Benchmarks
Rendimiento de AMD. Medido con honestidad.
Nuestra metodología de benchmark, las métricas que seguimos, los idiomas que probamos y las limitaciones que reconocemos. Cuando no tenemos una cifra medida en un tráfico como el suyo, lo decimos en lugar de citar una.
Respuesta rápida
¿Qué miden los benchmarks de DialerBee? Miden la precisión del AMD con IA: el modelo clasifica una transcripción en tiempo real de los primeros 3 segundos del audio de la llamada como una persona real o un contestador automático, y lo evaluamos en 9 de los 11 idiomas compatibles (el portugués y el indonesio aún no figuran en los datos piloto), en distintos entornos de operador y tipos de campaña. La referencia real proviene de las correcciones de los agentes: cuando un agente no está de acuerdo con una clasificación, la marca con un solo clic, y la evaluación es continua, no una prueba de laboratorio puntual. Se siguen cinco métricas: precisión, tasa de falsos positivos, tasa de falsos negativos, latencia de detección y tasa de correcciones de agentes. Las cifras publicadas proceden de pilotos internos y se cumplen en determinadas condiciones piloto; cuando no tenemos una cifra medida en un tráfico como el suyo, lo decimos en lugar de citar una.
Qué evaluamos
Precisión del AMD en todos los idiomas
La AMD con IA de DialerBee clasifica la transcripción de los primeros 3 segundos de audio de la llamada para determinar si contestó una persona o un contestador automático. Evaluamos este sistema en varios idiomas, entornos de operador y tipos de campaña para medir su precisión en condiciones reales.
A diferencia de los proveedores que reportan precisión en condiciones de laboratorio, nuestros benchmarks reflejan datos de producción con todo el ruido, la variabilidad de los operadores y las diferencias regionales propias de las campañas salientes reales.
Metodología
Cómo medimos la precisión
Clasificación de transcripciones
El modelo de AMD clasifica una transcripción en tiempo real de los primeros 3 segundos de audio. Lee palabras y frases, no formas de onda ni patrones de pitidos.
La anulación del agente como referencia real
Cuando los agentes no están de acuerdo con la clasificación de AMD, la marcan con un clic. Estas anulaciones sirven como etiquetas de referencia real para medir la precisión.
Evaluación continua
Los benchmarks no son pruebas puntuales. Evaluamos la precisión de forma continua frente al flujo de anulaciones de los agentes en todas las campañas en producción.
Métricas que seguimos
Cinco métricas que importan
Precisión
Tasa global de clasificación correcta en todas las llamadas.
Tasa de falsos positivos
Llamadas atendidas por personas clasificadas erróneamente como máquinas.
Tasa de falsos negativos
Llamadas atendidas por máquinas clasificadas erróneamente como personas.
Latencia de detección
Tiempo desde que se contesta la llamada hasta la decisión de clasificación de AMD.
Tasa de anulación por agentes
Porcentaje de llamadas en las que los agentes corrigen la decisión de AMD.
Resumen del benchmark
Resumen público de pilotos internos
Las cifras detalladas por idioma, por operador y por región de nuestros pilotos internos están disponibles bajo solicitud.
| Métrica | Resumen público | Notas |
|---|---|---|
| Llamadas evaluadas | Rango de 10,000–50,000 | En campañas piloto internas |
| Rango de fechas | T1–T2 2026 | Se actualiza a medida que hay nuevos datos de pilotos |
| Idiomas probados | 9 | EN, AR, ES, FR, IT, DE, TR, HI, UR |
| Regiones evaluadas | MENA, Europa, Norteamérica | La combinación de operadores varía según la región |
| Tipos de campaña | Cobranza, BPO, ventas, seguros | Resultados segmentados cuando es posible |
| Tasa de falsos positivos de AMD | Por debajo del 3% en pilotos seleccionados | Persona clasificada erróneamente como máquina |
| Tasa de falsos negativos de AMD | Por debajo del 5% en pilotos seleccionados | Máquina clasificada erróneamente como persona |
| Latencia mediana de detección | Menos de 1 segundo | Desde la respuesta hasta la decisión de AMD |
| Latencia de detección P90 | Menos de 1,5 segundos | Desde la respuesta hasta la decisión de AMD |
| Tasa de correcciones de los agentes | Rango del 2–5% | Tasa de corrección manual en campañas piloto |
| Aumento de la tasa de contacto | Hasta 4 veces más que la marcación manual | En flujos de trabajo piloto; los resultados varían |
| Reducción del tiempo de inactividad | Rango del 30–45% | En campañas piloto seleccionadas |
Basado en pruebas piloto internas. Los resultados varían según el tipo de campaña, la calidad de la lista, el operador, la región, el idioma, la configuración de ritmo y el flujo de trabajo del agente. El comportamiento por idioma y por operador varía lo suficiente como para preferir medirlo en tus propias rutas durante un piloto, en lugar de publicar un promedio que no coincidirá con lo que verás. Antes de un piloto, puedes evaluar tu configuración actual con esta metodología usando la herramienta gratuita de autoevaluación de precisión de AMD.
Idiomas evaluados
Nueve de once idiomas, datos reales de pilotos
EN
English
AR
Árabe
ES
Español
FR
Francés
IT
Italiano
DE
Alemán
TR
Turco
HI
Hindi
UR
Urdu
Los benchmarks en árabe incluyen variantes dialectales del Golfo, levantinas y egipcias. Los benchmarks en hindi y urdu incluyen cobertura de variantes regionales. Cada idioma se evalúa de forma independiente, con desgloses por operador y por región.
Limitaciones
Lo que los benchmarks no pueden decirle
Los resultados varían según el operador. Cada operador produce saludos de buzón de voz, calidad de audio y tiempos de conexión distintos.
Los resultados varían según el tipo de campaña. Las campañas de cobranza tienen patrones de respuesta distintos a los de las campañas de ventas o encuestas.
Los resultados varían según la región. Los estilos de saludo del buzón de voz, la infraestructura de los operadores y las condiciones de red difieren entre mercados.
Los resultados varían según la calidad de la lista. Los números desactualizados, los números equivocados y las líneas desconectadas afectan de forma distinta al rendimiento de AMD.
Los benchmarks reflejan el rendimiento agregado. Los resultados de una campaña concreta pueden ser superiores o inferiores a los promedios publicados.
Datos completos de benchmarks de pilotos internos bajo solicitud
Los informes de benchmarks de pilotos internos, con tablas de precisión por idioma, desgloses por operador y datos de tendencias históricas, están disponibles para clientes potenciales calificados bajo NDA. Contacte a nuestro equipo para solicitar acceso.
Solicitar datos de benchmark
Agende una demo y compartiremos resultados detallados de benchmarks de AMD relevantes para su idioma, región y tipo de campaña.