Centralino con agente AI: 5 soluzioni provate, costi al minuto, latenze e linea fissa WindTre

Un centralino AI è un centralino telefonico normale a cui è stato aggiunto un collega in più: un agente che risponde a voce, capisce cosa gli chiedi e, se serve, ti passa a una persona. Non devi cambiare numero, non devi cambiare telefoni e, quasi sempre, non devi nemmeno cambiare centralino.

Nelle ultime settimane ho collegato lo stesso agente al mio centralino in cinque modi diversi, dal più semplice (ElevenLabs) al più «fatto in casa» (trascrizione, modello e voce separati, su server Microsoft in Italia). Poi l’ho portato anche sulla linea fissa WindTre di casa. Qui trovi cosa cambia tra le soluzioni, quanto costano al minuto, quanto ci mettono a rispondere e come si collega il tutto a un centralino che hai già.

Cosa fa un agente vocale, in tre mosse

Al telefono un’AI deve fare tre cose, una dopo l’altra: ascoltare (trasformare la tua voce in testo), pensare (decidere cosa rispondere, magari consultando un gestionale o un catalogo) e parlare (trasformare la risposta in voce). Più queste tre mosse sono veloci, più la conversazione sembra naturale.

Le differenze tra le soluzioni stanno tutte in chi fa queste tre mosse:

• Pipeline «a pezzi»: tre servizi diversi in fila, uno per ascoltare, uno per pensare, uno per parlare. Scegli tu ogni pezzo e dove gira.
• Modello «realtime»: un solo modello che riceve audio e risponde con audio, senza passare dal testo. È quello che dà la sensazione più simile a una persona.
• Piattaforma pronta: un servizio come ElevenLabs che fa tutto e ti dà anche il pannello per configurare l’agente, la voce e gli strumenti.

Le cinque soluzioni che ho provato

Stesso telefono, stesso centralino (Asterisk 20), stesse domande. Cambia solo cosa c’è dietro.

Una nota sulla variante mini: nel listino Azure esiste anche in zona dati europea, ma sulla mia risorsa, il giorno della prova, si poteva attivare solo come «Global». È un dettaglio che cambia nel tempo: controllalo prima di decidere.

Quanto costa un minuto di telefonata

Ho fatto una telefonata di circa due minuti per soluzione, con le stesse domande, e ho letto il costo dove era scritto: nei registri dei token per i modelli realtime, nell’account per ElevenLabs. Per la pipeline non avevo un contatore e l’ho stimata dal listino.

Dove vanno i soldi

Nei modelli realtime si paga a token, cioè a pezzetti di audio e di testo. La parte che pesa è la voce generata: nella mia chiamata valeva il 72% del conto, contro il 15% dell’audio ascoltato e il 13% del testo. Tradotto: un agente che parla tanto costa di più di uno che va al punto. In ElevenLabs è il contrario di quello che ci si aspetta: il modello linguistico pesava il 4%, il resto è piattaforma e voce.

I prezzi di listino che ho usato nei conti, il 14 novembre 2026:

• gpt-realtime-2.1, zona dati UE: 31,60 € per milione di token di audio ascoltato, 63,20 € per l’audio generato, 3,95 € e 23,70 € per il testo in entrata e in uscita.
• gpt-realtime-2.1-mini, Global: 8,98 € e 17,95 € per l’audio, 0,54 € e 2,15 € per il testo.
• Pipeline: trascrizione Azure circa 0,015 € al minuto, voce neurale circa 0,006 €, modello circa 0,004 €.

Quanto fa al mese

Per le soluzioni su Azure è il costo al minuto delle mie prove moltiplicato per i minuti. ElevenLabs invece funziona a piani: i minuti si comprano con il canone mensile (15 nel piano gratuito, 75 con Starter a 6 $, 275 con Creator a 22 $, 1.238 con Pro a 99 $, 3.738 con Scale a 299 $) e ogni minuto in più costa 0,08 $. Nella tabella ho messo il piano che copre quei minuti: Creator più 25 minuti extra, Pro e Scale. Il modello linguistico si paga a consumo in aggiunta, e nelle mie prove è rimasto sotto il centesimo al minuto. Per questo il conto mensile esce un po’ più alto dei 0,070 $ al minuto letti nell’account durante la prova.

A parte restano: la linea telefonica (le chiamate si pagano come sempre), il server per le soluzioni che ne hanno bisogno (per le mie prove basta un VPS europeo da 15-30 € al mese) e il tempo di chi lo tiene in ordine. Con pochi minuti al mese, il costo vero non è l’AI: è la manutenzione.

Quanto ci mette a rispondere: le latenze misurate

Al telefono un secondo di silenzio sembra lungo. Per questo ho misurato il tempo che conta davvero per chi chiama: dalla fine della domanda al primo suono della risposta. Il centralino ha chiamato da solo ogni agente, gli ha fatto tre domande brevi con una voce registrata («Quanto fa due più due?») e ha registrato l’audio dei due lati. Sul file ho poi misurato il silenzio tra domanda e risposta.

Tre cose da leggere in questi numeri.

• Le quattro soluzioni sono vicine: tra la più rapida e la più lenta ci sono circa 150 millisecondi di mediana, meno di quanto cambia la stessa soluzione da una domanda all’altra (da 1,42 a 2,62 secondi). Sulla velocità, da sola, non sceglierei.
• Dentro quel tempo c’è una pausa voluta: prima di rispondere l’agente aspetta qualche decimo di secondo per essere sicuro che tu abbia finito di parlare. Accorciarla lo rende più scattante, ma comincia a interromperti.
• La rete pesa poco: tra il centralino di casa e quello in cloud ci sono circa 20 millisecondi. Nella pipeline, in una prova fatta a parte, il modello iniziava a rispondere dopo circa 0,8 secondi e il primo audio della voce arrivava in circa 0,7.

Anche il saluto iniziale ha il suo tempo: dopo la risposta alla chiamata, la prima parola è partita tra 0,4 e 1,4 secondi, con la pipeline più pronta dei modelli realtime.

Cosa manca. Nelle chiamate automatiche l’agente ElevenLabs ha risposto ma è rimasto in silenzio: la piattaforma le ha registrate come «agente non disponibile», e il mio account di prova era sul piano gratuito da 15 minuti al mese. Quindi qui non ha un numero: lo aggiungo appena ripeto la prova. Inoltre le domande erano semplici: quando l’agente deve consultare un gestionale o un catalogo, ai tempi qui sopra si aggiunge quello dello strumento. E dal cellulare di chi chiama c’è in più la rete telefonica.

Come si collega l’agente al centralino

Questa è la parte che di solito spaventa, ed è più semplice di quanto sembra. Un centralino sa fare due cose: gestire interni (i telefoni dei colleghi) e gestire linee verso l’esterno, che in gergo si chiamano trunk SIP. L’agente AI può entrare da tutte e due le porte.

Come linea: il centralino chiama l’agente

È il modo più pulito. Nel centralino crei un trunk SIP che punta al servizio dell’agente e gli assegni un numero interno: chi compone quell’interno, o sceglie una voce del menu, parla con l’AI. È quello che ho fatto su Asterisk con ElevenLabs e con il Realtime di Azure.

Con ElevenLabs il collegamento ha tre parti: nel loro pannello importi un «numero SIP» (anche inventato, serve solo come indirizzo), autorizzi l’indirizzo del tuo centralino e gli associ l’agente. Nel centralino aggiungi il trunk. Sul mio Asterisk è così, con i segnaposto al posto dei dati veri:

; pjsip.conf - linea verso l'agente ElevenLabs
[elevenlabs]
type=endpoint
transport=transport-tls        ; segnalazione cifrata
media_encryption=sdes          ; audio cifrato (SRTP)
disallow=all
allow=g722,ulaw,alaw
aors=elevenlabs

[elevenlabs]
type=aor
contact=sip:sip.rtc.elevenlabs.io:5061;transport=tls

; extensions.conf - l'interno 500 è l'agente
exten => 500,1,Dial(PJSIP/+39NUMERO_SIP@elevenlabs,60)

Con il Realtime via SIP il principio è lo stesso: il centralino chiama un indirizzo SIP del servizio, e un piccolo programma web (un webhook) riceve l’avviso «sta arrivando una chiamata», controlla che sia davvero lui a chiedere e risponde con il modello, la voce e le istruzioni da usare. Niente server audio da mantenere.

Come interno: l’agente si registra come un telefono

Molti centralini in cloud non ti lasciano aggiungere linee esterne a piacere, ma un interno in più lo danno sempre. In quel caso metto in mezzo un piccolo Asterisk che fa da ponte: si registra sul centralino con utente e password di un interno, come farebbe un telefono da scrivania, e passa le chiamate all’agente. Per il centralino è un collega qualsiasi: lo puoi mettere in una coda, in un gruppo di risposta o dopo l’orario di chiusura.

L’ho fatto così su un centralino Kalliope aziendale: l’interno dell’agente ha risposto con l’audio nei due sensi, e ho provato anche i trasferimenti verso un collega e verso una coda. Lo stesso schema l’ho usato su 3CX. Due cose da sapere prima di cominciare:

• Chiedi al gestore del centralino indirizzo, porta e protocollo per gli interni che si collegano da fuori: spesso sono diversi da quelli usati in ufficio.
• Su 3CX, se preferisci la strada della linea, ElevenLabs indica il trunk SIP generico: serve un’installazione dedicata e un indirizzo IP pubblico fisso da autorizzare.

La linea fissa WindTre di casa, e come ci sono arrivato

Fin qui l’agente rispondeva agli interni. Io però volevo usare anche il numero fisso di casa, quello che WindTre fornisce insieme alla fibra. Oggi quel numero è una linea VoIP: il «telefono» è dentro il router. Per portarlo su un centralino servono i parametri della linea e una cosa che non sta scritta da nessuna parte: da dove ti colleghi.

I parametri: dal router, tranne uno

Quasi tutti i dati erano già nel pannello del router: il dominio, il server a cui registrarsi, il nome utente (che è il numero con il 39 davanti). Mancava solo la password della linea voce, che il router non mostra. L’ho chiesta a WindTre: ci sono volute due settimane, ma è arrivata.

Non è una cortesia. La delibera AGCOM 348/18/CONS, quella del «modem libero», dice che puoi usare apparecchi scelti da te e che l’operatore deve fornirti «le specifiche e tutti i parametri necessari per la corretta configurazione del servizio», senza costi aggiuntivi (articolo 3, comma 3). Vale anche per i servizi in più che viaggiano sulla stessa rete, come la voce (comma 4), e l’operatore non può imporre «ritardi ingiustificati» (articolo 1, comma 3). Se te li negano, cita la delibera.

Il vincolo che non ti dicono: funziona solo da dentro la linea

Con i parametri in mano ho provato a far partire una telefonata dal centralino in cloud. Risposta del server WindTre: IP association no match, user not registered. In italiano: «non ti conosco, non arrivi dalla linea giusta».

WindTre accetta la registrazione del numero solo da un dispositivo collegato alla sua stessa linea, quella di casa. Da un server su Internet, anche con utente e password corretti, non passa. Per questo il centralino (o almeno il pezzo che registra il numero) deve stare fisicamente in casa, dietro quel router.

C’è una seconda conseguenza: il numero si registra su un apparecchio per volta. Se lo registri sul tuo centralino, il telefono attaccato alla presa del router resta senza linea. A me andava bene: un telefono fisso attaccato al muro non lo usavo più.

La soluzione: un centralino piccolo in casa, uno in cloud

In casa ho messo un mini PC con Asterisk che fa una cosa sola: tiene registrata la linea fissa. Il centralino vero, con interni e agenti, sta su un server in cloud. Tra i due c’è una rete privata cifrata (una VPN): si riconoscono dall’indirizzo privato e nessuna porta del telefono è aperta su Internet. Dal punto di vista del centralino in cloud, la linea di casa è una linea qualsiasi; dal punto di vista di quello di casa, il cloud è un altro centralino a cui passare le chiamate.

Questa è la parte del centralino di casa che registra il numero. I valori sono quelli della mia linea: i tuoi li leggi nel router o li chiedi all’operatore.

; pjsip.conf sul mini PC di casa - linea fissa WindTre
[linea-fissa-reg]
type=registration
transport=transport-udp
outbound_auth=linea-fissa-auth
server_uri=sip:windtre.it
client_uri=sip:39NUMERO@windtre.it
contact_user=39NUMERO
outbound_proxy=sip:voip.windtre.it:5060\;lr
expiration=300
retry_interval=60

[linea-fissa-auth]
type=auth
auth_type=userpass
username=39NUMERO
password=PASSWORD_DELLA_LINEA   ; quella che dà l'operatore

[linea-fissa]
type=endpoint
transport=transport-udp
context=da-linea-fissa
disallow=all
allow=alaw,ulaw
outbound_auth=linea-fissa-auth
aors=linea-fissa
from_user=39NUMERO
from_domain=windtre.it
outbound_proxy=sip:voip.windtre.it:5060\;lr
direct_media=no
rtp_symmetric=yes
force_rport=yes
rewrite_contact=yes
send_pai=yes

; il collegamento con il centralino in cloud, sulla rete privata
[centralino-cloud]
type=endpoint
transport=transport-vpn
context=dal-cloud
disallow=all
allow=g722,ulaw,alaw
aors=centralino-cloud

[centralino-cloud]
type=aor
contact=sip:INDIRIZZO_PRIVATO:5070
qualify_frequency=60

Quando tutto è a posto, il centralino di casa lo dice chiaramente:

Chi chiama chi

Da un telefono collegato al centralino di casa compongo l’interno dell’agente: la chiamata passa dal mini PC al cloud e l’agente risponde. Il caso più divertente è l’altro: l’agente che chiama me. Un comando fa partire dal centralino di casa una telefonata verso il mio cellulare, usando la linea fissa. Quando rispondo, la chiamata viene unita all’agente. Sul cellulare vedo il numero fisso di casa.

; dal centralino di casa: chiama il cellulare dalla linea fissa
; e, alla risposta, collega l'interno dell'agente
channel originate PJSIP/NUMERO_CELLULARE@linea-fissa application Dial PJSIP/500@centralino-cloud,60

Le chiamate in arrivo sul numero fisso farebbero la stessa strada al contrario. Per ora le ho lasciate chiuse apposta: prima di far rispondere un’AI a chiunque componga il numero di casa voglio decidere bene cosa può dire e a chi.

Sette inciampi che ti risparmio

• Il router dell’operatore non fa da centralino. La porta per i telefoni IP, sulla rete di casa, è chiusa: non puoi «attaccarti» al router, devi registrare tu la linea.
• Segnalazione sì, audio no. La chiamata verso ElevenLabs si collegava ma restava muta finché non ho aperto le porte dell’audio (RTP) sul server. Aprile solo verso gli indirizzi del servizio.
• Il saluto con le variabili. Il primo messaggio dell’agente conteneva campi come il nome dell’utente, che una chiamata dal centralino non passa: risultato, silenzio. Con un saluto fisso ha parlato subito.
• La voce che parla solo inglese. Non tutti i modelli di voce conoscono l’italiano: in ElevenLabs serve Flash v2.5, non il v2.
• Asterisk dentro un contenitore senza DNS. Non riusciva a trovare l’indirizzo del servizio: ho dovuto indicarlo a mano. Se il fornitore cambia indirizzo, la linea cade.
• Il primo squillo muto. Con il Realtime diretto, la prima chiamata è rimasta in silenzio una ventina di secondi perché l’avviso al mio servizio web è arrivato tardi. Alla seconda, tutto regolare.
• Il server condiviso. Su un VPS con processore condiviso la pipeline a pezzi rallenta, perché il riconoscimento di quando hai finito di parlare gira sul tuo server. Realtime ed ElevenLabs quasi non se ne accorgono.

Privacy: cosa guardare prima di metterlo in produzione

Un agente al telefono tratta dati personali: come minimo la voce e il numero di chi chiama. Non è un motivo per rinunciare, è un motivo per scegliere con criterio.

• Dillo subito. Dal 2 agosto 2026 il regolamento europeo sull’AI chiede che chi parla con una macchina lo sappia. Basta una frase all’inizio: «Sono un assistente virtuale».
• Guarda dove finiscono i dati. Le soluzioni su Azure che ho provato girano in zona dati europea, tranne la variante mini. ElevenLabs di base conserva negli Stati Uniti; la residenza europea è riservata ai piani Enterprise.
• Chiedi solo quello che serve. Per un negozio o uno studio, nome, numero d’ordine e CAP sono giustificati dal servizio. Scrivilo nell’informativa, insieme ai tempi di conservazione.
• Sanità, servizi critici, finanza. Non c’è un divieto automatico, ma serve una valutazione specifica con chi segue privacy, NIS2 o DORA, prima e non dopo.

Sul metodo ho scritto una guida a parte: governance dell’AI in azienda.

Quale scegliere

Il video: costruirne uno da zero con ChatGPT ed ElevenLabs

Questo articolo racconta il confronto e la parte centralino. La parte pratica più semplice la faccio vedere in video: si apre ChatGPT, si collega ElevenLabs e si chiede a parole di creare l’agente. Poi lo metto su un sito con il widget e gli insegno a usare un negozio online di prova: cerca i prodotti, controlla taglie e disponibilità, legge lo stato di un ordine e aggiunge al carrello, sempre chiedendo conferma.

Lo stesso agente, una volta creato, si collega al centralino con il trunk SIP che hai visto sopra: sito e telefono, una sola configurazione. Il video esce sul mio canale YouTube.