Agentes de voz en Conversia: activas el canal y el Agente se reconstruye
Hay una parte de tu base a la que nadie va a llamar nunca.
No porque tu equipo llame poco. Porque llamar a todos, a tiempo, no se puede.
Ya puedes activar el canal de voz en Conversia. Si tienes un Agente andando, enciendes la voz y el Agente se reconstruye para hablar a partir de lo que ya tiene: su base de conocimiento, sus reglas, sus protocolos, su constitución y sus tools.
No creas una versión nueva. Usamos la que existe y la adaptamos al canal.
Trabajo en esto todos los días y Conversia es mi producto. Descuenta lo que haga falta.
¿Y por qué no montar un agente de voz aparte?
Es lo primero que me preguntan, y es razonable. Lo escuchas en una semana, no tocas el chat que hoy te trae conversaciones, y si no funciona lo matas el viernes.
¿Y en el mes dos? Cambias una política y tienes que actualizarla en dos lugares. Afinas un criterio de derivación y lo afinas en uno solo. Alguien pide el historial de un cliente que se quejó y media conversación está en otro sistema.
Durante tres semanas de piloto eso se aguanta sin despeinarse. Con la operación andando a diario, esas dos verdades te cuestan un cliente.
Qué se activó, y qué todavía no
Tu Agente llama.
Marca a los que dejaron sus datos y nunca volvieron. Llama a quien se enfrió en el chat, sabiendo qué se conversó y en qué quedaron.
Por ahora tu Agente llama, no contesta. En la hoja de ruta está que también pueda atender las entrantes, y que se despliegue dentro de WhatsApp Voz.
El Agente no se crea de nuevo: se reconstruye
Cuando enciendes el canal, la plataforma toma lo que ya definiste y lo reconstruye para hablar.
Las nueve secciones de la constitución de tu Agente se adaptan a lenguaje hablado. Los protocolos también. Sus tools siguen siendo las mismas.
Tú recibes un cambio propuesto, sección por sección, con lo modificado resaltado. Aceptas, editas o regeneras.
Lo que es información se actualiza solo. Lo que es cómo habla, te lo avisa y lo apruebas.
Después eliges la voz de un catálogo por región y la escuchas con el saludo de tu propio Agente. Defines horario, buzón y despedida.
Asignas un número y pides que te llame al celular.
Un solo cerebro, tres canales. La llamada queda en el mismo hilo donde vive su WhatsApp, con grabación, transcripción y análisis.
¿Por qué la latencia es el desafío real del canal?
Porque es lo que nos pasó a nosotros, y no lo esperábamos.
El 21 de agosto pusimos la primera versión de voz frente a clientes reales. Siguió el flujo, resolvió objeciones, atendió bien. Ellos mismos dijeron que sonaba muy natural.
¿Y qué les llamó la atención?
La latencia: el silencio entre lo que dice el usuario y lo que el agente tarda en contestar. En texto no existe, nadie cronometra un WhatsApp. En una llamada es lo primero que se nota.
Nos volcamos en eso la semana siguiente, y lo que encontramos no estaba donde lo buscábamos. No era el modelo. Eran tres cosas nuestras.
En qué momento el agente consulta la base de conocimiento. Llamarla antes de cada respuesta es lo cómodo de programar y lo caro de escuchar.
Cómo está estructurado ese conocimiento. El mismo contenido, organizado de otra forma, se recupera antes.
Y sobre todo, los prompts. Estaban pensados para texto, donde un segundo de más no molesta a nadie.
Adaptarlos al canal y bajar el consumo de tokens por turno fue lo que más movió la aguja.
El objetivo era responder en menos de un segundo y medio, que es donde una pausa deja de sentirse como que la otra persona está pensando.
Lo logramos. La semana siguiente los mismos clientes volvieron a probarlo y dieron el visto bueno. Este mes salimos a producción con algunos de ellos.
Y la latencia se vuelve difícil justo cuando el agente vale la pena.
Un agente que contesta cuatro cosas responde rápido y no sirve para nada. Uno que sí sirve consulta una base amplia, razona con tus reglas y articula tools contra tus sistemas, y cada una de esas cosas suma milisegundos que en una llamada se oyen.
El motivo lo medimos en nuestras llamadas: cada turno reenvía el prompt y la base enteros, hasta doscientos dos mil tokens de entrada, sin caché.
En cada intervención el agente vuelve a leer el manual completo antes de abrir la boca.
Es ingeniería aburrida y es la que decide si la llamada se siente humana.
La voz humana, en cambio, ya está resuelta
Modulan el tono según el momento. Ríen, respiran, hacen pausas. Dicen los números hablados. Si los interrumpes, se callan.
Eso está construido, y los clientes del 21 de agosto lo confirmaron sin que se lo preguntáramos. Lo que cuesta es sostenerlo cuando el agente consulta mucho antes de hablar: ahí la naturalidad compite con el reloj.
Antes de activar
Cinco cosas, y son las que evitan las sorpresas de la primera semana.
- Aprueba la versión de voz sección por sección, no en bloque. Las que hablan de condiciones, dos veces.
- Escucha la voz en voz alta antes de elegirla. Una que se lee bien en una lista puede no encajar con tu negocio.
- Revisa el saludo: tiene que decir quién llama y por qué en la primera frase. Quien contesta no te estaba esperando.
- Haz una llamada de prueba a un celular real, con alguien que se ponga difícil a propósito.
- Revisa el marco legal de tu país antes de la primera campaña: consentimiento, horarios permitidos para llamar y aviso de grabación. No es opcional y no lo resuelve la plataforma por ti.
- Agenda a siete días volver a escuchar cinco llamadas y compararlas contra lo que definiste. Es el punto que todos nos saltamos, y el único que evita que la configuración se mueva sola sin que nadie lo note.
En una aseguradora de salud, la asesora que ya atendía por WhatsApp encendió su canal de voz y hoy retoma a los interesados que no volvieron. No puedo decir cuál.
Nadie tuvo que volver a explicarle el negocio: era la misma asesora.
Vuelve ahora a esa parte de tu base que nadie iba a llamar nunca. Ya no es un problema de capacidad. Es una decisión sobre a quién tiene sentido llamar.
Si ya eres cliente, el canal está en la tarjeta de tu Agente, en "Crear versión de voz". No necesitas hablar con nadie para encenderlo.
Y si quieres oírlo antes con tu propio guion, reserva una demo de Conversia Agents. Un artículo no puede hacer sonar una llamada.
Preguntas frecuentes
¿Tengo que construir un agente nuevo para activar la voz?
No. Se activa desde el Agente que ya tienes. La plataforma reconstruye su constitución y sus protocolos para lenguaje hablado y te propone el cambio para que lo apruebes, sección por sección. La base de conocimiento, las reglas y las tools siguen siendo las mismas, así que no hay doble mantenimiento.
¿Qué es la latencia y por qué importa tanto en voz?
Es el silencio entre lo que dice la persona y lo que el agente tarda en responder. En texto no se nota; en una llamada, un segundo de más hace que el otro dude si le escuchaste. Nuestro umbral es responder por debajo de un segundo y medio, que es donde la pausa deja de sentirse humana.
¿Por qué un agente más completo tarda más en contestar?
Porque consulta más antes de hablar: base de conocimiento amplia, reglas de negocio, tools contra tus sistemas. Además, en cada turno se reenvía el prompt y el conocimiento completos. Optimizar para voz consiste en decidir qué se consulta siempre y qué solo cuando hace falta.
¿Suena a robot?
No, y ese es el problema que ya está resuelto. El agente modula el tono, hace pausas, pone énfasis y dice los números hablados. Si lo interrumpen se detiene; si hay silencio, pregunta. Lo difícil hoy no es que suene bien, sino que suene bien dentro del umbral de tiempo.
¿Qué queda registrado de una llamada?
Lo mismo que de un chat: grabación, transcripción, resumen y evaluación de calidad, en el mismo hilo del contacto donde vive su WhatsApp. El CRM se actualiza durante la llamada. Por eso el canal se enciende dentro de la plataforma y no como herramienta aparte: una sola historia por persona.
