Presentamos telli Duo Agents: por qué apostamos por la IA speech-to-speech

Una buena conversación tiene su ritmo. Hacemos pausas, interrumpimos y respondemos antes de que la otra persona termine la frase. Ocurre de forma tan natural que casi nunca pensamos en ello.

Al teléfono, la gente no siempre se comporta como se espera. Empieza a contestar antes de que termine la pregunta, se corrige a mitad de frase, pide que se consulte algo mientras sigue hablando, o se frustra y necesita oír una voz tranquila que le dé seguridad.

Hasta ahora, era imposible llevar todo eso a un agente de voz.

Presentamos telli Duo Agents

Hoy ponemos telli Duo Agents a disposición de todos: nuestros nuevos agentes de voz, capaces de escuchar y hablar al mismo tiempo.

En los últimos dos años, el sector ha adoptado lo que se conoce como “arquitectura en cascada”. Esto significa que, cuando una persona habla con un agente, su voz se transcribe a texto, pasa a un modelo de IA y se vuelve a convertir en audio.

Esta arquitectura tiene un fallo de base: un agente no puede escuchar y hablar al mismo tiempo. Para compensarlo, encadenamos todavía más modelos, como los de detección de actividad de voz y los de gestión de turnos, para intentar adivinar cuándo ha dejado de hablar el usuario y cuándo debe responder el agente. Pero por mucho que lo intentáramos, nunca conseguimos que el agente pareciera realmente humano.

Hacia dónde va la IA de voz

En telli siempre hemos creído que los modelos speech-to-speech acabarían imponiéndose en la IA de voz, pero todos los modelos que evaluamos se quedaban cortos al seguir instrucciones y fallaban de formas extrañas.

Eso cambió hace un par de meses, cuando recibimos acceso anticipado al nuevo modelo GPT-Live de OpenAI. Es un modelo speech-to-speech full-duplex que sigue escuchando mientras habla. Gestiona directamente el ritmo de la conversación y las interrupciones, y se le puede indicar en el prompt que delegue en otro modelo las tareas que requieren un razonamiento más profundo.

Tras nuestras primeras pruebas comparativas, decidimos enseguida reconstruir nuestra infraestructura de voz en torno a este enfoque. Costó mucho trabajo y alguna noche sin dormir, pero contábamos con dos años de experiencia y millones de llamadas reales.

El resultado es el nuevo agente telli Duo: dos modelos que trabajan en paralelo para ofrecer la mejor experiencia al cliente en las llamadas con IA de voz. Un modelo escucha y habla con el usuario al mismo tiempo. Otro puede encargarse de las tareas complejas que requieren un razonamiento más profundo.

Del modelo al producto

Para que esto funcione en cualquier entorno y caso de uso, añadimos un mecanismo que decide cuándo pasar la tarea a modelos más inteligentes. También incorporamos nuestra detección del buzón de voz, las transferencias a un humano, la gestión del consentimiento y todas las demás funciones que tanto valoran ya los usuarios de nuestra plataforma.

Y como escribir los prompts de los agentes Duo es más complejo y requiere más matices, hemos entrenado a Charlie (nuestro compañero de IA) para que nuestros clientes puedan crearlos fácilmente sin miedo a estropear ninguno.

Las primeras reacciones de los clientes han sido espectaculares. Muchos han visto una mejora inmediata en sus KPI, y nos ilusionan los nuevos casos de uso que se abren ahora que por fin se pueden implantar agentes de voz que resultan realmente humanos.

En telli creemos que hablar con una empresa debería ser tan fácil como hablar con un amigo. Duo nos acerca un paso más a esa visión.

Pruébalo en telli.com o reserva una demo y te enseñaremos lo que pueden hacer los agentes telli Duo.