Antes de empezar
- Un calendario de prueba
- Cinco ejemplos de llamadas habituales
- Un número de WhatsApp Business o un entorno de pruebas si vas a confirmar mensajes
Tutorial para pymes · voz y agenda
Cómo probar un asistente de voz para citas, agenda y WhatsApp
Monta un piloto que entienda una llamada, consulte huecos reales, pida confirmación, cree la cita y envíe un resumen por WhatsApp. Cada acción queda limitada y comprobable.
Whisper para transcribirAgenda como fuente de verdadConfirmación antes de escribir
Tutorial práctico
Prueba un asistente de voz para citas sin conectarlo aún a llamadas reales
Al terminar tendrás un recorrido de demostración que entiende una petición, consulta un calendario y prepara una confirmación.
Hazlo en este orden
- Define qué llamadas puede atenderDecide qué servicios puede reservar, qué horarios maneja y qué situaciones deben pasar a una persona.
- Transcribe una grabación de pruebaUtiliza una grabación de prueba y comprueba que Whisper entiende nombres, fechas y teléfonos.
- Extrae nombre, servicio, fecha y horaPide al modelo una salida con campos separados: nombre, servicio, día, hora y teléfono.
- Consulta huecos reales en el calendarioConsulta el calendario real; la IA no debe inventar huecos disponibles.
- Pide confirmación antes de crear la citaRepite la fecha y la hora y crea la cita únicamente después de que el cliente confirme.
- Envía el resumen por el canal autorizadoEnvía un resumen mediante la API empresarial autorizada y guarda el identificador de la cita.
- Pasa a una persona cuando falten datosSi falta un dato, hay ambigüedad o la petición queda fuera del alcance, transfiere la conversación.
No necesitas entender toda la parte técnica para comenzar. Sigue el recorrido básico y abre los apartados avanzados únicamente cuando la primera prueba funcione.
Resultado
Una llamada termina en una cita confirmada, no en una decisión autónoma del modelo
El LLM interpreta y estructura la petición. La disponibilidad procede del calendario, la persona confirma y una regla determinista crea el evento.
Qué hace cada pieza del asistente
1. Telefonía o audio
Recibe la llamada o el mensaje de voz. Para la primera prueba basta con archivos grabados y autorizados.
2. Whisper
Convierte el audio en texto y puede detectar el idioma. No consulta agenda ni decide la cita.
3. Modelo de lenguaje
Extrae nombre, teléfono, servicio, fecha preferida y observaciones en un JSON validable.
4. Calendario
Microsoft Graph o Google Calendar devuelve disponibilidad real y crea el evento con los permisos mínimos necesarios.
5. WhatsApp
WhatsApp Cloud API envía la confirmación y recibe respuestas mediante webhooks. Usa plantillas y reglas aprobadas cuando correspondan.
6. Voz de salida
Piper puede convertir la respuesta en audio local. Revisa la licencia de la voz concreta antes de usarla.
La secuencia que evita citas inventadas
- Recibir. Captura el audio y conserva el identificador de la conversación.
- Transcribir. Whisper devuelve texto y, cuando sea útil, marcas de tiempo.
- Extraer. El LLM devuelve únicamente campos permitidos: nombre, teléfono, servicio, fecha, franja y notas.
- Consultar. La aplicación pregunta al calendario por intervalos libres; el modelo no genera horarios por su cuenta.
- Ofrecer. Presenta dos o tres huecos reales.
- Confirmar. La persona elige una opción de forma inequívoca.
- Crear. La aplicación crea el evento con un identificador idempotente para evitar duplicados.
- Notificar. Envía por WhatsApp fecha, hora, lugar, instrucciones y vía de cancelación.
Monta un piloto pequeño antes de conectarlo a llamadas reales
Un servicio, una agenda de pruebas, un horario y diez conversaciones simuladas.
Nombre, teléfono, servicio, duración, fecha, franja horaria y confirmación.
Nombres y fechas correctos, cero citas duplicadas y transferencia a una persona cuando faltan datos.
Plantilla de salida del LLM
{
"intencion": "reservar_cita",
"nombre": "",
"telefono": "",
"servicio": "",
"fecha_preferida": "",
"franja": "",
"confirmado": false,
"faltan_datos": []
}Valida este objeto con un esquema. Si falta un campo obligatorio, el sistema pregunta; si hay ambigüedad, transfiere o solicita aclaración.
Qué modelo usar en cada etapa
EtapaModeloCriterio
TranscripciónWhisper small, medium o turboCompara nombres propios, ruido, acento y latencia con audios reales.
Extracción y diálogoQwen, Gemma o Llama pequeño/intermedioDebe seguir el esquema y pedir datos ausentes; no necesita ser el modelo más grande.
Razonamiento adicionalDeepSeek-R1 o gpt-ossSolo cuando la tarea realmente requiere varios pasos; para reservar una cita suele ser innecesario.
Respuesta habladaPiperElige una voz clara y comprueba su licencia.
Agenda y WhatsApp son sistemas externos, no capacidades del LLM
Microsoft Graph permite consultar disponibilidad y crear eventos con permisos de calendario. Google Calendar ofrece operaciones equivalentes. WhatsApp Cloud API gestiona mensajes y webhooks. Las credenciales se guardan en el servidor, nunca dentro del prompt ni del navegador.
- Usa permisos mínimos: lectura para consultar, escritura solo en el calendario previsto.
- Guarda zona horaria, duración y política de cancelación.
- Registra el identificador del evento y del mensaje, no el razonamiento interno del modelo.
- Limita reintentos y aplica evitar acciones duplicadas para no duplicar citas.
Informa, minimiza y limita la conservación
La voz, el número de teléfono y el contenido de la llamada pueden ser datos personales. Define finalidad, información a la persona, acceso, conservación, proveedores y procedimiento para corregir errores. No reutilices las llamadas para entrenar modelos sin una finalidad y base jurídica adecuadas.
Compra cuando la latencia o la concurrencia lo justifiquen
Una primera prueba puede funcionar con un equipo existente. Mide por separado transcripción, respuesta del LLM y síntesis. Cuando varias llamadas simultáneas o un modelo mayor superen la capacidad, utiliza el recomendador con esos datos.
Fuentes técnicas y criterio editorial
Whisper oficial · Microsoft Graph: disponibilidad · Microsoft Graph: crear eventos · WhatsApp Cloud API · Piper oficial · AEPD: transcripción de voz con IA · Google Calendar: disponibilidad · Google Calendar: crear eventos
La secuencia de pilotaje, los criterios de hardware y la obligación de confirmación son recomendaciones editoriales de seguridad y operación. Deben adaptarse al sector, proveedor de telefonía y obligaciones aplicables.
Preguntas frecuentes
Antes de conectar llamadas reales
¿Un único modelo puede atender, consultar agenda y enviar WhatsApp?
No. Necesitas transcripción, un LLM para estructurar la petición, APIs de calendario y mensajería, y reglas que controlen cada acción.
¿Puede el modelo elegir una hora libre?
Debe elegir únicamente entre huecos devueltos por la API del calendario. La fuente de verdad es la agenda, no la respuesta generativa.
¿Necesito un superordenador para empezar?
No necesariamente. Prueba pocas llamadas y un modelo pequeño. Compra cuando la latencia, el volumen o la concurrencia hayan sido medidos.
¿Puedo guardar todas las llamadas?
No debe asumirse. Define finalidad, información, acceso y conservación, y revisa las obligaciones aplicables a la voz y al contenido.