Synthesia ha passato un decennio a registrare avatar. Ora vuole che rispondano.

Synthesia ha costruito il suo business su un ciclo semplice. Scrivi un copione, scegli un avatar e ricevi in cambio un video con un presentatore. L'azienda afferma che quel ciclo ha attraversato la più grande piattaforma video aziendale del mondo per gran parte di un decennio, e ha portato Synthesia a una valutazione dichiarata di 4 miliardi di dollari con oltre 100 milioni di dollari di ricavi ricorrenti annuali entro il 2025.

Il 1° ottobre 2026, il ciclo ha cambiato direzione. Synthesia ha lanciato Sessions, una piattaforma per conversazioni bidirezionali con un avatar dall'aspetto realistico. Lo stesso giorno sono andati live due tipi di sessione, con un terzo annunciato come prossimamente.

Roleplay Sessions mette l'utente in una conversazione che dovrebbe essere difficile. L'avatar interpreta un cliente, un candidato o un collaboratore, e replica. I team di vendita si esercitano nella scoperta dei bisogni e nella gestione delle obiezioni. I manager provano il colloquio che hanno evitato con un dipendente. I team di assistenza simulano un'escalation. Dopo ogni tentativo, il sistema fa da coach e assegna un punteggio al partecipante. Nuove funzionalità permettono di adattare uno scenario alla propria situazione specifica prima di esercitarsi e consentono alle aziende di creare roleplay personalizzati per le proprie conversazioni ricorrenti.

Survey Sessions trasforma un modulo in un'intervista. L'avatar pone le domande dell'azienda uno a uno, approfondisce ciò che ascolta e restituisce insight strutturati. Synthesia indica il feedback dei dipendenti, gli insight dei clienti, le interviste di uscita e di churn, il follow-up NPS e la ricerca di prodotto come usi previsti. Le risposte tornano come temi e sentiment aggregati tra i rispondenti, con ogni singola risposta apribile come trascrizione, file audio o CSV.

Expert Sessions è quella ancora in roadmap: un avatar addestrato sulla documentazione di prodotto e sui processi interni di un'azienda che guida qualcuno passo dopo passo attraverso un'attività e risponde alle domande mentre lavora.

L'argomento a favore di questa forma di prodotto

Il CTO di Synthesia, Peter Hill, ha scritto il post di lancio. La sua lettura è quella di un collo di bottiglia di personale più che di una storia tecnologica. Non c'è mai abbastanza della persona giusta per tutti, che si tratti di un manager che fa da coach a ogni venditore prima di una chiamata difficile, di un ricercatore che intervista ogni cliente o di un esperto di prodotto che guida ogni utente che si blocca. I sostituti abituali sono registrazioni invece di prove, moduli invece di interviste e documentazione di aiuto invece di una guida pratica.

La biografia di Hill rende l'argomento più facile da prendere sul serio rispetto al tipico post di lancio. Ha passato quasi 25 anni in Amazon e AWS, guidando i team dietro Kindle, Fire, Alexa e servizi tra cui Amazon Connect e WorkSpaces, prima di un periodo come CEO e CPO di Wildlife Studios. Ha già portato in produzione sistemi conversazionali su larga scala.

I primi dati che Synthesia è disposta a pubblicare sono esigui ma significativi. Nelle prime implementazioni, il 78 percento dei discenti ha tentato un roleplay più di una volta e, tra coloro che sono tornati, l'83 percento ha migliorato il proprio punteggio in un tentativo successivo. Leggiamo bene. Il numero che conta non è il tasso di miglioramento, che è misurato sul sottoinsieme che ha scelto di tornare. È il tasso di ritorno del 78 percento. Uno strumento di formazione che le persone ripetono volontariamente è un prodotto diverso da uno che completano perché qualcuno gliel'ha assegnato.

Synthesia afferma anche che gli insight tematici sono pensati per mostrare quali competenze guidano la performance e non solo chi ha ottenuto il punteggio più alto, e che ogni dipendente riceve roleplay suggeriti per colmare le proprie lacune. È un passaggio dalla reportistica alla diagnosi, ed è la parte del pitch che i team di learning and development valuteranno davvero.

Due strade, e perché la separazione conta

Synthesia vende la stessa capacità in due modi. L'Interactive Avatar API è per le aziende che vogliono costruire il proprio prodotto avatar e controllare lo stack. Sessions è la piattaforma pronta all'uso per le conversazioni che compongono il lavoro quotidiano. L'azienda descrive l'API come una pipeline ospitata, il che significa che un team può portare il proprio modello linguistico, il proprio speech-to-text e text-to-speech invece di gestire direttamente lo stack di rendering.

Questa separazione è più interessante di quanto sembri. Le aziende che hanno già un fornitore di modelli preferito non vogliono che venga detto loro quale usare, e le aziende che non hanno né l'appetito né le persone per il lavoro di integrazione non vogliono costruire nulla. Offrire entrambe evita a Synthesia di dover scegliere un unico profilo di cliente. L'integrazione a livello di sessione apre l'API full-stack lo stesso giorno, il che suggerisce che l'azienda veda l'API come il business più silenzioso e più grande nel tempo.

I dettagli sulla conformità meritano una nota perché questo prodotto tocca conversazioni tra dipendenti e interviste ai clienti, il che significa registrazioni, trascrizioni e dati personali. Synthesia elenca SOC 2 Type II, ISO 27001, 27701 e 42001, più la conformità al GDPR.

Cosa il lancio non risolve

Tre domande restano sotto la superficie di questo rilascio.

La prima è se la qualità dell'interazione regge al di fuori di una demo. Un roleplay produce trasferimento di competenze solo se le obiezioni dell'avatar sono realistiche e varie. Un avatar che è d'accordo troppo facilmente non insegna nulla, e uno che discute su binari viene riconosciuto entro due tentativi. Synthesia non ha pubblicato una valutazione indipendente di come si comportano le sue controparti roleplay nei vari scenari, e i suoi dati di implementazione descrivono l'uso ripetuto piuttosto che i risultati di apprendimento.

La seconda è la questione della conservazione dei dati. Un punteggio associato al tentativo di esercitazione di un dipendente è un dato su una persona, creato da un'IA, conservato in un sistema aziendale e potenzialmente visibile a un manager. Il 78 percento di discenti che tornano sembra sano in un comunicato stampa. Significa anche che la maggior parte dei partecipanti ha prodotto un verbale con punteggio di una conversazione gestita male. Dove risiede quel verbale, chi può vederlo e per quanto tempo viene conservato sono decisioni di policy che ogni acquirente dovrà prendere, e le risposte differiscono nettamente tra, per esempio, un team di sales enablement e un reparto HR.

La terza è cosa succede agli specialisti umani la cui scarsità è l'intera premessa. Se Synthesia ha ragione nel dire che un avatar addestrato può assorbire le conversazioni ripetitive a una frazione del costo di una chiamata umana, allora il momento di coaching che richiede una persona reale diventa quello costoso. È uno scambio ragionevole per i clienti dell'azienda. È anche, inevitabilmente, una storia su quali parti di un lavoro vengono automatizzate per prime.

Dove questo lascia l'IA aziendale

Sessions è un indicatore utile perché sposta un prodotto avatar dalla generazione di contenuti al flusso di lavoro. Un video avatar unidirezionale compete con una videocamera, uno studio e una scadenza. Un avatar bidirezionale compete con l'agenda di un manager, e il confronto non riguarda più il costo di produzione. Riguarda la capacità di un'organizzazione di gestire mille conversazioni di pratica al giorno e conservarne i risultati.

La scommessa di Synthesia è che la maggior parte delle organizzazioni non può farlo, e che l'avatar che risponde sia una risposta più economica dell'assunzione. Se il livello di qualità dell'interazione giustifichi la sostituzione è ciò che mostrerà il prossimo anno di implementazioni. Il numero di uso ripetuto è un segnale di apertura promettente. Non è ancora la prova che la pratica abbia reso qualcuno più bravo nel proprio lavoro.