La startup di Boston Modulate ha annunciato una nuova raccolta di capitale da 25 milioni di dollari, segnando una fase di maturità per il settore della voice intelligence. L'investimento mira a superare la semplice trascrizione vocale, focalizzandosi sulla comprensione profonda delle dinamiche conversazionali. Il capitale sarà impiegato per sviluppare una piattaforma avanzata basata su numerosi modelli vocali di piccole dimensioni, progettati per gestire la trascrizione, l'analisi emotiva, il rilevamento di deepfake, il riconoscimento di musica generata dall'intelligenza artificiale e il controllo delle policy negli agenti vocali, specialmente in settori regolamentati.
L'evoluzione di Modulate: dal gaming alla supervisione AI
Fondata nel 2017 da Mike Pappas e Carter Huffman, Modulate ha visto la sua missione evolvere significativamente. Inizialmente concentrata sulla modulazione vocale per il gaming, l'azienda ha progressivamente spostato il proprio focus, riflettendo un più ampio cambiamento del mercato: dalla voce come strumento di identità digitale alla voce come infrastruttura critica per la sicurezza, la compliance e la customer experience. Il round di finanziamento, guidato da Future Ventures con la partecipazione di Hyperplane e Lakestar, arriva in un momento in cui le aziende stanno adottando sempre più agenti AI vocali e necessitano di strumenti efficaci per misurarne affidabilità, rischi e qualità operativa.
L'approccio tecnico di Modulate si distingue per l'utilizzo di oltre 100 modelli, suddivisi in due categorie principali: modelli di estrazione del segnale e modelli di analisi. I primi sono deputati all'osservazione di elementi quali emozione, tono, lingua e la natura sintetica dell'audio. I secondi, invece, interpretano l'intento, identificano violazioni di regole, possibili frodi o comportamenti anomali. Questa architettura si discosta dai tradizionali modelli monolitici, optando per una rete di componenti specializzati orchestrati in base al compito specifico.
Velma e i limiti della trascrizione testuale
La piattaforma Velma, che Modulate presenterà, rappresenta il fulcro del suo posizionamento sul mercato.
Questa soluzione di voice intelligence in tempo reale si basa sull'architettura Ensemble Listening Model, con l'obiettivo primario di individuare quei segnali conversazionali che i sistemi basati sulla sola trascrizione testuale tendono a perdere. Tra questi, spiccano l'enfasi, la frustrazione, l'esitazione, il rischio di escalation e le problematiche di compliance.
Questo aspetto evidenzia il tema dei conversational blind spots, ovvero i punti ciechi nelle interazioni gestite dagli agenti vocali. Un sistema può fornire una risposta corretta a livello informativo, ma fallire sul piano relazionale, non cogliendo l'urgenza, il disagio o l'irritazione del cliente. Per settori come i call center, le banche o i servizi assicurativi, questa lacuna può tradursi in un aumento degli abbandoni, richiami frequenti, trasferimenti di chiamata inutili o potenziali rischi regolatori.
Voice intelligence: difesa contro frodi e per la privacy
La voice intelligence si afferma anche come una tecnologia di difesa strategica. Modulate è impiegata nel rilevamento di deepfake, truffe telefoniche e attacchi veicolati attraverso chiamate vocali. In un'epoca in cui la clonazione vocale è sempre più accessibile, il valore di questa tecnologia non risiede unicamente nel riconoscimento dell'identità, ma nella capacità di misurare l'autenticità, l'intento e i potenziali rischi associati alle interazioni vocali, garantendo maggiore sicurezza e tutela della privacy aziendale.
