xAI lancia Voice Agent Builder: crea un call center AI senza scrivere una riga di codice

Caratteristiche principali

• Builder visuale no-code: progetta agenti vocali con prompt, flussi di conversazione e risposte in una semplice interfaccia grafica. Nessuno sviluppatore necessario .
• Oltre 80 voci preimpostate più clonazione vocale: è possibile clonare qualsiasi voce umana con un clip audio di circa 1 minuto, tramite l'API Custom Voices. La verifica della proprietà richiede circa 2 minuti .
• Basato su Grok Voice Think Fast 1.0: latenza sub-secondo, ragionamento multi-step e conversazioni in tempo reale, con riconoscimento e sintesi vocale end-to-end .
• Tool calling / function calling: gli agenti possono eseguire ricerche web, cercare su X, chiamare API personalizzate e utilizzare strumenti MCP durante una conversazione .
• Telefonia integrata: gli agenti si collegano tramite SIP, WebSocket o LiveKit per fare e ricevere chiamate telefoniche reali sulla rete PSTN .
• Recupero file: gli agenti possono estrarre informazioni da documenti caricati .
• Supporto per oltre 100 lingue: output multilingua con l'API Custom Voices .
• Prezzi per input di testo: $0,004 per messaggio di testo in input .

Come funziona

1. L'utente apre il builder UI sulla piattaforma xAI.
2. Sceglie una voce (o ne clona una da un breve clip audio).
3. Configura le istruzioni dell'agente, gli strumenti e la logica di conversazione in modo visuale.
4. L'agente si connette tramite WebSocket, SIP o LiveKit per lo streaming audio bidirezionale in tempo reale .
5. Le chiamate vengono fatturate a $0,05 al minuto di audio (3 $/ora) più $0,004 per messaggio di testo in input .

Prezzi: $0,05/min — cosa significa davvero

Il $0,05 al minuto di xAI copre l'intero stack di inferenza audio: riconoscimento vocale (speech-to-speech), ragionamento LLM e sintesi vocale, tutto alimentato da Grok . È il costo totale dell'agente vocale, non una tassa di piattaforma.

Confronto con la concorrenza

Punto chiave: Vapi ha la stessa tariffa base ($0,05), ma è solo una tassa di orchestrazione: i costi di riconoscimento vocale, LLM e sintesi vengono aggiunti separatamente, rendendo una chiamata reale da 3 a 6 volte più cara . Retell ($0,07) copre solo il motore vocale . Bland ($0,11–$0,14) è tutto incluso, ma costa più del doppio della tariffa di xAI . Il $0,05/min di xAI è la tariffa tutto inclusa più bassa sul mercato a luglio 2026.

Pubblico target

• Piccole e medie imprese: ristoranti, studi medici, agenzie immobiliari, hotel, help desk — attività che vogliono agenti telefonici AI senza assumere sviluppatori .
• Operatori non tecnici: il builder no-code elimina la necessità di team di ingegneri e mesi di configurazione .
• Team enterprise di customer service: lo stack completo di xAI (telefonia, uso di strumenti, recupero file, latenza sub-secondo) è pensato per sostituire i sistemi IVR tradizionali e gli operatori dei call center su larga scala .

Significato strategico

Voice Agent Builder segna l'ingresso diretto di xAI nel mercato dell'infrastruttura telefonica enterprise, sfidando apertamente Vapi, Retell AI, Bland AI e persino l'ecosistema Twilio. Diversi fattori rendono questa mossa una conquista di territorio fondamentale:

1. Stack verticalmente integrato: xAI controlla il modello (Grok), la sintesi vocale (Custom Voices), il motore di ragionamento (Think Fast 1.0) e ora anche il layer di distribuzione. Nessun altro concorrente possiede tutti questi livelli .
2. Prezzi come arma competitiva: $0,05/min tutto incluso è aggressivamente inferiore ai costi reali della concorrenza, progettato per sottocostare l'intero mercato e guidare un'adozione rapida .
3. No-code abbassa le barriere: eliminando la necessità di sviluppatori, xAI espande il mercato potenziale da "sviluppatori che costruiscono app vocali" a "qualsiasi azienda che riceve chiamate telefoniche" .
4. Complemento all'API business: Voice Agent Builder si basa sull'API Voice Agent, quindi l'utilizzo spinge il consumo dell'API e l'adozione di Grok, rafforzando il lock-in sulla piattaforma xAI .
5. Infrastruttura AI in tempo reale: la combinazione di telefonia (SIP/PSTN), conversazione vocale in tempo reale e agenti AI capaci di usare strumenti posiziona xAI come fornitore di infrastruttura per la prossima ondata di contact center nativi AI, non solo come un'azienda di chatbot .

In sintesi: xAI utilizza un'interfaccia no-code e prezzi aggressivi tutto incluso per bypassare i modelli di prezzo frammentati della concorrenza e conquistare il mercato in rapida crescita degli agenti telefonici AI — sfidando direttamente le piattaforme vocali affermate con uno stack verticalmente integrato e completamente proprietario.