Laut dem Herausgeber der Plattform ElevenAgents setzt sich die Stimme gegenüber dem Text-Chat durch, wenn das zu lösende Problem komplex oder stressig ist. Seine Studie, die an Hunderten von produktiven Agents durchgeführt wurde, zeigt, dass der Vorteil der Stimme mit der Dauer des Gesprächs wächst, während der Chat bei kurzen Austauschen einen leichten Vorteil behält.
- Die Stimme setzt sich bei komplexen und stressigen Gesprächen gegenüber dem Chat durch.
- Ab zwei Minuten ist die Erfolgsquote der Stimme um 10,9 Punkte höher.
- Eine geringe Latenz steigert die Erfolgsquote deutlich, besonders zu Gesprächsbeginn.
- Die meisten Nutzer bevorzugen die Stimme wegen schneller Lösung und Empathie.
Das Unternehmen verglich Telefon- und WhatsApp-Sprachanrufe mit Chat-Sessions bei Agents, die beide Kanäle anbieten. Es ergänzte diese Analyse durch eine Nutzerstudie. Die Gesprächsdauer dient als Stellvertreter für die Komplexität des Problems.
Eine effektivere Stimme für komplexe Probleme
Unter einer Minute erzielt der Chat bessere Ergebnisse, um etwa 9 Prozentpunkte. Zwischen einer und zwei Minuten sind beide Kanäle etwa gleichwertig. Über zwei Minuten hinaus hat die Stimme die Nase vorn: Ihre Erfolgsquote ist um 10,9 Punkte höher, was einem Anstieg von 31,7 % entspricht, und fast zwei Drittel der Agents erzielen auf diesem Kanal bessere Ergebnisse.
Erfolgreiche lange Gespräche werden auch schneller gelöst. Unter ihnen erreicht die Stimme im Durchschnitt 4,6 Minuten, gegenüber 7 Minuten für den Chat. Bei den 90 Agents mit ausreichend erfolgreichen langen Gesprächen auf beiden Kanälen haben 78 % die Anliegen per Stimme schneller gelöst.
Der Herausgeber weist darauf hin, dass die Dauer ein unvollkommenes Maß für die Komplexität bleibt, insbesondere für den Chat, wo Kunden Pausen zwischen Nachrichten machen können. Er führt eine mögliche Erklärung an: Die Stimme erlaubt es, mehr Boden zu decken. Menschen sprechen etwa dreimal schneller, als sie tippen, und ein mündlicher Austausch hält beide Gesprächspartner engagiert.
Geschwindigkeit und Empathie
Nicht alle Sprachgespräche führen zum Erfolg, und die Latenz, also die Antwortzeit des Agents, gehört zu den Hauptursachen für Misserfolge. In 315 Gesprächen, in denen auf ein schnelleres großes Sprachmodell (LLM) umgestellt wurde, korreliert eine Senkung der durchschnittlichen End-to-End-Latenz um 16 % mit einem Anstieg der Erfolgsquote um 26 %. Gleichzeitig sank der Anteil der Anrufe, die in weniger als 15 Sekunden enden, von 21,1 % auf 3,8 %.
Laut dem Herausgeber zählt die Latenz vor allem zu Beginn eines Anrufs, wenn der Gesprächspartner entscheidet, online zu bleiben. Ein langsamer Agent kann den Eindruck erwecken, die Leitung sei unterbrochen oder das System funktioniere nicht.
Auch die Art, wie der Agent sich ausdrückt, spielt eine Rolle. In einer Studie mit 98 Teilnehmern sollten diese ein simuliertes Szenario eines stornierten Flugs, ähnlich dem in diesem Video gezeigten, lösen, indem sie einen neuen Flug mit einem Sprach-Agent und einem Chat-Agent in zufälliger Reihenfolge buchten. Nach der Übung gaben 85 % an, die Stimme zu bevorzugen, wobei sie insbesondere die schnelle Lösung und Empathie als Hauptgründe nannten.
Für die schwierigsten Gespräche hält der Herausgeber die Stimme für die erfolgversprechendste Lösung, sofern sie gut gestaltet ist. Der Agent muss in der Lage sein, die Anfrage zu Ende zu führen, den Kontext zu behalten und sich mit den Unternehmenssystemen zu verbinden, um den Flug selbst zu buchen oder die Erstattung auszulösen. Geringe Latenz und eine ruhige, empathische Stimme runden das Angebot ab. ElevenAgents bietet einen einzigen Agenten an, der für Stimme und Chat über dasselbe Wissen und dieselben Integrationen verfügt.
Die Studie umfasste Agents, die zwischen Mai und Juli 2026 mindestens 50 Sprachgespräche und 50 Chat-Gespräche bearbeitet hatten. Jeder wurde anhand der von seinem Unternehmen für den eigenen Anwendungsfall definierten Erfolgskriterien bewertet. Um Verzerrungen zu vermeiden, wurde jeder Agent mit sich selbst verglichen, nicht mit der Gesamtheit der Gespräche, da Unternehmen sich in Nutzung, Volumen und Erfolgsdefinition unterscheiden.
