Si gestionas un sistema de llamadas salientes, la detección de contestador automático (AMD, por sus siglas en inglés) es una de las tecnologías más importantes. Determina si una llamada entrante fue atendida por un agente o por un contestador automático, y la redirige en consecuencia. Si funciona correctamente, tus agentes dedicarán su tiempo a hablar con clientes. Si falla, perderás tiempo con contestadores automáticos o, peor aún, perderás llamadas de clientes potenciales.

A pesar de su importancia, la función AMD se malinterpreta con frecuencia. La mayoría de los gerentes de operaciones la consideran una simple casilla de verificación: el marcador tiene AMD, está activado, listo. Esto es un error. La diferencia entre una precisión del 80 % y del 95 % de AMD puede significar miles de conversaciones perdidas por semana para un equipo de tamaño mediano.

Cómo funciona AMD tradicional

El AMD clásico se basa en una combinación de técnicas de procesamiento de señales aplicadas al flujo de audio inmediatamente después de que la otra parte responde. Los dos métodos principales son:

Detección basada en energía: El sistema mide la duración y el perfil energético del audio inicial. Los saludos humanos suelen ser cortos (menos de 1,5 segundos) con pausas. Los saludos de correo de voz suelen ser más largos, con habla continua seguida de un tono de pitido.
Detección de pitidos: El sistema detecta el tono característico que indica el final del saludo del buzón de voz. Al detectarlo, la llamada se clasifica como de contestador automático y se corta o se redirige a un mensaje pregrabado.

Estos métodos eran eficaces cuando los sistemas de correo de voz estaban estandarizados. El problema es que el panorama de la telefonía se ha fragmentado considerablemente. Google Voice, el correo de voz visual específico de cada operador, los saludos basados en VoIP y las variaciones regionales entre operadores provocan que los tonos de aviso sean inconsistentes, inexistentes o se reproduzcan con retraso.

Los dos tipos de errores de AMD

Los errores de AMD se presentan en dos variantes y tienen consecuencias muy diferentes:

Falsos positivos Esto ocurre cuando una persona real es clasificada erróneamente como contestador automático. El sistema de marcación corta la llamada y el cliente potencial escucha un breve silencio seguido de un cuelgue. Este es el error más perjudicial. El cliente potencial se molesta, su percepción de su marca se ve afectada y usted ha desperdiciado un intento de contacto con un número que sí era accesible. Dependiendo de las reglas de reintento y las regulaciones de la Lista de No Llamar (DNC), es posible que no tenga otra oportunidad.

Falsos negativos Esto ocurre cuando un mensaje de voz se clasifica erróneamente como si fuera de una persona. La llamada se desvía a un agente, quien escucha un mensaje grabado y debe colgar manualmente. Esto supone una pérdida de tiempo para el agente (normalmente entre 5 y 10 segundos por incidente), pero es recuperable. El agente continúa con la siguiente llamada.

En la mayoría de las operaciones, los falsos positivos son entre 3 y 5 veces más costosos que los falsos negativos. Una llamada en directo que se interrumpe supone una oportunidad perdida. Que un agente escuche un mensaje de voz es un inconveniente.

Por qué la precisión varía según la región y el operador.

La precisión de AMD no es un valor único. Varía drásticamente según los operadores y las regiones a las que te conectes. He aquí el motivo:

Lenguaje y estructura de los saludos: Los mensajes de voz en árabe en los países del Consejo de Cooperación del Golfo, el Levante y el norte de África presentan patrones de habla, duraciones y prosodia diferentes a los saludos en inglés. Un modelo entrenado con datos de inglés estadounidense tendrá un rendimiento deficiente en las llamadas en árabe.
Sistemas de correo de voz de las operadoras: Cada operador implementa el correo de voz de manera diferente. Algunos usan el saludo grabado del abonado. Otros usan un mensaje predeterminado del operador. Algunos reproducen un saludo seguido de un pitido. Otros reproducen un saludo seguido de silencio. Algunos omiten el pitido por completo.
Latencia de red: Las llamadas internacionales y las rutas VoIP introducen una latencia variable, lo que puede alterar las suposiciones de temporización en las que se basa la tecnología AMD basada en energía.
tonos de progreso de la llamada: Los tonos de llamada, los tonos de ocupado y los mensajes de intercepción del operador varían según el país y pueden confundir a los sistemas AMD que no han sido entrenados para ellos.

Cómo la IA cambia la ecuación de AMD

El AMD moderno basado en IA adopta un enfoque fundamentalmente diferente. En lugar de basarse en las características de la señal de audio, transcribe los primeros segundos del habla y clasifica el content de lo que se dijo.

Considere la diferencia:

Humano: "¿Hola?" / "Sí, hablo" / "¿Quién habla?"
Máquina: "Hola, te has comunicado con Ahmed. No estoy disponible en este momento. Por favor, deja un mensaje después del tono."

Los patrones lingüísticos son distintos. Los humanos responden con frases cortas e interrogativas. Las máquinas utilizan oraciones declarativas predefinidas. Un clasificador de transcripciones puede distinguirlas con gran precisión, independientemente de si se emite un pitido a continuación.

Las implementaciones más avanzadas incorporan un sistema de retroalimentación: cuando un agente recibe una llamada mal clasificada, la marca. Estas correcciones se convierten en datos de entrenamiento para el modelo. A lo largo de semanas y meses, el sistema aprende patrones específicos de cada operador, estilos de saludo regionales y casos excepcionales que un modelo estático no detectaría.

DialerBee Motor de IA AMD Utiliza precisamente este enfoque: clasificación basada en transcripciones con bucles de retroalimentación para los agentes y seguimiento de la precisión por operador. El sistema está diseñado para mejorar continuamente a medida que su equipo lo utiliza, en lugar de implementar un modelo estático que se degrada con los cambios en los sistemas de los operadores.

Métricas clave de AMD a seguir

Si estás evaluando el rendimiento de AMD, estas son las métricas que importan:

Tasa de falsos positivos (FPR): Porcentaje de llamadas en directo clasificadas erróneamente como automáticas. Objetivo: menos del 5 %. Promedio del sector con sistemas heredados: entre el 10 % y el 20 %.
Tasa de falsos negativos (FNR): Porcentaje de llamadas automáticas clasificadas erróneamente como realizadas por humanos. Objetivo: menos del 10 %. Esto no es tan crítico, pero aun así afecta la productividad de los agentes.
Latencia de clasificación: Tiempo transcurrido entre la respuesta y la clasificación. Lo ideal es que sea inferior a 2 segundos. Si supera los 4 segundos, el cliente potencial podría colgar antes de que el agente pueda comunicarse con él.
Precisión por operador: Las cifras de precisión agregadas ocultan problemas específicos de cada operador. Una precisión general del 92 % puede enmascarar una tasa de precisión del 70 % en un operador específico que representa el 30 % de su volumen de llamadas.

AMD y Cumplimiento

AMD tiene implicaciones de cumplimiento que a menudo se pasan por alto. Cuando AMD clasifica erróneamente una llamada en vivo como una llamada automática y la interrumpe, esto puede considerarse una llamada abandonada según regulaciones como la TCPA de EE. UU. o las directrices TDRA de los EAU. La mayoría de los marcos regulatorios limitan la tasa de abandono al 3 % de las llamadas contestadas. Una precisión deficiente de AMD puede hacer que supere ese límite sin que su equipo se dé cuenta, ya que las llamadas interrumpidas nunca aparecen en la interfaz del agente.

Por eso, la precisión de AMD no es solo una métrica de eficiencia, sino también una métrica de cumplimiento. Los equipos de operaciones deben monitorear su tasa de abandono efectiva, incluyendo los falsos positivos de AMD, y no solo los abandonos reportados por el algoritmo de ritmo del marcador.

Cómo elegir la estrategia adecuada de AMD

No existe una configuración de AMD que sea universalmente correcta. La configuración adecuada depende de su caso de uso:

Equipos de cobranza A menudo prefieren la detección de actividad cerebral agresiva (mayor sensibilidad) porque los mensajes de voz son menos valiosos que las conversaciones en directo, y las tasas de contacto ya son bajas.
Equipos de ventas Es posible que prefieran la AMD conservadora (menor sensibilidad, sesgo hacia la clasificación como humano) porque un falso positivo significa un cliente potencial perdido que puede que nunca vuelva a responder.
Campañas que requieren cumplimiento normativo Se debe utilizar AMD conservador para minimizar el riesgo de llamadas abandonadas que computan para el umbral del 3%.

La mejor opción es configurar la sensibilidad de AMD por campaña, con paneles en tiempo real que muestren la precisión por operador, campaña y período de tiempo. De esta manera, los gerentes de operaciones pueden ajustar el equilibrio entre la eficiencia del agente y la tasa de contacto según las prioridades específicas de cada campaña.

AMD no es una función que se configura una vez y se olvida. Es un desafío de optimización constante que impacta directamente en sus resultados. La cuestión no es si su marcador telefónico tiene AMD, sino si este aprende, se adapta y le brinda la precisión que su operación requiere.

¿Qué es la detección de contestadores automáticos (AMD)?