Nel 2020 mostravo ai clienti le mie prime demo serie di voicebot. Lo stack lo ricordo bene: Amazon Polly, Google Cloud Text-to-Speech, le voci di Siri per i prototipi su mobile. Il meglio disponibile, all'epoca.

Il commento dei clienti, però, era sempre lo stesso: "È meno robotica del solito, ma si sente che non è umana"

Sei anni dopo, quella frase non la sento più. Le domande sono diventate altre: "come faccio a essere sicuro che il tono sia quello giusto per il mio brand?". E sempre più spesso: "come si comporta se il cliente è arrabbiato?".

Per chi, come me, ha vissuto questi sei anni dall’interno - muovendosi costantemente tra customer experience e marketing conversazionale - questa è una soglia che merita di essere raccontata. Non stiamo più cercando di superare un semplice test di Turing acustico. Stiamo iniziando a progettare qualcosa di molto più profondo: relazioni.

Ed è proprio dentro questa transizione che, negli ultimi anni, Brief è diventato per me un laboratorio concreto: uno spazio di ricerca e sperimentazione in cui osservare come la voce possa evolvere da semplice interfaccia a vera infrastruttura relazionale per business, comunicazione e customer experience.

La traiettoria, raccontata da chi ci ha messo le mani

2020–2022. Polly NTTS, Google Cloud TTS, voci di Siri. Voci neurali che suonavano naturali finché non chiedevi loro qualcosa di nuovo. La frustrazione del designer era costante: la voce era bella — potevo regolare i semitoni in SSML, scegliere tra accenti, contare su pronunce native - ma il sistema dietro era cieco al contesto emotivo. Costruivamo IVR che pronunciavano "mi dispiace molto" con la stessa cadenza di "premi 1 per parlare con un operatore".

2023. ElevenLabs cambia il gioco. Voice cloning per consumer, prosodia molto più ricca, possibilità reale di costruire una brand voice riconoscibile. Il problema però resta: bella voce, contesto cieco.

2024–2025. Hume EVI, OpenAI Realtime, speech-to-speech a bassa latenza. Per la prima volta i miei prototipi rispondevano in 300 millisecondi e adattavano il ritmo del parlato al tono di chi avevano davanti. Il pivot UX è stato profondo: smettere di scrivere script vocali e iniziare a progettare stati conversazionali.

È in questa fase che, anche attraverso il lavoro su Brief, la sperimentazione si è spostata dalla semplice qualità della voce alla progettazione di modelli conversazionali applicabili a scenari reali: podcast dinamici, brand voice, customer interaction e nuove forme di comunicazione aziendale.

2026. Anthropic pubblica la ricerca sulle emozioni funzionali: dentro i modelli ci sono strutture interne, misurabili, che corrispondono a 171 concetti emotivi e influenzano causalmente l’output. Per chi progetta voce, questa scoperta non è filosofia: è un layer di osservabilità in più. Posso finalmente vedere quando il sistema percepisce frustrazione, e farlo reagire in modo coerente.

Perché la voce, specificamente, cambia tutto

Da UX designer, in questi anni ho imparato un principio che vale ripetere: la voce non è "testo con audio". È un canale fondamentalmente diverso.

Nel testo, la curva di tolleranza è alta: se un chatbot risponde in due secondi anziché uno, nessuno se ne accorge. In voce, mezzo secondo di silenzio non programmato è un’eternità. Nel testo l’errore di tono è perdonabile (rileggi, riformuli). In voce, una pronuncia sbagliata davanti a un cliente preoccupato distrugge la fiducia in due secondi.

La voce, però, ha un vantaggio enorme: trasporta significato per via prosodica. Una pausa, un piccolo abbassamento di tono, un rallentamento sulla parola giusta - comunicano cura senza dover dire "ti capisco". È la differenza tra recitare un copione e parlare a una persona. Ed è qui che la nuova generazione di sistemi cambia davvero il lavoro del progettista.

Quattro scenari concreti che mi entusiasmano

1. De-escalation al posto di escalation. Oggi, quando un cliente è arrabbiato, lo trasferiamo subito a un umano - che riceve una persona già al picco di frustrazione. Con un voice agent emotivamente consapevole, il sistema percepisce il segnale prosodico di tensione, rallenta il proprio ritmo, abbassa l’intonazione, conferma di aver capito il problema. Quando l’umano subentra - perché in molti casi deve subentrare - riceve una persona più calma. È un guadagno per tutti: cliente, agente, azienda.

2. Accessibilità come default, non come optional. Una voice UX adattiva può rallentare con un anziano, articolare meglio con un non madrelingua, riconoscere quando una persona è in difficoltà cognitiva e semplificare il linguaggio. Per la prima volta, l’inclusività non è una checklist post-produzione: è una proprietà nativa del sistema.

3. Una brand voice coerente in 40 lingue. Per le aziende internazionali, mantenere un tone of voice coerente attraverso lingue, mercati e canali è oggi un incubo. Le piattaforme attuali permettono di definire un’identità vocale (timbro, cadenza, livello di formalità, registro emotivo) e replicarla in modo riconoscibile in decine di lingue. Per il marketing conversazionale è un cambiamento strutturale: il brand smette di essere un logo e diventa, davvero, una voce.

È una direzione che, attraverso Brief, abbiamo esplorato direttamente: trasformare la voce in un asset strategico di comunicazione, capace di rendere identità, tono e relazione scalabili attraverso lingue, mercati e touchpoint differenti.

4. Presenza notturna empatica, non sostitutiva. L’AI vocale può informare, accompagnare, contenere ansie a notte fonda - con la giusta architettura di safety che passa la palla a un umano quando serve. E ora, grazie al monitoraggio dei vettori emotivi interni, anche con più affidabilità nel capire quando serve un umano. Non per sostituire la relazione, ma per coprire le ore in cui altrimenti non ci sarebbe nessuno.

Il quinto scenario è in realtà la direzione

I quattro casi che ho appena descritto, però, condividono un limite che, da designer, sento sempre più chiaramente. Funzionano con un’AI che conosce molto bene la media dell’umanità - perché è stata addestrata su quasi tutto ciò che l’umanità ha prodotto - ma che conosce ancora molto poco te, come individuo. Sa interagire come se ti conoscesse, ma nella maggior parte dei casi sta ancora rispondendo alla media, non alla tua unicità.

Il passo successivo è invertire questa asimmetria.

Immagina un’AI che smette di essere una copia impersonale del sapere collettivo e diventa un’estensione autentica del singolo individuo. Non un modello generico che predice parole, ma un cervello digitale personale: apprende dalla tua voce, dalle tue scelte, dai tuoi valori, dalle tue espressioni, dal tuo contesto - nel pieno rispetto di privacy ed etica. Una forma di Autonomous Human Intelligence: una mente aumentata capace di pensare, decidere e agire in sintonia con chi sei davvero. Non sostituisce te. Amplifica il tuo giudizio, la tua creatività, la tua capacità decisionale.

E la voce, in questa transizione, ha un ruolo che da designer trovo straordinario. Perché la voce è probabilmente l’interfaccia più biografica che abbiamo: porta dentro l’età, l’origine, l’umore, l’esitazione, la storia di chi parla. Le stesse infrastrutture che oggi leggono "frustrazione vs soddisfazione" del cliente in chiamata, domani leggeranno te - il tuo modo di formulare un dubbio, la tua cadenza quando rifletti, le parole che eviti - e risponderanno dalla tua mappa interna, non dalla media di internet.

In sintesi: l’AI passa da strumento standardizzato a evoluzione personale della mente umana. Il tuo cervello, potenziato.

Cosa cambia, alla fine, per chi progetta

Sei anni fa, gran parte del lavoro consisteva nello scegliere una buona voce sintetica e scrivere un copy efficace.

Oggi, progettare esperienze vocali significa costruire vere e proprie architetture di sensibilità: layer di osservazione capaci di interpretare il tono del cliente, policy che guidano l’adattamento senza scivolare nel paternalismo, guardrail che riconoscono quando l’AI deve fermarsi e lasciare spazio a un essere umano.

Ed è un lavoro - lo dico senza retorica - profondamente più evoluto e interessante di quello di allora. Perché non si tratta più semplicemente di progettare una voce. Si tratta di progettare un modo di essere presenti.

Ed è proprio lungo questa traiettoria che, negli ultimi anni, Brief ha rappresentato per me molto più di una piattaforma: un laboratorio concreto di ricerca, sperimentazione e visione applicata sulle nuove potenzialità della voce. Un percorso costruito attraverso prototipi, intuizioni e progettazione continua, che oggi inizia a trasformarsi in modelli d’uso realmente efficaci per il business, la comunicazione aziendale e la costruzione di relazioni più intelligenti tra persone, brand e tecnologie conversazionali.

www.voicebrief.app