Hur skiljer sig det här från en IVR?

IVR-system använder stela menyer och gör användare frustrerade. Röstagenter förstår fritt tal, ställer följdfrågor och anropar API:er för att faktiskt slutföra uppgiften. Arkitekturen är också helt annorlunda – en IVR är ett träd, en röstagent är en LLM med verktyg.

Hur är det med dialekter, väntemusik och dåliga uppkopplingar?

Alla verkliga problem vi mäter mot. Vi kör skuggläge (agenten lyssnar men agerar inte) på en del av din riktiga samtalstrafik under vecka 4–6, så att vi mäter prestanda på dina egna kunder – inte på iscensatta testsamtal.

Kan agenten eskalera till en människa?

Ja, och på ett smidigt sätt – en varm överkoppling med kontext, inte ett ”kopplar dig nu” följt av tystnad. Vi designar eskaleringen till en människa som ett förstklassigt flöde, inte som en reservlösning, eftersom det är där de flesta röstprojekt misslyckas.

Är det här förenligt med TCPA, GDPR och krav på samtycke från båda parter?

Ja, det är inbyggt från grunden – information vid samtalets start, insamling av samtycke, regler för hur länge inspelningar sparas och integration mot spärrlistor (DNC) är en del av bygget. Vi går igenom just dina jurisdiktioner och branscher i discoveryfasen.

AI-röst och telefoni

AI-röst och telefoni – riktiga samtal, riktiga agenter

Rösten är tillbaka – men inte som en IVR. Vi bygger AI-röstagenter som hanterar riktiga kundsamtal från början till slut: tidsbokning, supportärenden, kvalificering av utgående samtal – under 700ms latens, med de skyddsräcken som hindrar dem från att gå utanför manus på en inspelad linje.

Vad som händer under varje samtal, i millisekunder

1
Ljud in
Telefonilagret (Twilio/LiveKit) strömmar ljudet
2
Tal till text
Streamande STT (Deepgram, Whisper)
3
LLM beslutar
Verktygsval, RAG, kontroll mot skyddsräcken
4
Verktyg / API
Kalender, CRM, ärendesystem
5
Text till tal
Streamande TTS (ElevenLabs, Cartesia)

Latens under ~700ms till första token är gränsen för att det ska ”kännas som en människa”.

Det här får du

Röstarkitektur som spänner över telefoni (Twilio, Plivo, SignalWire), realtidslager (LiveKit, Vapi, Pipecat), STT/TTS och själva LLM-hjärnan

Under 700ms latens till första token – gränsen mellan ”känns som en människa” och ”känns som en bot”

Verktygs- och API-integration så att agenten faktiskt kan utföra saker: boka i din kalender, skapa ärenden, uppdatera CRM-system

Hantering av avbrott (barge-in) och en smidig eskalering till en människa när agenten är osäker

Regelefterlevnad för inspelade samtal: TCPA, GDPR, samtycke från båda parter – inbyggt i samtalsflödet, inte påklistrat i efterhand

Utvärderingsramverk med transkript från riktiga samtal, så att varje release grindas på kvalitet – inte på magkänsla

Kostnadsmodell per samtal – röst, LLM och transkribering drar snabbt iväg, och vi dimensionerar för en enhetsekonomi som faktiskt går ihop

När det passar

Du hanterar volym av repetitiva samtal (tidsbokning, kvalificering, förstalinjens support) där en människa är överkvalificerad
Du kan mäta framgång: genomförda bokningar, lösta ärenden, samtal som hanteras utan eskalering
Ett misstag går att reparera – en missad bokning kan bekräftas om igen, det handlar inte om liv och hälsa
Du är beredd att börja smalt (en samtalstyp) och utöka när utvärderingsramverket visar att det är säkert

När det inte passar

Samtalstypen är känslomässigt känslig (kris, klagomål, känslig vård) – röstagenter är fel verktyg för det
Volymen är för låg för att motivera bygget – under ~5k samtal/månad är det oftast billigare med en mänsklig kundtjänst
Din telefonilösning är proprietär och stängd för integration – vi kan inte koppla till det vi inte kommer åt

Process

Vecka 1: design av samtalsflödet och definition av verktygskontrakt. Vecka 2–3: en latensfokuserad prototyp med en samtalstyp, hela vägen igenom. Vecka 4–6: skyddsräcken, utvärderingsramverk och skuggläge mot riktiga samtal (agenten lyssnar men agerar inte). Vecka 7–10: live med en liten andel av trafiken, som skalas upp bakom en feature flag när måttet håller.

Hela leveransprocessen

Prissättning

Fast pris för den första samtalstypen: $80–180k beroende på integrationsytan. Kvartalsuppdrag med en pod för att expandera till fler samtalstyper. Infrastrukturkostnaden per samtal (telefoni + STT/TTS + LLM) landar normalt på $0.08–0.30/samtal i skala.

Se våra samarbetsformer

Kundcase

HR & rekrytering

AI-drivet rekryteringssystem (ATS)

Heltäckande ATS med AI-matchning av kandidater, automatisk CV-tolkning och realtidskommunikation med kandidaterna – för över 10 000 kandidater i månaden.

Så skulle vi bygga det

Blueprints: exempelprojekt med planen, arkitekturen och målen vi skulle utgå från.

Blueprint · Tandvårds- och fysioterapikedjor

Bokningssystem för tandvård med AI-receptionist

Onlinebokning över kliniker och stolar, påminnelser och kallelser mot uteblivna besök och en AI-receptionist i telefon som lämnar över till ditt team.

Vanliga frågor

Hur skiljer sig det här från en IVR?: IVR-system använder stela menyer och gör användare frustrerade. Röstagenter förstår fritt tal, ställer följdfrågor och anropar API:er för att faktiskt slutföra uppgiften. Arkitekturen är också helt annorlunda – en IVR är ett träd, en röstagent är en LLM med verktyg.
Hur är det med dialekter, väntemusik och dåliga uppkopplingar?: Alla verkliga problem vi mäter mot. Vi kör skuggläge (agenten lyssnar men agerar inte) på en del av din riktiga samtalstrafik under vecka 4–6, så att vi mäter prestanda på dina egna kunder – inte på iscensatta testsamtal.
Kan agenten eskalera till en människa?: Ja, och på ett smidigt sätt – en varm överkoppling med kontext, inte ett ”kopplar dig nu” följt av tystnad. Vi designar eskaleringen till en människa som ett förstklassigt flöde, inte som en reservlösning, eftersom det är där de flesta röstprojekt misslyckas.
Är det här förenligt med TCPA, GDPR och krav på samtycke från båda parter?: Ja, det är inbyggt från grunden – information vid samtalets start, insamling av samtycke, regler för hur länge inspelningar sparas och integration mot spärrlistor (DNC) är en del av bygget. Vi går igenom just dina jurisdiktioner och branscher i discoveryfasen.

Utvecklare på TekPiq i ett arkitekturmöte vid whiteboarden, där en av dem skissar på datamodellen — Arkitektursession på vårt kontor – kunduppgifter på tavlan är suddade.

Vem som bygger det

Vårt eget team, som arbetar från vårt kontor i Istočno Sarajevo, Bosnien och Hercegovina. Ingenjörerna på ditt behovssamtal är samma personer som bygger det.

Möt teamet

AI-röst och telefoni – ska vi prata?

Ett 30 minuters behovssamtal. Förutsättningslöst och utan säljtryck.