Llame a un bot de voz y hágale una pregunta. Cuente en silencio los segundos mientras piensa. Si la pausa se alarga más de un par de segundos, ya siente la incomodidad: las personas de verdad no hablan así. Un cliente en una llamada en frío siente exactamente lo mismo, y cuelga.
La velocidad de respuesta decide el destino de la conversación. Le contamos por qué tres segundos son el umbral a partir del cual un bot deja de sonar humano.
De dónde sale el umbral
En una conversación, una persona responde a su interlocutor en dos o tres segundos. Si tarda más, aparece una pausa que ambas partes notan. Un bot de voz tiene que mantener ese mismo ritmo, o el cliente entiende que está hablando con una máquina.
Cada respuesta del bot se compone de tres pasos:
- Reconocer el habla del cliente y convertirla en texto.
- Generar una respuesta.
- Decirla en voz alta.
La suma de los tres pasos no debería superar los tres segundos, aproximadamente. Si un solo paso se pasa de un segundo, esa es nuestra señal para investigar qué ha fallado.
Nuestras cifras
En una llamada representativa, pronunciar la respuesta llevó 300 milisegundos. Para voz en tiempo real, es una cifra de récord. El reconocimiento de voz, junto con la comprobación de si el cliente había terminado su idea, se quedó en 0.63 segundos.
La diferencia entre un segundo y trescientos milisegundos parece trivial. En una conversación cotidiana, la mayoría ni la notaría. En una llamada en frío, esa diferencia es la que le cuesta el lead: el cliente oye el retraso, se da cuenta de que habla con una máquina y cuelga.
El umbral
Tres segundos son la línea que separa a un agente que suena vivo de una máquina evidente.
Por qué migramos a servidores propios
La velocidad depende del hardware y del acceso a los modelos. Mientras el reconocimiento, el razonamiento y la síntesis de voz corran en servidores ajenos al otro lado del mundo, surgen dos problemas. Primero, la latencia: la señal tiene que dar media vuelta al planeta y volver. Segundo, la fiabilidad: el acceso a proveedores externos alojados en el extranjero puede limitarse o cortarse sin previo aviso, y si ocurre en mitad de una llamada, el bot simplemente enmudece.
Por eso trasladamos todo el stack a nuestros propios servidores. Los modelos funcionan en nuestra propia infraestructura, donde podemos gestionarlos y ajustarlos a la tarea concreta. La latencia baja, y la dependencia de los límites y las políticas de terceros desaparece.
Qué significa esto para su negocio
Un bot rápido suena como un agente en vivo y mantiene al cliente en la conversación. Uno lento se delata con la primera pausa y pierde el lead nada más empezar. Tres segundos son la frontera entre esos dos escenarios, y nosotros mantenemos nuestra respuesta dentro de ella.
Escuche el ritmo usted mismo
Envíenos su guion y le daremos un número para llamar al bot, para que mida usted mismo la velocidad de respuesta. Tres segundos, y oirá la diferencia.