Los canales de mensajería son increíblemente cómodos. Whatsapp, correo o chats para un montón de situaciones funcionan perfecto. Pero hay momentos en que simplemente no son suficientes.
Si tienes un servicio de seguridad que te avisa cuando tu auto se movió sin autorización, ese aviso tiene que ser imposible de ignorar. Un mensaje de Whatsapp se puede pasar fácilmente. O si alguien te contacta en frío para ofrecerte algo, lo más probable es que lo dejes para después... y ese después nunca llega.
Hay conversaciones que necesitan conexión emocional e inmediatez. Y el texto simplemente no alcanza para eso.
Ejecutivos colapsados = clientes sin atención
En Vambe ya teníamos la capacidad de llamar al cliente directo desde la plataforma. Pero el problema de fondo seguía siendo que los equipos no daban abasto. Los ejecutivos tenían siempre la agenda llena, llamadas sin responder, y los clientes se quedaban esperando.
Desde ese dolor nació AI Calls.
Lo mismo que conoces, pero en otro medio
La idea es simple: el mismo proceso que ya usas en el chat, recibir un mensaje y dejar que la IA responda, pero aplicado a la voz.
Para que eso funcione necesitamos que la voz se convierta en texto (STT), que el LLM procese ese texto y genere una respuesta, y que esa respuesta vuelva a ser voz sin sonar robótica (TTS). Tres piezas que tienen que funcionar juntas, rápido y bien.
Lo que aprendimos construyendo esto
El desafío de los acentos en LATAM
Algo muy lindo de Latinoamérica es la cantidad de acentos que manejamos. Lindo no significa conveniente. Los modelos de procesamiento de voz están entrenados mayormente en inglés o en un español muy estándar. Y un chileno hablando rápido... bueno, es lo más alejado a estándar que se me ocurre.
Tener voces con muchos ejemplos, un buen procesamiento y consistencia a lo largo de la conversación fue un gran desafío. Y como todo en computación, hay un tradeoff: más calidad implica más tiempo. Y el tiempo, en una llamada, lo es todo.
La latencia: el enemigo número uno
En el chat, uno entiende que hay un tiempo entre que el mensaje llega, se lee, se piensa y se responde. En una llamada ese margen no existe. La expectativa es que la respuesta sea inmediata, y cualquier segundo de silencio empieza a generar ansiedad.
Agregar más sistemas (STT + LLM + TTS) significa más puntos de latencia. ¿Cómo hacemos para ser más rápidos con más cosas de las que preocuparnos? Tres aprendizajes clave:
- Modelos más ligeros en voz. Por chat podemos usar modelos más potentes y lentos. Por voz, necesitamos velocidad. Un modelo más liviano baja drásticamente el tiempo de respuesta.
- Latencia percibida vs real. Las personas rellenamos el silencio: "Buena pregunta", "Mira...", "Mmm". Podemos hacer lo mismo con la IA cuando la respuesta va a tardar más de lo esperado. El usuario siente una respuesta inmediata aunque el tiempo real sea mayor.
- La tardanza inevitable. Algunas tareas se tienen que demorar. Como cuando agendas al dentista y te dicen "dame un minuto mientras lo ingreso". Ese pequeño aviso compra todo el tiempo necesario sin que el cliente crea que la llamada se cortó.
LA PROMESA
AI Calls busca que los clientes puedan recibir atención inmediata, con conexión humana, a cualquier hora. Sin depender de que haya un ejecutivo disponible. Sin perder la calidez que una llamada entrega.
Espero que esto libere la capacidad de los negocios en un medio de comunicación que, para muchos, sigue siendo el más importante.
¿Te gustó este artículo? Compártelo con tus amigos