Wir haben über das letzte Jahr ein Dutzend KI-Telefon-Agents in Produktion gebracht. Die Demos klingen immer gut. In Produktion zählt etwas anderes.
Latenz ist der erste Killer
Mensch erwartet < 800 ms Reaktion. Das schaffst du nur mit Streaming-TTS und einem Modell, das auch streamt, nicht erst den ganzen Satz formuliert.
Fallbacks sind Pflicht
Wenn die KI nicht weiterkommt, muss sie sauber an einen Menschen oder einen Anrufbeantworter übergeben, nicht stumm bleiben.
