Close Call, ein Voice-AI-Vertriebscoach
TL;DR
Ich habe einen Open-Source-Sprachagenten gebaut, mit dem Vertriebler schwierige Gespräche gegen einen AI-Kunden üben können. Er läuft auf Pipecat + Gemini 2.5 Flash, kostet etwa 0,14 $ pro Gespräch, und die erste Reaktion meines Teams war wirklich begeistert. Der Code ist auf GitHub, wenn du es ausprobieren willst.
„Sales cures all ills" ist ein Spruch, den einer meiner ersten Mentoren ständig wiederholt hat, und er ist bei mir hängengeblieben. Bevor ich mich ernsthaft mit Softwareentwicklung beschäftigt habe und bevor ich mit AI-Engineering angefangen habe, war ich Vertriebler. Ich vermisse immer noch den Nervenkitzel, einen Deal abzuschließen und den Gegenüber auszumanövrieren. Es hat Spaß gemacht. Jetzt, wo ich in der Lage bin, AI in meinem Unternehmen einzusetzen, hatte ich eine Idee: sprachbasierte AI nutzen, um unsere Vertriebler zu trainieren und zu coachen.
Technisch gesehen war das eine relativ einfache Umsetzung. Ich habe Close Call gebaut, einen Open-Source-Sprachagenten, bei dem ein Vertriebler ein Szenario auswählt, auf „Start Call" klickt und mit einem AI-Kunden spricht, der mit realistischen Einwänden kontert. Direkt danach führt das System eine Bewertung durch und gibt Feedback, das hervorhebt, wo der Vertriebler gut war und was verbessert werden könnte.
Ich habe eine erste Demo in meinem Unternehmen gemacht. Das Feedback war positiv, sehr positiv sogar.
Der Ablauf ist überraschend realistisch. Du führst ein echtes Gespräch mit der AI, und sie antwortet in Echtzeit. Die Szenarien sind einfach einzurichten. Beispiele findest du im Repo. Das ist unendlich erweiterbar: verschiedene Ansätze, verschiedene Tonlagen, verschiedene Stimmungen, verschiedene Stufen von Gegenwehr. Im aktuellen Zustand liefert es bereits echten Mehrwert.
Das aktuelle Feedback der AI ist noch mechanisch. Es bewertet, wie du mit Einwänden umgegangen bist, ob du auf Kurs geblieben bist. In zukünftigen Iterationen will ich Emotion und Tonfall während des Gesprächs auswerten. Und darüber hinaus Videoanalyse von Haltung und physischer Präsenz. Du glaubst vielleicht nicht, dass die körperliche Disposition eine Rolle spielt, aber sie kommt auch bei Telefonaten rüber. Es gibt viel Raum zum Wachsen von diesem Ausgangspunkt.
Der Stack
Close Call läuft auf Pipecat mit Gemini 2.5 Flash Native Audio für native Speech-to-Speech mit sub-Sekunden-Latenz. Ein 10-minütiges Übungsgespräch kostet ungefähr 0,14–0,40 $. Das Coaching-Feedback nach dem Gespräch wird ebenfalls von Gemini 2.5 Flash aus dem Transkript generiert. Das Ganze ist Docker-paketiert für einfaches Teilen oder kann sogar als Desktop-Anwendung laufen.
Ich wollte das teilen, weil es ein Beispiel für eine sehr einfache Anwendung ist, die durch aktuelle Modellveröffentlichungen möglich wurde. Geminis Live-Modell kam vor etwa einer Woche raus. Es ist nicht das erste Modell, das Live-Gespräche führen kann, aber es war kostengünstig genug, um mich endlich dazu zu bringen, Zeit in eine Idee zu investieren, die ich schon eine Weile mit mir rumgetragen habe.
So sieht es in der Praxis aus, wenn man die AI-Landschaft versteht. Du musst keinen komplizierten Geschäftsprozess orchestrieren, um Mehrwert zu schaffen. Manchmal liefert das niedrig hängende Obst den größten Punch. Oder, wie mein Mentor sagen würde, cures all ills.