Il recupero crediti telefonico non premia la fluidità del dialogo ma la capacità di non sbagliare sequenza. Prima di nominare il debito bisogna accertare di parlare con il debitore, poi dichiarare chi chiama e per conto di quale creditore, indicare l'importo e tenersi lontani da linguaggi vietati. Un gruppo di ricerca ha provato a chiedersi se una policy piccola e self-hosted possa essere addestrata una sola volta e poi seguire procedure regolamentate mai viste. La risposta arriva da un modello da 9 miliardi di parametri sottoposto a fine-tuning su 2.506 conversazioni derivate da 297 procedure randomizzate e valutato su un agente outbound thailandese.

Non è la solita valutazione di qualità conversazionale. Il sistema usa FlowSpec, una specifica leggibile dalla macchina per ogni singola distribuzione. FlowSpec genera le istruzioni per la policy, controlla quali strumenti sono accessibili, produce la supervisione e definisce i test. L'agente può pronunciare soltanto frasi di un catalogo approvato. Questo vincolo cambia il problema: non serve un LLM che improvvisi con eleganza, serve un componente deterministico, revisionabile e capace di rispettare un flusso imposto dalla legge.

I risultati sui quattro scenari di distribuzione mai visti — tre di recupero crediti e uno non legato al debito, con un lignaggio del tutto escluso dall'addestramento — mostrano che i controlli documentali, fissati dalla procedura, passano dal 67-71 per cento al 93-100 per cento. I controlli grounded, determinati dalla conversazione, erano già al 97-100 per cento prima del training. Il tasso di superamento degli scenari sale da 15 su 43 a 40 su 43.

C'è un dettaglio che impedisce di leggere questi numeri come una promozione piena: l'audit della specifica condivisa individua 11 difetti, tre dei quali non vengono esposti dalla metrica del sistema. In altri termini, il fatto che il modello superi i test non garantisce che la specifica sia corretta. Chi adotta un approccio simile deve quindi separare due rischi: il modello può violare una procedura, oppure la specifica può descrivere male la procedura. Il secondo rischio è più insidioso perché non si presenta come errore conversazionale.

Per chi valuta deployment on-premise, la questione non è accademica. Un agente di recupero crediti tratta dati personali e conversazioni sensibili: spostare tutto su un LLM cloud esterno crea un vincolo di conformità e di sovranità dei dati. La policy descritta nella ricerca è piccola e self-hosted, quindi si presta a un'architettura locale in cui la variabilità delle procedure non obbliga a riaddestrare un modello per ogni creditore, ma a riscrivere una specifica. Questo cambia il TCO: il costo ricorrente non è il training, ma la gestione delle specifiche e degli audit. Il bottleneck si sposta dalla VRAM e dal calcolo alla qualità della documentazione normativa.

La lezione strutturale è che la regolazione non è un contesto da aggiungere a valle: è una grammatica operativa che può diventare supervisione e test. I vincoli di catalogo, i gate sugli strumenti e l'isolamento dei lignaggi servono a ridurre lo spazio delle risposte ammesse. Se la specifica non è affidabile, la conformità diventa una finzione metrica. E i tre difetti non rilevati dalla metrica sono il segnale più importante: la governance non può delegare tutto al benchmark.