Röviden: AI telefonos asszisztens akkor éri meg, ha sok ismétlődő hívás érkezik, a beszélgetés célja jól körülhatárolható, és minden bizonytalan vagy érzékeny ügy átadható embernek. Ne „mindent tudó recepcióssal” kezdj: válassz egyetlen folyamatot, például visszahívási igény rögzítését, időpont-előkészítést vagy gyakori kérdések megválaszolását.
Frissítve: 2026. szeptember 8. A hangalapú AI újra gyakorlati vállalati téma lett, mert az alacsony késleltetésű beszélgetés, az eszközhasználat és a telefonos kapcsolódás már egy rendszerben tervezhető. Az OpenAI hivatalos voice agent útmutatója két alaparchitektúrát különít el: a közvetlen speech-to-speech munkamenetet és a beszédfelismerésből, szöveges döntésből, majd beszédszintézisből álló láncolt megoldást.
Realtime vagy láncolt hangfolyamat?
| Megoldás | Mikor jó? | Fő kompromisszum |
|---|---|---|
| Speech-to-speech | Természetes, gyors párbeszéd, közbevágás, élő ügyfélélmény | A teljes beszélgetési viselkedést, megszakítást és eszközhasználatot együtt kell tesztelni |
| Láncolt pipeline | Kiszámítható űrlapszerű folyamat, meglévő szöveges agent hangosítása | Több komponens és több késleltetési pont, viszont könnyebb ellenőrizni az átiratot és a döntést |
Időpontkérésnél, hibajegy-felvételnél vagy státuszlekérdezésnél gyakran a láncolt megoldás a jobb első pilot, mert az átirat, az üzleti szabály és a kimondott válasz külön naplózható. Természetes recepciós élménynél a speech-to-speech lehet előnyösebb. A döntést ne demó alapján hozd meg: ugyanazzal a 30–50 valós hívástípussal mérd mindkettőt.
Mire használható biztonságosan?
- nyitvatartás, cím, szolgáltatási terület és előre jóváhagyott ár-információ;
- visszahívási igény, név és elérhetőség rögzítése megfelelő tájékoztatással;
- időpontkérés előkészítése vagy szabad idősávok felolvasása;
- rendelési vagy ügyállapot lekérése azonosítás után;
- a hívás összefoglalása és feladat létrehozása a CRM-ben.
Árengedmény, szerződés, panasz végleges lezárása, egészségügyi vagy jogi döntés, pénzügyi művelet és konfliktusos ügy maradjon embernél. A hangasszisztens mondja ki világosan, hogy automatizált rendszer, és kínáljon gyors emberi átadást.
A jó beszélgetési folyamat öt rétege
- Belépés: rövid bemutatkozás, adatkezelési tájékoztatás és a hívás céljának tisztázása.
- Szándékfelismerés: egy fő feladat kiválasztása; ne engedd, hogy a hívás korlátlan témák között sodródjon.
- Tudás és eszköz: csak jóváhagyott tudásbázisból válaszoljon, az adatlekérdezést szűk jogosultságú eszköz végezze.
- Visszaolvasás: időpont, telefonszám vagy azonosító előtt kérjen megerősítést.
- Lezárás vagy átadás: mondja el, mi történt, mi a következő lépés, és bizonytalanságnál kapcsoljon embert.
Mennyibe kerül valójában?
Ne csak a modell perc- vagy tokenárát számold. A teljes hívásköltség része a telefonszolgáltatás, az audiofeldolgozás, az esetleges átirat, a modell, a beszédkimenet, az eszközhívások, a naplózás és az emberi utómunka. A Realtime rendszer költségének összetevőit az OpenAI költségkezelési útmutatója is külön kezeli.
Hasznos mérőszám a sikeresen lezárt hívás költsége, nem pusztán az egy percre jutó API-díj. Kövesd a hívások hosszát, az ismétléseket, az emberhez átadott eseteket, a félrehallásokat, a sikeres ügyintézést és az ügyfélpanaszokat.
30 napos pilot
- 1. hét: válassz egy hívástípust, gyűjts anonimizált példákat, írd le a siker és az azonnali átadás feltételeit.
- 2. hét: építs szűk tudásbázist, teszteld nevekkel, dátumokkal, zajjal, tájszólással és félbehagyott mondatokkal.
- 3. hét: futtasd shadow módban vagy belső telefonszámon; minden műveletet ember hagyjon jóvá.
- 4. hét: engedj korlátozott éles forgalmat, majd hasonlítsd össze a kézi alapértékkel.
A bevezetés technikai alapjairól a SAWW AI telefonos asszisztens oldalán, a kapcsolódó folyamatokról pedig az üzleti automatizálási megoldásnál olvashatsz.
Gyakori kérdések
Le tudja váltani a recepcióst?
Nem ez a jó cél. Az ismétlődő és jól szabályozható hívásokat vegye át, a kivételes, érzékeny és döntést igénylő ügyeket pedig rendezett összefoglalóval adja embernek.
Működhet magyarul?
Igen, de a saját ügyfélkör kiejtésével, neveivel, címeivel és háttérzajával kell tesztelni. A nyelvi támogatás önmagában nem bizonyítja a helyi hívásokon mért pontosságot.
Melyik mutató jelzi legjobban a sikert?
A valóban megoldott hívások aránya, az emberi javítás ideje és az ügyfélélmény együtt. A rövid hívás nem siker, ha hibás időpont vagy elveszett érdeklődő lett a vége.