Este artículo se centra en el análisis automático de transcripciones de conversaciones en el centro de llamadas de un servicio de atención al cliente. El objetivo es reconocer temas relacionados con problemas y quejas discutidos en varios diálogos entre clientes y agentes. Nuestro estudio tiene como objetivo implementar un marco capaz de agrupar automáticamente las transcripciones de conversaciones en grupos cohesivos y bien separados basados en el contenido de los datos. El marco puede facilitar al analista la selección de valores adecuados para los procesos de análisis y agrupación. Para lograr este objetivo, consideramos un modelo probabilístico basado en la asignación latente de Dirichlet, que asocia transcripciones con una mezcla de temas en diferentes proporciones. Se considera un estudio de caso que consiste en transcripciones en el idioma natural italiano, recopiladas en un centro de soporte al cliente de un proveedor de energía. Se discute la comparación de rendimiento de diferentes técnicas de inferencia utilizando el estudio de caso. Los resultados experimentales demuestran la eficacia del enfoque en la agrupación de transcripciones de conversaciones en italiano. También resulta ser una herramienta práctica para simplificar el proceso analítico y descargar la sintonización de parámetros del usuario final. Según trabajos recientes en la literatura, este artículo puede ser valioso para introducir enfoques de asignación latente de Dirichlet en la modelización de temas para el idioma natural italiano.