Un sistema de speech-to-text y machine learning que transcribe todas las llamadas de un contact center de EE. UU., las puntúa por cumplimiento normativo y potencial de venta, y lanza alertas en tiempo real.
Agente: Buenos días, le llamo por la renovación de su póliza.
Cliente: Sí, dígame, aunque tengo poco tiempo.
Agente: Le confirmo el nuevo importe y pasamos al pago…
Falta el aviso legal de grabación antes de hablar de pagos| Llamada | Agente | Duración | Cumplimiento | Sentimiento | Venta | Estado |
|---|---|---|---|---|---|---|
| #48213 | Agente 014 | 06:42 | 97 | Positivo | Upsell | OK |
| #48212 | Agente 007 | 11:05 | 71 | Negativo | · | Revisar |
| #48210 | Agente 022 | 04:18 | 89 | Neutral | Cross-sell | OK |
| #48209 | Agente 003 | 08:51 | 82 | Neutral | · | Atención |
| #48207 | Agente 014 | 03:37 | 99 | Positivo | · | OK |
| #48205 | Agente 019 | 09:24 | 68 | Negativo | · | Revisar |
El equipo revisaba las llamadas a mano. Cumplir la normativa de EE. UU. y detectar oportunidades de venta era clave, pero sin automatización había retrasos, resultados inconsistentes e ingresos perdidos.
Grabaciones normalizadas en calidad y formato.
Modelo afinado al vocabulario y los acentos del cliente.
Sentimiento, empatía, frases regulatorias obligatorias y flujo de la llamada.
Dos puntuaciones: cumplimiento y potencial de venta.
Riesgos y oportunidades, señalados para los supervisores.
Histórico de llamadas, registros de agentes y reglas de cumplimiento, mapeadas y etiquetadas para entrenar.
Voz a texto afinado con audio del cliente (terminología y acentos) y un modelo supervisado que aprende de evaluaciones hechas por personas.
AWS Kinesis procesa cada llamada en cuanto llega, con APIs en Python y un dashboard en Next.js para el equipo de calidad.
Validación con llamadas reales y piloto con un grupo de agentes antes del despliegue general.
Diseñamos una solución impulsada por IA con tres componentes principales:
Mediante un modelo speech-to-text afinado, automatizamos la transcripción de todas las llamadas. El sistema:
Desarrollamos un modelo supervisado de machine learning que analiza las conversaciones y genera scores en función de:
Un dashboard personalizado permite a supervisores y analistas visualizar:
| Data type | Format | Volume | Purpose |
|---|---|---|---|
| Call Audio | WAV | 10,000 calls (~500 hours) | Train & fine-tune the Speech-to-Text model |
| Agent Interaction Logs | JSON | 2GB of logs | Identify conversation patterns & keywords |
| Compliance Guidelines | PDF/Docs | 200 pages | Define compliance triggers for ML model |
Te acompañamos con soluciones a medida, desde la idea hasta la implementación.