Hay una diferencia entre responder al teléfono y resolver lo que hay detrás de esa llamada. La mayoría de los sistemas de voz automatizados hacen lo primero: reproducen locuciones, mueven al usuario por un menú, en el mejor de los casos le entienden un par de palabras clave. Nosotros hemos construido algo distinto para una aseguradora que gestiona autorizaciones médicas por teléfono: un voicebot capaz de identificar al asegurado, entender lo que dice en lenguaje natural, contrastarlo contra los sistemas corporativos y completar la gestión de principio a fin, sin que nadie del otro lado tenga que intervenir salvo que de verdad aporte valor. Para contarlo, seguimos una llamada real, paso a paso, desde que suena hasta que se resuelve.

La llamada, paso a paso: qué ocurre desde el primer segundo

El asegurado marca un número y, al otro lado, el sistema no le pide que pulse “1” para autorizaciones y “2” para el resto. Le pide que se identifique hablando. El VoiceBot reconoce lo que dice, lo normaliza (documento de identidad, fechas, nombres) y lo contrasta en tiempo real contra los sistemas del cliente. Desde el primer segundo, la llamada deja de ser una locución y pasa a ser una consulta contra el sistema corporativo con una persona real al otro lado del micrófono. Ese primer paso ya condiciona todo lo que viene después: si el sistema no identifica bien al usuario, ninguna automatización posterior tiene sentido, así que la identificación no es un trámite de bienvenida, es el primer punto de control de todo el proceso.

A partir de ahí llega una de las partes más avanzadas del proyecto: el sistema no espera respuestas cerradas, espera que la persona hable como habla con cualquier otra persona. Y ahí es donde entra el trabajo fino de normalización. La solución incluye mecanismos específicos para interpretar correctamente:

• Documentos de identidad (DNI, NIE, pasaporte) dictados de viva voz
• Fechas expresadas de formas distintas (“el quince de marzo”, “el quince tres”)
• Correos electrónicos deletreados letra a letra
• Nombres de centros médicos y profesionales dichos de forma coloquial
• Problemas clásicos del reconocimiento de voz, como fonéticas parecidas o letras dictadas una a una

El resultado no es una transcripción, es un dato estructurado y limpio que el sistema corporativo puede usar directamente. Ahí está la diferencia entre “oír” y “entender”: convertir lenguaje hablado en información que una aseguradora puede procesar sin intervención humana.

Y cuando ese dato es relevante, el sistema lo devuelve al usuario para confirmarlo antes de seguir, con un matiz especialmente cuidado: en determinados casos no repite lo que cree haber escuchado, sino el nombre oficial que ya existe en el sistema corporativo. Si el asegurado nombra un centro médico de forma coloquial, el VoiceBot responde con el nombre normalizado tal y como está registrado, y pide confirmación sobre ese dato correcto, no sobre la interpretación literal de lo dicho. Es un matiz técnicamente pequeño, pero con un efecto grande en la experiencia: el usuario siente que el sistema le entiende de verdad, no que simplemente repite lo último que ha captado.

La arquitectura: lo que no se oye pero sostiene la conversación

Mientras la llamada avanza con naturalidad, por detrás conviven varias piezas tecnológicas coordinadas, cada una responsable de una parte concreta del proceso:

Esa responsabilidad está repartida a propósito: cada capa hace una cosa y la hace bien, y la conversación fluye porque la arquitectura que hay detrás está pensada para que fluya. Es la parte menos visible del proyecto y, probablemente, la que sostiene todo lo demás.

Cuándo el bot cede el turno: saber parar a tiempo

La automatización no busca retener al usuario dentro del bot a toda costa, ese es justamente uno de los retos que se planteó desde el principio. El sistema deriva la llamada a una persona cuando ocurre alguna de estas situaciones:

• El usuario pide expresamente hablar con una persona
• Se agotan los reintentos
• Se produce un error técnico
• El sistema del cliente rechaza la operación final

Y aquí hay un detalle con mucho valor de negocio: cuando se produce esa transferencia, el caso ya existe en Salesforce con toda la información que el usuario ha ido proporcionando durante la llamada. El agente humano no empieza de cero, continúa desde donde el bot lo dejó. Automatizar cuando es posible, mantener a una persona cuando de verdad aporta valor.

Esa misma lógica se extiende a la disponibilidad: el VoiceBot puede recibir solicitudes las 24 horas del día, los 7 días de la semana. La disponibilidad de agentes humanos sigue condicionada por el horario de atención, como es lógico, pero cuando una transferencia sería necesaria fuera de ese horario, el sistema se lo explica al usuario y le informa de que será contactado más adelante. El proceso automatizado amplía la ventana de atención sin que haga falta ampliar en la misma proporción la disponibilidad de personas.

Lo que se puede medir: convertir la llamada en datos

Cada llamada genera un rastro detallado: los estados por los que pasa, las interacciones de voz, las llamadas a los sistemas, las respuestas y los reintentos. Esa trazabilidad tiene una doble lectura. Desde el lado operativo, facilita el diagnóstico, el soporte y la mejora continua. Desde el lado de negocio, permite saber en qué punto abandonan los usuarios, en qué pasos se repiten más los reintentos o cuándo se dispara la transferencia a un agente, y calcular métricas como las llamadas por desenlace, la tasa de transferencia, la duración media o los pasos con más fricción.

Para hacerse una idea de la escala real del proceso que hay detrás de cada llamada: el flujo contempla 108 pasos funcionales y 16 endpoints de negocio, y cada llamada deja entre 30 y 80 eventos registrados. No son cifras menores, y explican por qué este proyecto no puede entenderse como “un menú de voz más sofisticado”.

Es el mismo enfoque que aplicamos en Konect, nuestra solución de análisis conversacional con IA: convertir cada interacción en información que se puede revisar, comparar y mejorar.

Conversar, no solo contestar: así lo entendemos en Faktoria

Al final, lo que cambia con este proyecto no es solo que una aseguradora automatice una llamada. Es que convierte una conversación telefónica en un proceso de negocio medible, trazable y capaz de resolverse solo, de principio a fin, usando el teléfono simplemente como la puerta de entrada.

Y es también, en el fondo, la forma en la que entendemos la conversación en Faktoria: la tecnología puede escuchar, entender y resolver, pero es igual de importante que sepa cuándo ceder la palabra a una persona. Automatizar lo que se puede automatizar, mantener la conversación humana donde de verdad aporta valor. El canal de voz no es el proyecto, es la interfaz de un proceso mucho más completo que vive por debajo.

Si gestionas un contact center o un servicio de atención telefónica con un volumen de llamadas parecido, este es exactamente el tipo de proceso que ayudamos a automatizar en Faktoria, desde la consultoría en IA conversacional y automatización hasta la implementación completa.