Definición
Un agente de voz con IA es un software que mantiene una conversación telefónica hablada: transcribe lo que dice quien llama, utiliza un modelo de lenguaje para entender y decidir qué hacer, responde en voz mediante síntesis de texto a voz y puede actuar en los sistemas de negocio o transferir la llamada a una persona.
La mayoría de los agentes de voz encadenan tres piezas: reconocimiento de voz (speech-to-text), un modelo de lenguaje de gran tamaño con acceso a herramientas (consultas al CRM, reservas, pagos) y síntesis de voz (text-to-speech). Algunos sistemas más recientes procesan el habla directamente. Los retos de ingeniería más difíciles son la latencia (las pausas de más de un segundo aproximadamente resultan poco naturales), el barge-in (permitir que quien llama interrumpa) y una toma de turnos fiable.
A diferencia de un menú IVR, un agente de voz atiende preguntas abiertas («quiero pasar mi cita al jueves por la tarde») y puede completar la gestión en una sola llamada. Aun así, debe operar dentro de unos límites: objetivos definidos, conocimiento aprobado y reglas claras sobre cuándo transferir a una persona.
En despliegues en el CCG, el agente debe entender árabe del Golfo e inglés, incluido el cambio de idioma a mitad de frase, y hablar un árabe natural. Informe a quien llama de que está hablando con un asistente automatizado, respete los horarios de llamada y las normas de telemarketing en las llamadas salientes, y trate las grabaciones y transcripciones conforme a la ley de protección de datos aplicable.
Mida la contención (llamadas resueltas sin intervención humana), la tasa de transferencia, la finalización de tareas y la satisfacción del cliente, y revise las transcripciones con regularidad.
OmniChannels.ai, a través de las capacidades de voz y de BroadNet AI de BroadNet, ofrece agentes de voz con IA, también en árabe, con transferencia a un agente humano.