Leverantören säger att data ligger i EU. Hur kontrollerar vi att det faktiskt stämmer?

Be om det skriftligt, och be om namn. Ett anbud som säger ”i Europa” utan att nämna vilken region och vilka underleverantörer som är inne i ljudet är ett löfte, inte den dokumentation som punkten om datasäkerhet efterfrågar. Fråga också var rösten rör sig under samtalet, inte bara var inspelningen hamnar till slut, eftersom ett samtal kan passera flera led innan det är färdigbehandlat. Får du inte namnen på papper har du i praktiken fått svaret ”någonstans i USA”.

Hur mäter vi svarstiden själva när vi inte har tillgång till systemet?

Ring agenten från en vanlig telefon, spela in samtalet och mät avståndet från att du slutar tala till att du hör första ljudet av svaret. Det är det avståndet kunden känner, och över 1–2 sekunder upplevs samtalet som en walkie-talkie oavsett vad en instrumentpanel visar. Testa också en fråga som kräver en sökning i ditt CRM, inte bara den inledande hälsningen: ett svar som måste hämta data någonstans tar längre tid än en inövad välkomstfras. Du behöver ingen tillgång till systemet för att mäta det.

Demon var imponerande. Hur testar vi om den håller hos oss?

Flytta testet ut ur mötesrummet. Ring in från en bil i trafiken, från ett ställe med dålig täckning, med billiga hörlurar och med ljud runt omkring dig — alltså den vardag dina kunder ringer från. En agent som är tränad på rena, snygga inspelningar faller ihop först här, och det är just det som skiljer utställningshallen från vägen. Gör testet på samma telefonlinje som kunderna ska använda, inte i en webbläsardemo.

Leverantören skryter om stöd för över hundra språk. Är då inte svenska täckt?

Bredd och djup är inte samma sak, och hundra språk i listan säger ingenting om hur väl ett av dem är hanterat. Fråga i stället vad de konkret har gjort för svenska: hur de har labelat svenskt tal, om agenten är anpassad till svenska förhållanden och om det finns något annat än rikssvenska i modellen. Testa det sedan själv genom att låta kollegor med de dialekter dina kunder faktiskt har ringa in och använda fackuttryck från din bransch. Klarar den bara prydlig rikssvenska klarar den inte din kundkrets.

Vem gör egentligen prompting, labeling och fintuning — vi eller leverantören?

Klargör det innan ni skriver på, för det är här skillnaden mellan en rådgivare och en glorifierad chatbot med mikrofon ligger. Fråga vilka av de tre som ingår, vem som skriver och underhåller manuset när det måste ändras, och om anpassningen faktiskt görs på din bransch och ditt språk. Får du bara ett textfält att skriva i har du köpt verktyget och inte arbetet.

Det här behöver du veta när du väljer partner för Voice AI

De tre hemliga vapnen (som ingen berättar om)

Bakom varje bra röstagent ligger tre saker:

Prompting – Manuset som styr hur AI:n beter sig. (Utan det: samtal som spårar ur helt – och kunder som ger upp.)

Labeling – Byggstenarna som gör att AI:n fattar vad folk faktiskt säger. (Tips: “mhm” och “usch” är inte alltid lätta att tolka.)

Fintuning – Anpassningen som gör din agent till expert på din bransch, dina kunder och ditt språk. Det betyder att agenten faktiskt kan förstå branschjargong, tolka dialekter och träffa din tone of voice. Utan fintuning riskerar du att kunderna känner att de blir tilltalade av en robot – inte av en rådgivare.

Hoppar du över dem? Gratulerar – då har du bara en glorifierad chatbot med mikrofon.

Checklistan

När du ska välja Voice AI-leverantör är det här punkterna du MÅSTE kunna bocka av – utöver den prisenhet avtalet är skrivet i, som avgör mer än själva siffran längst ner i anbudet:

Datasäkerhet & GDPR – Var hamnar dina kunders röster? (Spoiler: “någonstans i USA” är fel svar.) Och kan leverantören dokumentera att agenten uppger att den är AI, som AI-förordningen kräver?

Integrationer – Pratar agenten med ditt CRM, eller låtsas den bara?

Röstupplevelse – Låter rösten som en människa? Eller som en GPS från 2008?

Anpassning – Kan agenten träffa din tone of voice – eller blir den som en kundtjänstrobot från en lågpriskedja?

Analys & lärande – Får du insikt i vad folk faktiskt frågar om, eller lämnas du i mörkret?

Support – Finns leverantören där när det går snett? Eller får du en PDF med en FAQ? Och kan de säga vilken modellversion agenten kör i dag, angiven som en sträng och inte som “den senaste”?

Språk & kultur – Klarar de svenska – på riktigt? (Inte bara rikssvenska, utan dialekter, slang och konstiga uttryck.) När en leverantör skryter om stöd för över hundra språk är det ett löfte om bredd – inte om djup.

Fördröjningar – den dolda dealbreakern

Här är sanningen: Du kan ha världens bästa röst, de mest avancerade integrationerna och perfekt språkförståelse. Men om agenten tar för lång tid på sig att svara rasar allt.

Fördröjningar på bara 1–2 sekunder kan göra samtalet krystat och oanvändbart. Det känns som att prata i walkie-talkie: “Över och ut.” Det orkar ingen kund med.

En professionell Voice AI måste svara omedelbart. Svaret måste kännas lika naturligt som när du pratar med en människa. Därför har vi på Threll.ai jobbat riktigt hårt med att kapa latency – så att stemme Threller upplevs sömlösa och äkta.

Bakgrundsljud – den osynliga fienden

Att chatta med en AI på tangentbordet är enkelt: ren text in, ren text ut. Men i verkligheten pratar dina kunder i telefon – och då blir ljudbilden kaotisk:

Trafik i bakgrunden
Barn som skriker
Dåliga hörlurar
Dålig täckning

Allt det kan förstöra AI:ns förmåga att förstå vad som sägs.

Därför är ljudkvalitet och brushantering helt avgörande i Voice AI. Om ditt system inte kan filtrera bort bakgrundsljud får du frustrerade kunder och missförstånd.

På Threll.ai har vi byggt Stemme Threller som är tränade på verkliga, ofullkomliga samtal. Det betyder att de inte bara fungerar i ett tyst mötesrum – utan också i kundens vardag.

Vad betyder det här för dig?

Att välja Voice AI är som att köpa bil: I utställningshallen ser alla bra ut, men det är först ute på vägen du märker om motorn faktiskt håller.

Hos Threll.ai bygger vi Stemme Threller från grunden – med nordiska förhållanden i DNA:t. Vi kan språket, vi kan kulturen, och vi kan de integrationer som gör att lösningen fungerar i praktiken.