Um assistente de agendamento precisa de mais do que uma voz com som natural. Ele precisa de uma forma confiável de ouvir o cliente, agir na solicitação correta e explicar o resultado confirmado.
O que o runtime conversacional faz?
O runtime processa a fala, decide como responder e produz áudio para o chamador.
Uma aplicação pode combinar reconhecimento de fala, um modelo de linguagem e síntese de fala, ou usar um modelo que processa áudio diretamente. Ela também gerencia o controle de turnos: quando ouvir, quando falar e o que acontece quando o chamador interrompe.
Ferramentas de negócio dão à conversa um resultado útil. Uma ferramenta de agendamento pode verificar disponibilidade e solicitar uma reserva. A aplicação deve distinguir uma reserva confirmada de um timeout ou resultado desconhecido antes de o agente falar.
Uma plataforma gerenciada pode fornecer algumas dessas peças. Telnyx AI Assistants expõe configuração de modelo, voz e ferramentas. As ferramentas integradas do Vapi incluem ações usadas durante uma conversa. Essas configurações de runtime são dependências separadas ao trocar de provedor de telefonia.
Como o agente alcança a rede telefônica?
Um runtime de agente compatível com SIP se conecta por meio de um trunk de um provedor de telefonia, com um caminho de mídia transportando o áudio.
SIP estabelece e modifica a sessão. O runtime também precisa enviar e receber mídia; uma troca de sinalização bem-sucedida não mostra que ele ouve o chamador.
Para chamadas recebidas, um número de telefone encaminha o chamador ao endpoint da aplicação. Para chamadas realizadas, a aplicação usa uma identidade de chamador permitida e um destino que a conexão pode alcançar. A disponibilidade do número, a apresentação do chamador e o comportamento da rede receptora são questões separadas.
Trocar o trunk não copia os prompts, vozes, ferramentas ou fontes de conhecimento do agente. Mantenha esses componentes no runtime que você preserva, ou migre-os explicitamente.
O que faz a conversa funcionar sob interrupção?
O runtime deve lidar com um chamador que fala por cima de um prompt, muda de direção ou dá uma resposta ambígua.
Teste nomes, datas e números pelo caminho real de áudio telefônico. Inclua ruído de fundo, ferramentas de negócio lentas e uma ação cujo resultado é incerto. A aplicação deve verificar uma operação possivelmente concluída antes de tentar novamente.
A transferência para uma pessoa também precisa ter um resultado definido. O agente precisa saber para onde encaminhar a conversa e o que dizer quando esse destino não estiver disponível. O funcionamento das transferências e conferências é controlado pelo aplicativo conectado ou pelo sistema telefônico da empresa (PBX), que direciona as chamadas para pessoas ou equipes. Verifique esse funcionamento em todo o percurso da chamada.
O que devo medir?
Meça conectividade telefônica, comportamento conversacional e conclusão de negócio separadamente.
O registro da chamada mostra o resultado telefônico. Áudio e transcrições ajudam a revisar o que foi ouvido e dito. O sistema de agendamento, pagamento ou atendimento confirma se a ação solicitada aconteceu.
Um teste apenas com transcrição não consegue avaliar qualidade de áudio ou comportamento de interrupção. Uma chamada atendida não consegue comprovar uma interação bem-sucedida com o cliente. Mantenha gravações ausentes, transcrições com falha e resultados incertos de ferramentas visíveis na revisão.
Como conecto uma aplicação de voz com IA ao Bird?
Você conecta sua aplicação de voz com IA por meio de um trunk SIP. Defina inbound_enabled como true para chamadas que chegam ao seu agente. Habilite outbound_enabled para chamadas que ele realiza. Ambas as direções começam desabilitadas, então um trunk novo recusa chamadas até que você habilite a direção necessária.
Atualizações de trunk exigem voice_management no nível de escrita.
Para entrega de chamadas recebidas, o sip_uri do gateway contém o host e a porta opcional do seu runtime, sem nome de usuário. O destination_format se torna a parte antes de @ no endereço SIP entregue. O +{number} padrão repassa o número discado. Um valor fixo encaminha todos os números recebidos para um único endereço de runtime.
O priority do gateway determina a ordem de failover: um gateway em 0 é tentado antes de um em 1. Depois, você aponta um número mantido e habilitado para recebimento para o trunk em Roteamento de entrada.
Para chamadas realizadas, seu runtime se conecta ao domain retornado pelo trunk. Com autenticação por chave API, allowed_api_key_ids lista as chaves permitidas; cada uma precisa de voice no nível de escrita. Seu runtime usa bird como nome de usuário SIP e o segredo da chave selecionada como senha. A atualização da lista de chaves permitidas a substitui por completo, então mantenha as chaves que outros clientes ainda usam.
Chamadas realizadas também exigem um caller ID verificado e um país de destino habilitado e disponível.
Seu runtime é dono das ações de negócio e transferência para atendente humano. As ferramentas MCP hospedadas do Bird gerenciam recursos do espaço de trabalho; elas não executam o loop de fala e raciocínio em tempo real.
Em resumo
O runtime é dono da conversa.
Fala, raciocínio, ferramentas e controle de turnos pertencem à aplicação ou plataforma que executa o agente.
A conexão telefônica transporta a chamada.
Números, sinalização SIP, mídia e identidade do chamador formam a conexão com o telefone do cliente.
Teste a interação completa.
Áudio, interrupções, resultados incertos de ferramentas e transferência para atendente humano precisam de testes no caminho real de chamada.
Um sistema de negócio confirma seu próprio resultado.
Uma confirmação falada ou um resumo gerado não prova que um agendamento ou outra ação foi bem-sucedida.