Vapi

Vapi è una piattaforma per costruire agenti vocali: assistenti telefonici che rispondono a una chiamata, capiscono la richiesta e portano a termine un'operazione. Non fornisce né il riconoscimento del parlato né la voce sintetica, li orchestra: si scelgono il servizio di trascrizione, il modello linguistico e la voce, e la piattaforma si occupa della parte difficile, cioè gestire le interruzioni, capire quando l'interlocutore ha finito la frase e tenere la latenza bassa abbastanza perché la conversazione non sembri finta.

È uno degli strumenti di riferimento per chi porta l'IA al telefono, ma va detto subito che è rivolto a chi sviluppa: senza qualcuno che scriva le funzioni da collegare ai sistemi aziendali resta un giocattolo. Il modello di prezzo è a consumo, al minuto di conversazione, e il conto finale dipende dai fornitori che si scelgono per ciascun pezzo. Questo dà libertà, ma rende il preventivo tutt'altro che immediato.

Come si monta un agente che risponde al telefono

Si scelgono tre pezzi e si mettono in fila: chi trascrive quello che dice la persona, quale modello linguistico decide la risposta, quale voce la pronuncia. La piattaforma tiene insieme i tre pezzi, gestisce le interruzioni, capisce quando l’interlocutore ha finito di parlare e collega il tutto a un numero di telefono vero. Poi si aggiungono le funzioni che l’agente può richiamare: controllare una disponibilità, aprire una pratica, passare la chiamata a una persona. Gli strumenti di prova e di simulazione ci sono in tutti i piani, e servono, perché al telefono un errore non si può nascondere. La prova sul campo, con i tempi di risposta misurati, l’abbiamo raccontata nella recensione dedicata.

Come si legge il conto, che è la parte insidiosa

Non si paga un abbonamento e basta: si paga al minuto, e il minuto è la somma di quattro voci diverse. La piattaforma trattiene cinque centesimi di dollaro al minuto per l’infrastruttura e passa senza ricarico i costi di trascrizione, del modello e della voce, ognuno col listino del fornitore che si è scelto, come si legge sul tariffario ufficiale. Vuol dire che un minuto costa circa otto centesimi nella configurazione economica e può arrivare oltre i dodici con un modello ragionatore e una voce di qualità. Cambiare un pezzo cambia la fattura: la scelta della voce, da sola, può valere il venti per cento del totale.

Quanto costa nella pratica

Si parte con cinque dollari di credito in regalo, che bastano per una cinquantina di minuti di prova: abbastanza per capire se la latenza è accettabile sull’italiano. Senza pacchetto di assistenza si resta operativi con quattro chiamate in contemporanea, un numero di telefono e i dati conservati due settimane: sufficiente per un prototipo, stretto per un servizio reale. Il pacchetto intermedio costa ventinove dollari al mese e porta a dieci chiamate in contemporanea, cinque numeri e un mese di conservazione. Il salto successivo parte da novecentonovantanove dollari al mese: lì si compra l’accordo sui livelli di servizio, non la funzione in più.

Per chi ha senso e per chi no

Ha senso per chi ha un centralino che squilla a vuoto e vuole coprire le richieste ripetitive: prenotazioni, stato di un ordine, primo filtro su una richiesta di assistenza. Ha senso per chi fa chiamate in uscita di qualificazione e vuole misurare i risultati. Ha senso soprattutto per chi ha in casa qualcuno che scrive codice, perché il pannello di controllo non basta: il valore sta nelle funzioni collegate ai propri sistemi. Non ha senso per chi cerca una soluzione pronta da attivare senza sviluppo, e non ha senso su conversazioni che possono diventare delicate, dove serve una persona. Sull’italiano, infine, conviene provare la voce con le proprie frasi tipiche prima di firmare qualsiasi cosa: la qualità cambia molto da un fornitore all’altro, come si vede dal confronto fra le voci italiane di ElevenLabs e Cartesia.