 높인다. 배포된 인테이크 시스템은 결과가 여전히 회사 자체 보고에 기반하더라도 특정 워크플로에 관한 증거를 제공한다. 이는 발신자가 양식보다 AI를 선호한다는 일반적인 선언보다 더 좁고 실용적인 주장이다.
즉각적인 압박은 리드 퍼널이 기본 연락처 수집에서 멈추는 조직에 가해진다. Tara는 이 팀들에 구체적인 질문을 던진다. 초기 관심과 완료된 인테이크 사이에서 얼마나 많은 가치 있는 정보가 사라지는가?
웹 양식은 이제 다른 경제적 비교에 직면한다
웹 양식에는 분명한 장점이 있다. 사람들은 실시간 대화를 유지하지 않고도 정보를 입력할 수 있다. 하지만 필요한 기록이 복잡해질수록 한계가 더 뚜렷해진다. 추가 질문 하나하나는 방문자에게 또 하나의 정보를 해석하고, 정리하고, 제공하도록 요구한다.
음성은 그러한 정리 부담의 일부를 애플리케이션으로 옮긴다. 발신자는 상황을 설명하고, 시스템은 순서 조정과 후속 질문을 처리한다. 이것이 더 쉽게 느껴지는지는 대화 방식, 발신자의 선호, 요청되는 정보의 민감도에 달려 있다.
관련 비교 기준은 초기 연락 이후 발생하는 작업을 포함해, 활용 가능한 기록을 얻는 비용이다.
이 기준은 양식을 운영하는 비용이나 오디오 1분을 처리하는 비용을 넘어선다. 포기된 시도, 불완전한 기록, 정정 작업, 전문가 검토를 포함한다. 누군가 나중에 정보를 재구성해야 한다면 더 저렴한 상호작용도 비용이 큰 결과를 낳을 수 있다.
Stretto는 이전 음성 솔루션과 비교해 분당 음성 비용을 95% 절감했다고 보고한다. 이 비교는 미국 동부 리전의 2026년 4월 가격을 사용한다. 이는 음성 구현 방식 간의 시점이 명시된 비교이지, Tara의 전체 운영 비용이 95% 낮다는 증거는 아니다.
이 구분은 웹 양식과의 오해를 낳을 수 있는 비교도 막는다. 비용 결과는 이전 음성 솔루션에 관한 것이고, 전환 결과는 양식 기반 인테이크 경험에 관한 것이다. 두 기준선은 서로 다른 질문에 답하므로 분리해서 봐야 한다.
이 접근 방식을 평가하는 구매자는 두 지표 모두 필요하다. 더 낮은 음성 처리 비용은 긴 대화를 감당 가능하게 만들 수 있고, 더 나은 전환율은 완료된 각 상호작용의 가치를 높일 수 있다. 구현, 감독, 후속 처리를 고려하지 않으면 어느 수치도 전체 수익을 확정하지 못한다.
Stretto AI 음성 에이전트는 정보를 받는 변호사에게 기대되는 업무도 바꾼다. 더 풍부한 기록은 초기 논의 전에 더 많은 맥락을 제공해야 한다. 그러나 수신자는 여전히 그 정보가 발신자가 실제로 말한 내용을 반영한다는 확신이 필요하다.
이는 인테이크 공급업체뿐 아니라 내부 제품 팀에도 압박을 만든다. 매력적인 데모는 대화가 올바르게 진행되는 모습을 보여 준다. 신뢰할 수 있는 프로덕션 제품은 정보가 충돌하거나 추출에 실패하거나 수신 전문가가 특정 필드에 의문을 제기할 때 어떤 일이 발생하는지 설명해야 한다.
바로 이 지점에서 웹 양식은 여전히 중요한 기준점으로 남는다. 양식의 경직성은 사용자를 불편하게 할 수 있지만, 같은 경직성 덕분에 개별 필드와 필수 답변을 쉽게 점검할 수 있다. 음성은 더 제약이 적은 교환 속에서 이에 상응하는 명확성을 되찾아야 한다.
지식 근로자에게 더 넓은 연결점은 익숙하다. 수집된 정보는 나중에도 활용 가능할 때만 가치가 생긴다. 검색 가능한 지식 기반은 관련된 조직 문제를 다루지만, 민감한 인테이크에는 다른 접근 권한 및 검토 요건이 수반된다.
이 시사점은 보편적이기보다 구체적이다. 복잡한 예비 인터뷰를 처리하는 조직에는 이제 평가할 또 하나의 인터페이스가 생겼다. 하지만 전체 퍼널을 바꾸기 전에 대화형 수집이 자체 완료율과 기록 품질을 개선한다는 증거가 여전히 필요하다.
Nova 2 Sonic은 음성을 처리하고 다른 시스템은 기록을 구축한다
Amazon Nova 2 Sonic은 음성-음성 모델로, 같은 모델 안에서 음성 입력을 받고 음성 응답을 생성한다. 이는 별도의 전사, 텍스트 생성, 음성 생성 구성 요소를 연결하는 방식과 다르다. 이러한 아키텍처 선택은 대화가 듣기와 응답 사이를 이동하는 방식에 영향을 준다.
Stretto는 Twilio를 통해 발신자를 음성 브리지에 연결한다. 이는 전화 연결과 모델 사이에 오디오를 전달하는 애플리케이션이다. 브리지는 애플리케이션 컨테이너를 관리하고 실행하는 서비스인 AWS Fargate와 함께 Amazon ECS에서 실행된다. Amazon Bedrock은 모델에 대한 관리형 액세스를 제공한다.
Twilio의 양방향 오디오 스트림은 통화 오디오를 수신하고 생성된 오디오를 통화로 다시 보내는 기능을 지원한다. 지속적인 양방향 네트워크 연결인 WebSocket이 이 교환을 전달한다. 이는 전화 서비스가 전체 인테이크 워크플로를 담당하게 하지 않으면서 실시간 통신 경로를 구축한다.
통합 음성 모델은 대화 경로를 단순화하지만, 주변 애플리케이션은 여전히 비즈니스 프로세스를 담당한다.
이 분리는 발신자가 전화를 끊은 후 더 명확해진다. Anthropic의 텍스트 모델인 Claude 3 Haiku는 전사본에서 구조화된 필드를 추출한다. 관리형 관계형 데이터베이스인 Amazon Aurora는 정의된 관계를 갖는 기록에 생성된 정보를 저장한다.
따라서 이 아키텍처는 서로 다른 작업에 서로 다른 모델을 사용한다. Nova 2 Sonic은 실시간 교환을 지원하고, Claude는 통화 후 추출을 처리한다. 이후 변호사가 정의한 규칙이 리드 분류를 지원하며, 최종 결정은 변호사가 유지한다.
이 구분은 평가자가 오류를 조사할 여러 개의 뚜렷한 지점을 제공한다. 잘못 이해한 음성 금액은 올바르게 전사됐지만 잘못된 필드에 할당된 금액과 다르다. 올바른 필드가 적절하지 않은 규칙으로 평가되는 경우는 또 다른 문제를 만든다.
그 모든 실패를 “AI가 틀렸다”라고 처리하면 유용한 운영 세부 사항이 가려진다. 음성, 추출, 저장, 적격성 평가 단계는 각각 별도로 검토해야 한다. 한 단계의 개선이 전체 워크플로 개선을 보장하지는 않는다.
긴 대화는 또 다른 경계를 만든다. 전체 인테이크는 15~20분이 걸릴 수 있지만, AWS는 개별 스트림에 대해 8분 연결 제한을 문서화하고 있다. 음성 세션 문서는 갱신 및 연속성 지원을 설명한다.
Stretto는 대화 맥락을 대체 모델 연결로 전송하는 기술인 세션 연속성을 사용한다. 따라서 발신자의 인터뷰는 개별 스트림의 수명을 넘어 계속될 수 있다. 이 경계를 넘어서 맥락을 유지하는 일은 애플리케이션의 책임이 된다.
이는 이전 정정을 기억하는 일이 단순한 대화 편의가 아니라 기능적 요구 사항이기 때문에 중요하다. 긴 인터뷰 중 맥락을 잃으면 반복 질문이나 일관성 없는 기록이 생길 수 있다. 연결 변경 전에는 유창하게 들리는 시스템도 변경 후 테스트가 필요하다.
OpenAI는 음성 에이전트 아키텍처를 통해 통합 음성 모델과 체인형 처리 방식을 포함한 관련 비교 사례를 제공한다. 이러한 선택지는 엔터프라이즈 팀이 음성을 고르는 것 이상의 아키텍처 선택에 직면함을 보여 준다. Stretto의 설명은 OpenAI와의 성능 순위를 입증하지 않는다.
유용한 경쟁 질문은 제어와 업무 적합성에 관한 것이다. 팀은 어디에서 실시간 응답성, 점검 가능한 중간 정보, 분리된 비즈니스 로직이 필요한지 결정해야 한다. Tara는 AWS 기반 애플리케이션 내에서 그러한 책임을 배분한 한 가지 사례를 보여 준다.
Nova 2 Sonic 인테이크 아키텍처는 모델 중심 조달의 중요한 한계도 드러낸다. 음성 모델을 선택한 뒤에도 연속성, 기록 생성, 의사결정 경계를 둘러싼 상당한 설계 작업이 남는다. 이러한 구성 요소는 전화 대화가 신뢰할 수 있는 운영 기록이 되는지를 좌우한다.
민감한 대화에서는 중단 처리도 품질 요건이 된다
파산 인테이크 인터뷰에서는 사람들이 재정적 어려움에 관해 이야기해야 한다. 시스템은 망설임, 정정, 답변 거부를 허용하면서 정보를 수집해야 한다. 이 맥락에서는 음성 품질의 의미가 달라진다. 자연스럽게 들리는 것만으로는 충분하지 않으며, 애플리케이션이 불확실성을 적절히 처리할 수 있어야 유용하다.
Stretto의 설명은 중단과 답변 변경을 포함한 민감한 대화 검증 과정을 다룬다. 상담원이 말하는 도중 발신자가 끼어들 수 있는 기능인 바지인(barge-in)은 특히 관련성이 높다. 인터뷰가 다음 단계로 넘어가기 전에 발신자는 잘못된 가정을 실질적으로 멈출 수 있어야 한다.
가장 중요한 검증 기준은 대화가 예상된 경로를 벗어날 때 시스템이 발신자의 의미를 보존하는지 여부다.
이를 위해서는 단순히 중단을 인식하는 것 이상이 필요하다. 애플리케이션은 정정과 추가 사실, 답변 거부와 누락된 응답을 구분해야 한다. 그렇지 않으면 겉보기에는 성공적인 대화라도 부정확한 기록을 만들 수 있다.
동의 및 고지 처리도 또 다른 경계를 만든다. 사례 연구에 따르면 Tara는 인테이크를 진행하기 전에 고지 사항을 안내하고 동의를 받는다. 이러한 단계는 선택적인 도입 문구가 아니라 워크플로 자체에 속한다.
고지 중 발생하는 중단은 이 어려움을 잘 보여 준다. 대화를 재개하는 것은 과업의 일부일 뿐이다. 시스템은 필수 고지와 동의 절차가 완료되었는지 신뢰할 수 있게 판단할 근거도 필요하다.
공개된 설명은 테스트와 통제를 다루지만, 보편적인 법적 준수를 입증하지는 않는다. 공개된 아키텍처만으로는 배포, 관할권, 데이터 처리 또는 전문가의 의무에 관한 모든 질문에 답할 수 없다. 구매자는 고객 사례를 인증으로 간주하기보다 각자의 상황을 평가해야 한다.
AWS의 모델 서비스 카드 역시 사용 사례별 평가를 권고한다. 이 문서는 주변 애플리케이션 인프라와 비즈니스 로직에 대한 책임을 고객에게 둔다. 이 지침은 Tara의 결과를 신중하게 해석해야 한다는 점을 뒷받침한다.
감정적 적응도 비슷한 주의가 필요하다. 모델은 화자의 심리 상태를 신뢰할 수 있게 이해하지 못한 채 음성에 반응해 전달 방식을 바꿀 수 있다. 안심시키는 어조가 시스템이 모든 사실을 이해했거나 모든 취약한 발신자를 적절히 처리했다는 증거가 되어서는 안 된다.
Tara 음성 에이전트에는 수집한 정보를 어떻게 활용하는지에 대한 경계도 필요하다. 보고된 설계에서는 최종 결정 권한을 변호사에게 남기고, 명시적 적격성 규칙을 별도로 적용한다. 이러한 통제는 모델 재량의 범위를 줄이지만, 해당 규칙에 입력되는 정보를 점검할 필요까지 없애지는 않는다.
잘못된 입력은 그 외에는 일관된 분류 절차에도 영향을 미칠 수 있다. 마지막 단계의 인간 권한은 중요하지만, 그 효과는 검토자가 무엇을 보고 정정할 수 있는지에 달려 있다. 변호사의 존재가 상류 단계 오류를 측정하는 일을 대체해서는 안 된다.
유사한 시스템을 구축하는 팀에게 이는 자동화에 대한 추상적 반론이 아니라 운영상의 질문이다. 발신자는 기록을 정정할 수 있는가? 검토자는 불확실한 답변을 식별할 수 있는가? 조직은 특정 리드가 특정 분류를 받은 이유를 설명할 수 있는가?
Stretto AI 음성 에이전트는 이러한 경계를 통해 볼 때 가장 많은 정보를 제공한다. 그 의미는 대화, 추출, 규칙, 전문적 판단에 서로 다른 책임을 부여한다는 데 있다. 더 폭넓은 배포는 더욱 다양한 실제 환경에서도 이 경계가 신뢰성을 유지하는지 시험하게 될 것이다.
보고된 성과는 중요한 측정 질문을 남긴다
Stretto의 핵심 결과는 웹 양식 대비 리드 전환율이 상대적으로 20% 증가했다는 것이다. “상대적”이라는 표현은 중요하다. 이 수치는 20%포인트 증가가 아니라 이전 전환율을 기준으로 한 증가를 뜻한다. 사례 연구는 절대적 변화를 계산할 만큼 충분한 세부 정보를 제공하지 않는다.
회사는 또한 테스트에서 구조화된 필드 추출 정확도가 약 96%였다고 보고한다. 완료된 통화는 평균 약 8분간 지속된다. 이 수치들은 시스템의 서로 다른 측면을 설명하며, 전체 정확도에 관한 단일 주장으로 결합해서는 안 된다.
이 결과는 추가 평가를 뒷받침하지만, 음성 인테이크를 위한 통제된 벤치마크를 확립하지는 않는다.
추출 정확도는 대화 내용을 필드로 변환하는 정확도를 측정한다. 이는 발신자 진술의 진실성, 적격성 규칙의 적절성 또는 변호사의 최종 평가 품질을 자동으로 측정하지 않는다. 이러한 결과에는 다른 근거가 필요하다.
추출 오류의 분포도 중요하다. 부차적인 세부 사항의 오류와 재정적으로 중대한 필드의 오류는 서로 다른 후속 영향을 낳을 수 있다. 집계 정확도 수치만으로는 오류가 검토자가 가장 중요하게 여기는 정보에 집중되는지 알 수 없다.
공개된 설명은 필드별 오류에 대한 상세 분석을 제공하지 않는다. 또한 표본 규모, 테스트 구성, 발신자 집단별 성능에 관한 질문도 남긴다. 이러한 누락은 보고된 평균이 내부적으로 유용하더라도 다른 인테이크 시스템과의 비교를 제한한다.
통화 시간도 마찬가지로 신중하게 해석해야 한다. 8분이라는 수치는 완료된 통화에 관한 것이며, 전체 인테이크에는 15~20분이 걸릴 수 있다. 평균 완료 대화 시간과 전체 인터뷰의 가능한 길이는 서로 다른 내용을 설명하므로 반드시 상충하는 것은 아니다.
그러나 완료 통화 시간은 해당 측정에서 실패한 시도를 제외한다. 평가자는 이탈과 부분 완료도 이해해야 한다. 짧은 평균 시간은 충분한 정보와 수용 가능한 완료 결과가 함께할 때에만 고무적이다.
전환율에는 관련된 귀속 문제도 있다. 팀은 음성 모델만 변경한 실험이 아니라 발전하는 워크플로를 설명한다. 통제된 비교가 없다면 독자는 보고된 개선을 전적으로 Nova 2 Sonic에 귀속할 수 없다.
분당 음성 비용이 95% 감소했다는 주장에도 같은 주의가 적용된다. 이는 이전 음성 솔루션과 특정 가격 기준 시점에 관한 것이다. 전화 통신, 데이터 저장, 엔지니어링, 검토 또는 적격 리드를 제공하는 전체 비용에서 동등한 절감이 발생한다는 뜻은 아니다.
이 설명에는 Stretto와 CI&T 기여자를 포함해 배포에 참여한 사람들이 등장한다. 이들의 접근성은 아키텍처 설명의 가치를 높인다. 동시에 이들의 참여는 상업적 결과를 독립적으로 감사된 결과가 아니라 출처가 명시된 주장으로 유지해야 함을 뜻한다.
이러한 한계가 사례의 정보를 무의미하게 만들지는 않는다. 초기 운영 증거는 더 광범위한 파일럿과 더 상세한 측정을 정당화할 수 있다. 다만 자동화된 음성 인테이크가 어디에서나 양식보다 뛰어나다는 일반적 주장보다 더 제한적인 결론을 뒷받침할 뿐이다.
엔터프라이즈 구매자에게 가장 유용한 다음 질문은 다른 팀이 비교 가능한 정의를 사용해 이 성과를 재현할 수 있는지다. 전환율, 정확도, 완료율, 비용에는 명확한 측정 경계가 필요하다. 그렇지 않으면 비슷해 보이는 백분율도 매우 다른 운영 결과를 설명할 수 있다.
확장, 중대한 오류, 완전한 리드 경제성을 지켜봐야 한다
다음으로 의미 있는 증거는 순서대로 배포 범위, 정보 품질, 총 운영 경제성에 관한 것이어야 한다. 이러한 신호는 사례 연구에 설명된 조건을 넘어 Tara의 초기 결과가 유지되는지 검증할 수 있다. 또한 구매자가 모델 역량과 워크플로 설계를 구분하는 데 도움이 된다.
첫째, 추가 지역 전반의 더 폭넓은 배포 결과를 지켜봐야 한다. 보고된 전환율 개선은 광범위한 확장 이전에 나온 결과다. 더 넓은 배포에서 비슷한 결과가 나온다면 대화형 인테이크가 반복 가능한 가치를 제공한다는 주장이 강해질 것이다.
확장만으로는 품질이 아니라 도달 범위를 입증한다. 더 강력한 신호는 더 넓은 이용 가능성과 일관된 전환율 정의 및 완료 보고를 결합하는 것이다. 결과가 악화된다면 초기 결과는 여전히 관련성이 있겠지만, 초기 환경에 더 명확히 제한될 것이다.
둘째, 중대한 정보 오류에 관한 더욱 상세한 보고를 지켜봐야 한다. 필드 수준의 추출 결과는 시스템이 어디에서 정정 또는 검토를 필요로 하는지 파악하는 데 도움이 된다. 변호사의 수정에 관한 정보는 생성된 기록이 실제로 얼마나 유용해지는지에 대한 또 다른 관점을 제공할 것이다.
강력한 결과는 대화가 더 다양해져도 중요한 필드가 신뢰성을 유지한다는 점을 보여 줄 것이다. 약한 결과는 우호적인 집계 수치가 핵심 정보의 반복 오류를 숨기고 있음을 보여 줄 것이다. 어느 쪽이든 또 하나의 구분되지 않은 정확도 백분율보다 더 많은 정보를 제공한다.
셋째, 활용 가능한 리드의 완전한 경제성을 지켜봐야 한다. 분당 음성 비용 절감은 그 그림의 일부만 보여 준다. 구매자는 결과 정보를 처리하고, 검토하고, 정정하고, 배정하는 데 필요한 노력도 이해해야 한다.
가장 강력한 증거는 운영비를 변호사가 실제로 사용할 수 있는 기록과 연결할 것이다. 정정 작업과 감독 이후에도 유지되는 절감은 비즈니스 사례를 뒷받침할 것이다. 상당한 후속 노동으로 상쇄되는 절감은 그 범위를 좁힐 것이다.
Tara의 장기적 가치는 더 나은 대화가 지속 가능한 운영 비용으로 신뢰할 수 있는 기록을 만들어 내는지에 달려 있다.
이는 예정된 발표나 약속된 공개가 아니라 관찰 지점이다. 공개된 설명은 Stretto가 각 지표를 발표하겠다고 약속하지 않는다. 이러한 정보가 없다고 해서 배포가 실패했음을 뜻하지는 않지만, 초기 주장을 독립적으로 평가하기는 더 어려워질 것이다.
Nova 2 Sonic 인테이크 사례는 이미 유용한 아키텍처적 교훈을 제공한다. 음성 자동화는 기록, 규칙, 인간의 책임으로 이루어진 더 큰 시스템 안에서 작동한다. 모델은 중요한 상호작용을 처리하지만, 조직은 그 주변의 워크플로에 대해 계속 책임을 진다.
이 때문에 웹 양식과의 비교도 계속 관련성을 유지할 것이다. 사용자가 양식을 부담스럽게 느끼더라도, 양식은 정보 수집을 위한 명확한 기준선을 제공한다. 음성은 단지 첫 상호작용을 더 흥미롭게 만드는 데 그치지 않고 전체 프로세스를 개선할 때 그 가치를 얻는다.
Stretto AI 음성 에이전트 접근 방식을 고려하는 팀이라면, 우선 주장된 개선의 근거부터 살펴봐야 한다. 전환율을 어떻게 정의했는지, 어떤 필드에 정정이 필요했는지, 미완료 통화에는 어떤 일이 일어났는지 질문해야 한다. 대화의 유창성이 저절로 유용한 기록을 제공했다고 가정하지 말고, 정보를 받는 전문가가 더 유용한 기록을 얻었는지 검토해야 한다. 그런 다음 검토 및 정정 노력을 포함해 전체 워크플로를 기존 인테이크 프로세스와 비교해야 한다. Stretto의 경험은 특히 양식이 필요한 세부 정보를 포착하지 못할 때 음성 인테이크를 조사할 구체적인 이유를 제공한다. 아키텍처를 측정 공백과 함께 읽고, 둘 다 활용해 더 폭넓은 배포 전에 자체 평가가 무엇을 입증해야 하는지 정의해야 한다.



