Lo que un agente de voz de recobro tiene que hacer bien al teléfono

¿A qué se enfrenta un agente de voz con IA que un agente de chat nunca ve?

Un agente de voz, que a veces se vende como voicebot o como agente de llamadas con IA conversacional, es software que mantiene una conversación telefónica por sí solo: escucha, deduce qué ha querido decir el cliente, decide qué contestar y lo dice con una voz sintética. Para bancos, financieras y otras entidades que quieren hacer así sus llamadas de recobro, el teléfono perdona mucho menos que una ventana de chat, y casi todo lo que perdona menos se oye.

Por escrito, una respuesta que tarda cuatro segundos está bien, y una errata se lee de largo. Por teléfono, cuatro segundos de silencio hacen que el cliente diga "¿hola?", y un número mal entendido se convierte en un importe equivocado dicho en voz alta, sin forma de retirarlo. Y antes de todo eso, alguien tiene que descolgar, cosa que un mensaje nunca necesita.

Así que las preguntas que deciden si un agente de voz funciona tienen que ver sobre todo con el sonido y los tiempos, no con el modelo que hay detrás. Casi todas se pueden comprobar con un teléfono, una lista y unos días.

¿Con qué rapidez tiene que responder un agente de voz?

El cliente nunca debería preguntarse si se ha cortado la línea. Los estudios sobre conversación en muchos idiomas encuentran que la gente deja normalmente unos 200 milisegundos, una quinta parte de segundo, entre que una persona termina y la otra empieza. Nadie espera que el software iguale eso exactamente, pero cuanto más se aleja una respuesta del segundo, más suena la llamada a máquina pensando, y los clientes rellenan el silencio hablando encima.

El tiempo que pasa entre que el cliente termina y el agente empieza se llama latencia. Se acumula en varios pasos: convertir la voz en texto, decidir la respuesta, convertirla otra vez en voz y la propia red telefónica. Pide al proveedor, sea un especialista en recobro o una plataforma general de voz con IA, la cifra habitual y la del extremo lento, medidas en llamadas reales y no en una demo en el navegador, porque la red añade un tiempo que la demo nunca enseña.

Después, fíjate en cómo cubre el agente los momentos lentos. Una persona que consulta una cuenta dice "un momento, que lo miro". Un agente que hace lo mismo, brevemente y solo cuando de verdad está esperando algo, suena natural. Uno que rellena cada respuesta con muletillas suena a que está ganando tiempo.

¿Puede interrumpirlo el cliente?

Lo hará, constantemente. La gente interrumpe para corregir un dato equivocado, para decir que ya ha pagado o porque ya lo ha entendido y quiere seguir. A la capacidad de callarse cuando el cliente empieza a hablar se la suele llamar barge-in, y un agente que no la tiene sigue leyendo su frase mientras el cliente dice "no, eso no es así" por debajo.

Prueba tres cosas. ¿Se calla en una fracción de segundo cuando hablas encima? ¿Responde después a lo que has dicho, en vez de retomar su frase anterior? ¿Y distingue una interrupción de verdad del ruido de fondo: una tos, una televisión, un niño en la habitación? No debería pararse con cada ruido, o el cliente tampoco podrá terminar nunca una frase.

¿Cómo debería decir importes, fechas y números de referencia?

Como los diría una persona cuidadosa. "1.250,50" tiene que salir como "mil doscientos cincuenta euros con cincuenta céntimos", no como una ristra de dígitos ni como "uno coma veinticinco mil". Las fechas deben ser días que el cliente pueda situar: "este viernes, día 20" y no "20/11". Los números de referencia largos se leen en grupos cortos, con una pausa entre ellos, y se ofrecen otra vez por mensaje si el cliente quiere apuntarlos.

Cada cifra que dé el cliente debería repetirse antes de acordar una promesa de pago. Si dice "puedo pagar sesenta el viernes", el agente tiene que confirmar si son 60 o 70 euros, y qué viernes. Los números hablados son un sitio fácil para que una llamada se tuerza sin que nadie lo note, porque "sesenta" y "setenta" suenan parecido y los dos son pagos verosímiles.

¿Qué pasa cuando descuelga una máquina, o la persona equivocada?

Muchas llamadas salientes acaban en el buzón de voz, así que el agente, o el marcador que lanza sus llamadas, tiene que distinguir un saludo grabado de una persona, lo que el sector llama detección de contestador. Los dos errores cuestan algo. Si el agente toma a una persona por una máquina, cuelga o le suelta un mensaje a alguien que ha dicho hola. Si toma a una máquina por una persona, empieza una conversación con una grabación. Supón que en una semana 1.000 llamadas las contestan personas y el agente se equivoca en el 4 por ciento: 40 clientes vieron cómo la llamada que contestaron se tiraba a la basura.

Decide antes del lanzamiento qué dice el mensaje de buzón de voz. Lo puede oír cualquiera de la casa, así que un mensaje sensato es corto y neutro: el nombre de la empresa, una persona por la que preguntar y un número al que devolver la llamada, y nada sobre la cuenta.

El mismo cuidado vale cuando contesta una persona que no es el cliente. El agente debería confirmar que tiene contacto con el titular, el propio cliente, antes de mencionar ninguna deuda, y cuando al otro lado hay una pareja o un compañero de trabajo, decir solo lo justo para acordar otro momento.

¿Van a contestar siquiera a sus llamadas?

Solo si el número parece de alguien a quien merece la pena contestar. Un número marcado como posible spam, o uno que el cliente no reconoce, a menudo se queda sin contestar, y entonces da igual la calidad del agente que hay detrás.

Cada llamada sin contestar baja tu tasa de contacto, así que pregunta cómo se eligen, se registran y se vigilan contra las etiquetas de spam los números desde los que llama el agente, y si el número que se muestra es uno al que el cliente puede devolver la llamada y llegar a la misma empresa. Mantén los mismos pocos números para los mismos clientes, y retira cualquier número que empiece a acumular etiquetas de spam en vez de insistir desde él.

¿Cómo se prueba un agente de voz con IA para recobro antes del lanzamiento?

Escribe las llamadas de prueba antes de que el proveedor haga ninguna. Agrúpalas por lo que puede salir mal: el cliente que interrumpe, el que da un importe que se puede oír mal, el que contesta por otra persona, el que está en una línea mala, el que pide hablar con una persona. Diez categorías con 30 llamadas cada una son 300 llamadas, suficientes para ver un patrón y no una anécdota, y un equipo pequeño las hace en unos días.

Hazlas desde teléfonos reales, en redes móviles, desde habitaciones con ruido, porque ahí es donde están tus clientes. Puntúa cada llamada contra la tabla de arriba, con un hablante nativo de cada idioma atento a importes, nombres de lugares y apellidos. Después repite el mismo conjunto tras cada cambio importante en el agente, para que un arreglo en un sitio no pueda romper otro sin que nadie se entere.