Retell AI, piattaforma di intelligenza artificiale vocale per i contact center, gestisce oggi oltre 100 milioni di chiamate al mese per conto di più di 4.000 aziende clienti. Secondo il caso pubblicato da OpenAI il 27 ottobre 2026, gli agenti vocali basati sui modelli OpenAI risolvono oltre l'80% delle richieste senza bisogno di un operatore umano, mantenendo risposte coerenti anche in tempo reale.
In breve
- Una piattaforma di IA vocale per contact center ha superato i 100 milioni di chiamate mensili, contro i 30 milioni di inizio 2026.
- Il tasso di risoluzione autonoma delle richieste supera l'80%, secondo i dati riportati dal caso OpenAI.
- Oltre 1.000 miliardi di token sono stati consumati complessivamente sui modelli OpenAI utilizzati dalla piattaforma.
- Settori diversi — elettronica di consumo e sanità — riportano risultati misurabili: tassi di risoluzione, Net Promoter Score e tempo liberato per il personale.
- La latenza delle risposte vocali, misurata in millisecondi, è un parametro chiave per rendere una conversazione con un'AI indistinguibile da una reale al telefono.
Che cos'è un agente vocale AI e come funziona durante una chiamata?
Un agente vocale AI è un sistema che risponde al telefono al posto (o in affiancamento) di un operatore umano, capisce la domanda di chi chiama, recupera informazioni dai sistemi aziendali ed esegue azioni concrete, come registrare un ordine o fissare un appuntamento. Nel caso descritto da OpenAI, l'infrastruttura della piattaforma gestisce in parallelo diversi compiti tecnici: esegue i modelli audio, tiene traccia del filo della conversazione e gestisce i momenti in cui l'agente parla, ascolta o risponde a un'interruzione dell'utente — una delle sfide più delicate per rendere naturale un dialogo vocale.
I modelli linguistici, tra cui diverse versioni della famiglia GPT, usano le istruzioni fornite dall'azienda cliente e il contesto della conversazione in corso per generare le risposte e per decidere quando "chiamare uno strumento", cioè interrogare un gestionale, un CRM o un altro sistema esterno per recuperare un dato reale invece di inventarlo. Quando la situazione richiede una valutazione umana, l'agente vocale non si limita a trasferire la chiamata: prepara l'operatore con un riepilogo del contesto, risponde alle sue domande di approfondimento e verifica che sia pronto prima del passaggio.
Perché un tasso di risoluzione sopra l'80% è un dato significativo?
Un tasso di risoluzione superiore all'80% significa che su 100 chiamate gestite dall'agente vocale, più di 80 si concludono senza che sia necessario l'intervento di una persona. È un indicatore diverso dal semplice "numero di chiamate gestite": misura quante di quelle chiamate arrivano a una soluzione effettiva, non solo a una risposta generica.
Il caso OpenAI riporta due esempi concreti che aiutano a capire cosa significhi in pratica:
| Settore | Compiti svolti dall'agente | Risultato riportato |
|---|---|---|
| Elettronica di consumo (assistenza post-vendita, USA e Regno Unito) | Monitoraggio ordini, verifiche di garanzia, risoluzione problemi di primo livello | Tasso di risoluzione dell'80,4% e Net Promoter Score di 63 |
| Sanità (gestione appuntamenti) | Promemoria, richiamo pazienti per fissare nuovi appuntamenti, aggiornamento cartelle | Tempo liberato per il personale equivalente a 2,1 posizioni a tempo pieno; tasso di prenotazione del 55,7% nei contatti riusciti |
Nel caso dell'elettronica, il team ha dichiarato che tono, ritmo e cordialità dell'agente erano paragonabili agli standard attesi da un operatore umano — un dettaglio che segnala quanto la qualità percepita della conversazione, non solo la sua efficacia tecnica, sia diventata un parametro osservato.
Quanto deve essere veloce un agente vocale per sembrare naturale?
La velocità di risposta è uno dei fattori che determina se una conversazione telefonica con un'AI risulta fluida o artificiosa. Nel benchmark citato nel caso OpenAI, la latenza mediana per la prima frase pronunciata dall'agente variava da 497 a 883 millisecondi a seconda del modello utilizzato: una differenza che, su una chiamata reale, incide sulla percezione di naturalezza del dialogo.
Il traffico su una piattaforma di questo tipo non è costante: nelle ore diurne può superare di oltre 50 volte il minimo registrato di notte. Per questo, mantenere tempi di risposta stabili anche nei picchi richiede un'infrastruttura dimensionata per la domanda massima, non per la media, oltre a sistemi ridondanti che permettano di continuare a gestire le chiamate anche in caso di guasto a un singolo componente.
Come viene scelto il modello linguistico giusto per le chiamate?
La scelta del modello avviene attraverso benchmark costruiti su conversazioni reali, non su demo preconfezionate. Nel caso descritto, la piattaforma ha sviluppato un proprio sistema di valutazione — chiamato vCX — per confrontare decine di modelli usando conversazioni complesse su più turni, tratte da scenari di utilizzo effettivo.
I parametri misurati includono:
- la capacità di seguire le istruzioni date dall'azienda cliente;
- l'aderenza alle informazioni fornite, per evitare risposte inventate;
- la correttezza nel richiamare gli strumenti esterni (per esempio un gestionale);
- la naturalezza del linguaggio colloquiale.
Nel benchmark del 13 ottobre 2026, il modello più recente della famiglia GPT si è classificato primo per capacità di seguire le istruzioni, con un punteggio dell'89,7%. In valutazioni precedenti, un altro modello aveva ottenuto il miglior tasso di risposte prive di "allucinazioni" (cioè informazioni inventate) all'88,0%, davanti ad altri modelli concorrenti sul mercato.
Cosa cambia per chi deve scegliere un assistente vocale per la propria attività?
Dati di questo tipo spostano la domanda da "l'AI vocale funziona?" a "quali compiti è adatta a gestire e con quale livello di qualità". I numeri riportati dal caso OpenAI — volumi di chiamate, tassi di risoluzione, latenza, risultati per settore — offrono un metro di paragone concreto per chi valuta uno strumento simile: non basta che un agente vocale "risponda", serve che risolva, che resti coerente con le policy aziendali e che sappia quando passare la linea a una persona.
Domande frequenti
Un agente vocale AI può sostituire completamente un operatore umano? No: anche nei casi con i tassi di risoluzione più alti riportati, una parte delle chiamate richiede comunque l'intervento di una persona, e l'agente è progettato per preparare quel passaggio con il contesto necessario, non per evitarlo sempre.
Che differenza c'è tra un chatbot testuale e un agente vocale AI? L'agente vocale gestisce in tempo reale l'audio della conversazione — capire quando l'interlocutore parla, ascolta o interrompe — oltre a generare le risposte, un livello di complessità aggiuntivo rispetto a una chat scritta.
Perché la latenza è un indicatore importante per un assistente telefonico AI? Perché tempi di risposta troppo lunghi rompono la naturalezza del dialogo: nei benchmark citati la differenza tra i modelli più rapidi e gli altri si misura in centinaia di millisecondi, un margine percepibile da chi chiama.
In quali settori vengono già usati gli agenti vocali AI su larga scala? Il caso OpenAI documenta applicazioni nell'assistenza post-vendita per l'elettronica di consumo e nella gestione degli appuntamenti in ambito sanitario, con compiti che vanno dal monitoraggio ordini ai promemoria per i pazienti.
Fonti
- Retell: 100 milioni di chiamate al mese con i modelli OpenAI — https://openai.com/it-IT/index/retell-ai (27 ottobre 2026)
Se questi numeri fanno venire voglia di capire come funzionerebbe un assistente vocale AI applicato alla propria attività — centralino, prenotazioni, assistenza clienti — è un tema che iNexus segue da vicino con soluzioni come iNEX. Per un confronto senza impegno, la pagina contatti è il punto di partenza più diretto.