Quando il voicebot telefonico non capisce: le cause e come si risolve

“Non capisce”: la frase più frequente, e cosa significa davvero

Quando un voicebot telefonico delude, la lamentela è sempre la stessa: non capisce. Ma “non capisce” descrive almeno sei problemi diversi, e quasi nessuno dipende dall’intelligenza del sistema. Dipendono da come arriva l’audio, da cosa c’è intorno a chi chiama, da come sono fatte le domande e da che cosa si chiede di riconoscere.

La buona notizia è che la maggior parte di questi problemi si corregge in progettazione e in configurazione, non cambiando piattaforma. La cattiva è che si correggono solo se prima si capisce quale dei sei si sta affrontando. Questa guida serve a distinguerli e a dire, per ciascuno, cosa si può fare.

Come funziona la catena dei tre motori, dal riconoscimento vocale al modello linguistico alla sintesi, è spiegato nella guida al centralino con intelligenza artificiale. Qui si parte da dove quella catena si rompe.

Menu a tasti, IVR conversazionale, voicebot: tre cose diverse

Prima di parlare di comprensione conviene chiarire di cosa si parla, perché tre sistemi diversi vengono chiamati con lo stesso nome.

Sistema	Come lavora	Dove funziona bene
Menu a tasti	Una voce elenca le opzioni e il chiamante preme un numero; nessun riconoscimento del parlato	Pochi percorsi stabili, chiamanti abituali, ambienti rumorosi
IVR conversazionale	Il chiamante dice il motivo della chiamata e il sistema lo instrada verso la coda o il servizio giusto	Molti percorsi, quando il menu a tasti diventa un albero troppo profondo
Voicebot	Il sistema dialoga, raccoglie dati, consulta i sistemi aziendali e chiude la richiesta in autonomia	Richieste ripetitive e prevedibili con volumi alti: informazioni, stato pratiche, prenotazioni

La scelta non è ideologica. Un IVR conversazionale ha senso quando le code sono tante e il menu a tasti costringe a tre livelli di “premi”. Un voicebot ha senso quando una quota rilevante delle chiamate si chiude senza una persona. E nella pratica quasi tutti i progetti riusciti sono ibridi: il sistema capisce il parlato, ma i tasti restano disponibili per chi non vuole o non può parlare, e come uscita di sicurezza verso l’operatore.

Dove si rompe la comprensione: le sei cause

Causa	Come si manifesta	Su cosa si interviene
Audio che arriva degradato	Errori casuali su parole comuni, peggio con certi chiamanti	Catena audio fra centralino e piattaforma
Rumore e ambiente	Vivavoce in auto, capannone, strada: il sistema chiede di ripetere	Soppressione del rumore, domande più corte, tasti come alternativa
Accento, dialetto, ritmo	Va bene con alcuni, male con altri, in modo sistematico	Modelli linguistici aggiornati, prove con voci reali, riformulazione guidata
Codici, nomi, numeri	Sbaglia la targa, il codice pratica, il cognome	Strategie di conferma, tasti per i codici, riconoscimento dal numero chiamante
Sovrapposizione	Il chiamante parla sopra e il sistema perde l’inizio della frase	Interruzione gestita e tempi di silenzio tarati
Domande mal poste	Risposte lunghe e fuori schema, intenti confusi	Disegno del dialogo: domande chiuse dove serve, una cosa alla volta

Le prime due sono problemi di segnale, le altre quattro di progetto. Il confine conta, perché su un problema di segnale la riformulazione delle domande non serve a niente, e viceversa.

L’audio che arriva al voicebot: la causa nascosta

È la causa che nessuno cerca perché non si vede. La telefonia tradizionale trasporta la voce in una banda stretta, all’incirca fra 300 e 3.400 hertz. Basta perché due persone si capiscano, ma taglia proprio le frequenze che distinguono consonanti simili, per esempio una “f” da una “s”. Il riconoscimento vocale lavora meglio con l’audio a banda larga, fino a 7.000 hertz, che la raccomandazione ITU-T G.722 definisce e che i telefoni IP e le app moderne sanno trasmettere.

Il punto è che fra il chiamante e il voicebot l’audio può attraversare più conversioni: operatore, centralino, collegamento verso la piattaforma. Ogni volta che il flusso viene ricodificato in banda stretta, una parte dell’informazione se ne va e non torna più. Quando è possibile conviene far arrivare al voicebot l’audio a banda larga e lasciare l’eventuale conversione sull’ultimo tratto verso l’operatore telefonico. È una decisione che si prende in fase di verifica tecnica del centralino, come spiega la guida all’integrazione del voicebot col centralino esistente.

Il resto della catena conta altrettanto: cuffie scadenti, vivavoce, una linea mobile in zona marginale. Non si controllano tutti, ma si può sapere da dove chiama chi chiama, e progettare di conseguenza.

Codici, targhe, nomi: dove il voicebot sbaglia di più

Dettare a voce un codice alfanumerico è difficile anche per una persona, e per un sistema automatico lo è di più. “b” e “d”, “m” e “n”, “sei” e “tre” si confondono proprio nella banda che il telefono taglia. I cognomi e i nomi di via aggiungono il problema opposto, cioè parole che il sistema non ha mai visto.

Le contromisure esistono e vanno scelte in progettazione, non lasciate al caso.

1. Riconoscere chi chiama prima di chiedere. Se il numero è in anagrafica, molte informazioni non vanno dettate: si confermano.
2. Usare i tasti per i codici numerici. Un numero pratica o un codice cliente digitato sul tastierino arriva esatto, con i toni definiti dalla raccomandazione ITU-T Q.23, che tutti i telefoni generano. Il sistema passa dalla voce ai tasti solo per quel dato e torna al parlato.
3. Confermare a gruppi. Ripetere il codice a blocchi di tre o quattro e chiedere conferma per ciascuno, invece di farlo ridettare tutto.
4. Verificare dove si può. Codici che hanno un carattere di controllo, come partita IVA e codice fiscale, si possono validare prima di andare avanti: se non torna, si richiede solo quello.
5. Sillabare con una convenzione. L’alfabeto per nomi di città, diffuso in Italia, o quello internazionale dell’aviazione civile per i contesti misti: il sistema va istruito a riconoscerli.
6. Caricare il vocabolario di dominio. Nomi di prodotti, sigle interne, cognomi frequenti, località: le piattaforme permettono di indicare i termini attesi, e la differenza sul riconoscimento è grande.

Cosa si può correggere in configurazione

Una volta escluso il segnale, il grosso dei miglioramenti sta nel disegno del dialogo. Le regole che funzionano sono poche e sempre le stesse.

Una domanda alla volta, e chiusa dove il dato è strutturato: “in che giorno preferisce?” funziona meglio di “mi dica pure quando le va bene”. Le domande aperte si tengono per l’ingresso, dove servono a capire il motivo della chiamata, e si chiudono subito dopo.

I silenzi vanno tarati: quanto aspettare prima di sollecitare, quanto prima di considerare la risposta finita. Troppo poco e il sistema interrompe chi sta pensando; troppo e ogni domanda sembra lenta. L’interruzione da parte del chiamante va accettata, perché una persona che corregge a metà frase non deve essere ignorata, ma con i tempi giusti per non scambiare un colpo di tosse per una risposta.

Le riformulazioni vanno scritte: al primo “non ho capito” si ripete la domanda in modo diverso, al secondo si propongono alternative, al terzo si passa a una persona. Insistere oltre è il modo più sicuro per far riattaccare. E la lingua va dichiarata: un sistema che aspetta italiano e riceve una frase in un’altra lingua va instradato, non lasciato a indovinare.

Come si misura se capisce

Senza numeri la discussione resta sulle impressioni. I dati che servono sono quattro e le piattaforme li forniscono. Sono la quota di frasi non riconosciute, la quota di chiamate passate a una persona per mancata comprensione, la quota di chiamate chiuse in autonomia e il punto del dialogo in cui le persone abbandonano. Letti insieme dicono dove intervenire: se gli abbandoni si concentrano su una domanda, il problema è quella domanda, non il sistema.

A questi si aggiunge l’ascolto a campione delle conversazioni, che è il modo più rapido per capire cosa succede davvero. Le registrazioni contengono dati personali, quindi informativa, conservazione e accessi vanno decisi prima: il quadro è nella pagina dedicata al voicebot AI e centralino intelligente, con ciò che configura Netframe e ciò che resta al titolare del trattamento.

Il collaudo della comprensione

Si prova da fuori, non dalla scrivania accanto al server. Da un cellulare in vivavoce in auto, da un fisso in ufficio, con una cuffia economica, da una persona che parla in fretta e da una che parla con accento marcato. Si dettano codici veri e cognomi difficili. Poi si parla sopra al sistema a metà frase, e infine si resta in silenzio per vedere cosa succede. E si verifica che, dopo tre mancate comprensioni, la chiamata arrivi a una persona con il contesto raccolto fin lì.

Il collaudo va ripetuto dopo ogni cambio al dialogo e dopo ogni aggiornamento della piattaforma: i modelli di riconoscimento cambiano, e quello che funzionava può smettere di funzionare.

Da dove si parte

Da un’analisi delle chiamate reali: quali richieste arrivano, con quali parole, da quali ambienti, con quali dati da dettare. Su quella base si decide cosa chiedere a voce, cosa con i tasti, cosa non chiedere affatto perché è già in anagrafica. Netframe è un system integrator IT dell’Emilia-Romagna con sede a Modena: integriamo il voicebot AI sul centralino esistente, progettiamo il flusso sui dati reali e lo collaudiamo da fuori, per aziende di Modena, dell’Emilia-Romagna e di tutta Italia. Per il passaggio a una persona c’è la guida su voicebot o operatore umano; per il caso delle prenotazioni, dove i dati da riconoscere sono molti, la guida al voicebot per prenotazioni e appuntamenti.

Domande frequenti

Perché il voicebot capisce alcune persone e altre no?

Quasi sempre per una combinazione di audio e accento: una linea mobile in zona marginale, un vivavoce in auto, un ritmo di parlato diverso da quello su cui il sistema è stato provato. Si interviene sulla catena audio, si prova con voci reali e diverse prima di andare in esercizio, e si scrivono riformulazioni che aiutino invece di ripetere la stessa domanda.

Il voicebot può sostituire del tutto il menu a tasti?

Può, ma non conviene. I tasti restano l’alternativa per chi non vuole o non può parlare, la via più affidabile per dettare un codice numerico e l’uscita di sicurezza verso l’operatore. I progetti che funzionano sono ibridi: voce per capire il motivo della chiamata, tasti dove il dato è un numero.

Come faccio a fargli riconoscere i nomi dei nostri prodotti?

Caricando il vocabolario di dominio: le piattaforme permettono di indicare i termini attesi, nomi di prodotti, sigle, cognomi frequenti, località. Va fatto in configurazione e aggiornato quando il catalogo cambia. Senza, il sistema cerca di interpretare un nome proprio come una parola comune e sbaglia.

Quante chiamate deve chiudere da solo per dire che funziona?

Dipende da cosa gli si chiede: un sistema che risponde su orari e stato pratiche ne chiude molte di più di uno che gestisce reclami. Il numero giusto si fissa prima, sui dati delle chiamate reali, e si misura dopo con la quota di chiamate chiuse in autonomia, quella passata a una persona e il punto in cui le persone abbandonano.

Il voice bot deve dire che è un sistema automatico?

Sì. Dal 2 agosto 2026 si applica l’articolo 50 del Regolamento (UE) 2024/1689: chi interagisce con un sistema di intelligenza artificiale deve esserne informato. L’obbligo di progettare il sistema in modo trasparente è del fornitore della piattaforma; l’azienda che lo utilizza deve poter dimostrare che l’avviso ci sia, arrivi prima di qualsiasi raccolta di informazioni e non possa essere saltato parlando sopra.

Fonti

• ITU-T, Raccomandazione G.711, codifica della voce in banda telefonica, e Raccomandazione G.722, codifica audio a banda larga da 50 a 7.000 Hz
• ITU-T, Raccomandazione Q.23, caratteristiche tecniche dei telefoni a tastiera, segnalazione a toni
• Regolamento (UE) 2024/1689 (AI Act), articolo 50, e linee guida della Commissione europea del 20 luglio 2026
• Regolamento (UE) 2016/679 (GDPR), per registrazioni e trascrizioni
• Alfabeto di compitazione dell’aviazione civile internazionale, Annesso 10 ICAO, citato in forma descrittiva

Fonti verificate il 19 agosto 2026.

Nota di indipendenza: Netframe è un system integrator indipendente e multi-vendor. È certificata 3CX, AudioCodes e Patton; Microsoft e Alcatel-Lucent Enterprise sono technology partner; la piattaforma voicebot Mercury è integrata, installata e personalizzata da Netframe senza rapporti di rivendita esclusiva.