Usa la IA para coaching, no para castigo automático
No convertiría el análisis de llamadas con IA en un látigo automático para el equipo comercial. Empezaría usándolo para encontrar preguntas recurrentes, pasos omitidos y frases que ayudan o perjudican el trato.
El error que eliminaría primero: Una mala transcripción puede dar a un comercial una nota injusta. Por eso la calidad de la grabación, el consentimiento para analizar y el fragmento de la conversación importan más que un informe bonito.
Qué preparar y qué resultado esperar
- Resultado: El equipo ve qué mejorar en el proceso de ventas y el manager obtiene una muestra con ejemplos en lugar de una nota subjetiva de una sola llamada.
- Define la legalidad de la grabación, la lista de roles con acceso y una rúbrica de puntuación: objetivo de la llamada, preguntas, siguiente paso, objeciones y resultado.
- Mantén los datos de origen y los derechos de acceso separados de la salida para poder auditar lo que hizo la revisión de llamadas y mensajes de ventas.
- Prueba una grabación corta, audio malo, una conversación multiparte y un hilo con datos personales.
Revisa la conversación para que la conclusión sea comprobable
- Comprueba consentimiento y almacenamiento
Antes de subir una grabación, confirma si se puede analizar, dónde se guarda y quién puede ver la transcripción. Enmascara números de teléfono y datos de pago.
Проверьте: El registro tiene la fuente, el periodo de retención y el responsable del acceso.
Если не сработало: Empieza con grabaciones de formación anonimizadas.
- Haz la rúbrica observable
En lugar de «buen comercial», pregunta: ¿descubrió el objetivo? ¿nombró un siguiente paso? ¿gestionó la objeción? ¿capturó una fecha?
Проверьте: Dos managers puntúan el mismo ejemplo de la misma forma.
Если не сработало: Elimina el ítem subjetivo o añade ejemplos del estándar.
- Analiza una muestra
No proceses todo de golpe. Toma 10–20 conversaciones de distintas fuentes y compara las conclusiones de la IA con el etiquetado manual.
Проверьте: Conoces la tasa de coincidencia y los errores típicos de transcripción.
Если не сработало: Arregla la calidad de grabación antes de afinar el prompt.
- Convierte la salida en coaching
Reúne temas y frases concretas para practicar, no penalizaciones automáticas. Muestra al empleado el fragmento original y una alternativa sugerida.
Проверьте: Tras el coaching, cambia un paso concreto del proceso.
Если не сработало: Asigna un experimento para la semana y mide el siguiente paso en el CRM.
Una rúbrica que se puede verificar
En lugar de «buena llamada», define cinco ítems observables: objetivo del cliente descubierto, siguiente paso nombrado, plazo capturado, objeción gestionada, resultado registrado en el CRM. Para cada uno, guarda pass, fail o not_observed más un enlace al fragmento.
Empieza con 10–20 grabaciones de distintas fuentes. Compara las etiquetas de la IA con las de dos managers y marca por separado low_audio_quality. No mezcles coaching y decisiones disciplinarias en un mismo flujo.
- Enmascara teléfonos, tarjetas y otros datos personales.
- Muestra al empleado una cita y una formulación alternativa, no solo una nota.
Qué métrica es útil aquí
No mires la media del «AI-score». Mira el cambio en un paso concreto: cuota de llamadas con seguimiento programado, tiempo hasta el registro en CRM, conversión de un tipo de solicitud. Si la métrica no se mueve tras el coaching, el problema puede ser el proceso, no la habilidad del comercial.
Puntúo acciones observables, no la personalidad del comercial
Crea una rúbrica: `goal_discovered`, `next_step_named`, `timeline_fixed`, `objection_answered`, `crm_updated`. La respuesta puede ser `pass`, `fail` o `not_observed`, pero cada fail necesita un enlace al fragmento de la transcripción.
Empieza con 10–20 grabaciones de calidad mixta y compara la IA con etiquetas manuales de dos managers. El audio malo recibe `low_quality` y se excluye de la puntuación. Mide por separado si un paso concreto del CRM cambió tras el coaching: la media del AI-score sola no prueba nada.
Qué medir en una llamada y qué dejar como opinión
| Criterio | Pregunta | Buena señal |
|---|---|---|
| Entrada | ¿Qué entra exactamente en la revisión de llamadas y mensajes de ventas? | Define la legalidad de la grabación, la lista de roles con acceso y una rúbrica de puntuación: objetivo de la llamada, preguntas, siguiente paso, objeciones y resultado. |
| Acción | ¿Qué puede hacer el sistema por su cuenta? | Solo acciones predefinidas, sin acceso a toda la cuenta |
| Comprobación | ¿Cómo sabes que el resultado es aceptable? | Prueba una grabación corta, audio malo, una conversación multiparte y un hilo con datos personales. |
| Fallo | ¿Adónde va un caso poco claro? | Marca la grabación como low_quality o needs_review y no la uses para evaluar al empleado. |
Qué debe cambiar después de la configuración
El equipo ve qué mejorar en el proceso de ventas y el manager obtiene una muestra con ejemplos en lugar de una nota subjetiva de una sola llamada.
Dónde el análisis de ventas se vuelve injusto
Analizar grabaciones sin comprobar consentimiento y acceso.
Tratar un tono seguro como señal de una buena venta.
Sacar conclusiones de una sola grabación.
Mostrar al empleado una nota sin fragmento ni explicación.
Cuándo las conversaciones hay que protegerlas como datos aparte
Necesitas un especialista si las grabaciones son de alto volumen, están reguladas, se almacenan en varios sistemas o si los resultados afectarán a la compensación.
Qué comprobar en las primeras diez grabaciones
¿Para quién es este enfoque al trabajar con la revisión de llamadas y mensajes de ventas?
El análisis de conversaciones con IA es útil como herramienta de coaching: encuentra preguntas recurrentes, pasos omitidos y motivos de tratos perdidos. Usarlo como látigo automático para empleados es mala idea.
¿Por dónde empezar si todavía todo es manual?
Define la legalidad de la grabación, la lista de roles con acceso y una rúbrica de puntuación: objetivo de la llamada, preguntas, siguiente paso, objeciones y resultado.
¿Cómo comprobar que la configuración no causará daño?
Prueba una grabación corta, audio malo, una conversación multiparte y un hilo con datos personales.
¿Qué hacer con un resultado poco claro?
Marca la grabación como low_quality o needs_review y no la uses para evaluar al empleado.
