Fundamentosagentes ia
Agentes IA WhatsApp y voz: conecta ambos canales
Coordina agentes de IA en WhatsApp y voz sin perder el contexto: diseña el traspaso, la derivación humana y las pruebas con datos ficticios.
- Autor: humAIns
- 10 min de lectura
índice · 7 apartados
Coordinar agentes de IA en WhatsApp y voz requiere una integración que mantenga el estado mínimo de la atención y reglas claras para recuperar el contexto o derivar a una persona. Activar dos bots no basta para conservar la continuidad: las funciones, los requisitos y el acceso dependen de cada proveedor y de cómo se configure el flujo.
Para una pyme, la meta práctica no es construir una conversación omnicanal perfecta desde el primer día. Es permitir que alguien empiece una consulta por mensajes, continúe por llamada si lo necesita y no tenga que repetir información irrelevante, manteniendo controles para que el sistema no revele datos a quien no corresponda.
Qué problema resuelve coordinar WhatsApp y llamadas
Hay tres cosas distintas que suelen llamarse «pasar de un canal a otro»:
- Cambio de canal: la persona recibe una opción para continuar por teléfono o regresar a WhatsApp. Puede limitarse a mostrar un número o un enlace; eso no transmite el historial.
- Transferencia a una persona: un agente automatizado deriva la atención a un empleado o una cola. Hace falta que la telefonía o el proceso de atención permita realizar esa derivación y que el equipo reciba el contexto necesario.
- Orquestación multicanal: una capa de integración coordina eventos y un estado autorizado de la atención entre canales, sistemas y agentes. Decide qué guardar, cuándo recuperarlo, cómo evitar duplicados y qué hacer ante errores.
Un chatbot que responde por WhatsApp y un sistema que atiende llamadas pueden funcionar por separado. Para que trabajen como una experiencia coordinada, la empresa debe definir qué significa «la misma atención», cómo se relacionan los eventos y cuándo un agente deja de actuar. No des por hecho que dos productos de IA se conectan directamente entre sí ni que un número de teléfono basta para relacionar conversaciones.
Un punto de partida razonable es un único caso frecuente y de bajo riesgo, por ejemplo, una consulta sobre el horario o el estado general de una gestión. Deja fuera del piloto las decisiones sensibles, los pagos y cualquier acción irreversible.
Un flujo ficticio de WhatsApp a voz
Imagina que una persona pregunta por WhatsApp por el estado de una reserva. El agente puede responder con información general aprobada; si la consulta requiere una conversación hablada, el flujo ofrece solicitar una llamada. Este ejemplo usa datos ficticios y no presupone que un proveedor concreto incluya esa secuencia lista para usar.
Una arquitectura conceptual puede ser así:
Mensaje o evento de WhatsApp
↓
Webhook de entrada → validación y control de duplicados
↓
Capa de coordinación → estado mínimo con acceso y caducidad definidos
↓ ↓
Agente de WhatsApp Solicitud de llamada
↓
Telefonía y agente de voz
↓
Resumen autorizado o derivación humana
En una implementación real, un webhook es una solicitud que comunica a tu sistema que ha ocurrido un evento, como un mensaje entrante. La capa de coordinación interpreta el evento, comprueba si ya se procesó y actualiza el estado permitido. Si llega una llamada después, el servicio recupera solo el contexto necesario asociado con un identificador interno y aplica las comprobaciones previstas. Si no logra relacionarlo con seguridad, pregunta lo imprescindible o deriva; no adivina la identidad.
El identificador interno podría ser una referencia de atención aleatoria creada por el sistema, no el teléfono como prueba suficiente de identidad. Si la persona cambia de dispositivo, comparte un teléfono o pide continuar sin identificarse, el proceso debe seguir siendo comprensible y no exponer datos de otra persona.
Qué guardar y qué no
La continuidad no exige copiar todo el chat a la llamada. Guarda lo mínimo que permita retomar la tarea, por ejemplo:
| Campo de ejemplo ficticio | Para qué puede servir | Control recomendado |
|---|---|---|
| Identificador aleatorio de atención | Relacionar los eventos de una misma gestión | Acceso limitado y caducidad definida |
| Intención: «consultar reserva» | Elegir el flujo apropiado | No inferir más de lo expresado |
| Estado: «solicita llamada» | Evitar repetir pasos ya completados | Actualizar al confirmar cada transición |
| Resumen: «pregunta por disponibilidad» | Ahorrar una repetición al retomar | Omitir detalles personales innecesarios |
| Resultado de derivación | Saber si una persona debe continuar | No presentar una llamada fallida como conectada |
Evita guardar por defecto transcripciones completas, datos de pago, contraseñas, información sensible o identificadores que no hagan falta para esa tarea. Define quién puede consultar el estado, para qué, durante cuánto tiempo y cómo se elimina. Usa permisos mínimos: si el agente solo necesita leer una respuesta aprobada, no le concedas capacidad para modificar una cuenta o emitir un reembolso.
La autenticación debe ser proporcional al dato o a la acción. Antes de revelar detalles personales o permitir una operación, usa el mecanismo de comprobación de identidad que corresponda a tu servicio. El reconocimiento del número de origen puede ser una señal operativa, pero no debe tratarse automáticamente como prueba suficiente de quién llama.
Componentes e integraciones: qué hace cada pieza
Estas herramientas pueden cubrir partes distintas de una solución. Su presencia en una arquitectura no significa que exista una conexión automática entre ellas.
- WhatsApp Business Platform y Cloud API de Meta: la documentación oficial describe API programables para mensajería y llamadas en WhatsApp, además de gestión de activos empresariales. Confirma los requisitos de acceso y configuración aplicables a tu cuenta. Meta publica tarifas que dependen de la categoría del mensaje y del mercado; no hay una cifra universal que sirva para todos los casos. Consulta la documentación de Cloud API y la página de precios de WhatsApp Business Platform para condiciones vigentes.
- Twilio Programmable Voice: proporciona documentación, SDK y herramientas para realizar y recibir llamadas desde una aplicación. Su documentación muestra, entre otros ejemplos, solicitudes HTTP a la aplicación al recibir llamadas y respuestas de voz. La infraestructura de telefonía no equivale por sí sola a un agente inteligente ni conoce el historial de WhatsApp: eso depende de la aplicación y sus integraciones. Revisa la documentación de Voice.
- OpenAI Realtime API: la guía describe agentes de voz que procesan audio en tiempo real, mantienen estado de conversación y pueden utilizar herramientas. El estado de una sesión de voz no es por ello el historial de WhatsApp: tu servicio debe decidir qué contexto permitido comparte entre sesiones y canales. Consulta la guía oficial de Realtime.
- Capa de coordinación propia o de automatización: recibe eventos, aplica reglas, gestiona identificadores y duplicados, persiste el estado mínimo y decide qué siguiente paso es válido. Debe integrar cada servicio de acuerdo con sus API, permisos, límites y requisitos; no es una función que debamos atribuir sin comprobar a una herramienta genérica.
Antes de elegir, dibuja el evento de entrada, la decisión que se toma, los datos consultados, la acción permitida y la salida de error. Pide a quien implemente el flujo que aclare dónde se ejecuta cada pieza, qué credenciales usa, cómo rota los secretos y qué ocurre cuando un proveedor no responde.
Fallback y pruebas supervisadas
La primera versión debe tener una salida segura para los fallos previsibles. Ensaya, con mensajes y perfiles ficticios, escenarios como estos:
- Evento duplicado: el webhook reintenta la entrega. Comprueba que el mismo mensaje no crea dos llamadas ni dos gestiones.
- Llamada que no conecta: comunica que no se ha completado y ofrece otra opción; no afirmes que una persona ha recibido el caso si no existe esa confirmación.
- Canal o proveedor no disponible: conserva solo el estado permitido, informa de la interrupción y permite continuar por un canal operativo.
- Identidad no comprobada: no recuperes ni pronuncies información personal. Pide el paso de verificación previsto o pasa a una persona.
- Petición explícita de atención humana: detén el flujo automatizado y deriva según las reglas acordadas. Si no hay disponibilidad, informa del siguiente paso realista.
- Contexto ausente o contradictorio: pregunta de nuevo de forma acotada o escala; nunca rellenes los huecos con una conjetura.
Mide por separado si el sistema recibió el evento, si pudo recuperar el estado, si inició la llamada, si esta llegó a conectarse y si hubo una derivación efectiva. Añade tasa de duplicados, fallos por componente y tiempo hasta la respuesta. Esos indicadores describen el funcionamiento técnico; no prueban por sí solos que se haya resuelto la necesidad del cliente. Revisa ejemplos de errores con el equipo antes de ampliar el piloto.
Privacidad, costes y alcance del piloto
Cuando se procesan datos personales, identifica qué información entra por cada canal, para qué se usa, quién puede consultarla y cuánto se conserva. La AEPD ofrece recursos de protección de datos y orientaciones sobre el uso de asistentes de IA; el Reglamento General de Protección de Datos establece el marco europeo aplicable. Determina con el equipo responsable qué información hay que facilitar a las personas y qué medidas corresponden a tu caso. Este resumen no es asesoramiento jurídico.
Para estimar el coste, separa mensajería, telefonía, uso del modelo, infraestructura y mantenimiento. Meta indica que sus tarifas de mensajería varían según categoría y mercado; Twilio publica condiciones para sus servicios de voz; los costes de IA dependen del producto y uso. Consulta los precios y condiciones oficiales para tu país, cuenta y configuración antes de presupuestar. No hay un precio total verificable sin conocer el diseño, volumen y proveedores elegidos.
Un piloto acotado puede empezar con respuestas informativas, una opción de llamada claramente presentada y derivación supervisada. Especifica los límites, quién atiende los escalados y qué registros se eliminan. Amplía solo después de comprobar con casos de prueba que el traspaso es confiable, que los controles son adecuados y que la experiencia mejora frente al proceso actual.
Si estás diseñando un flujo de atención, también puedes revisar la guía de agentes de voz con IA, cómo automatizar WhatsApp con IA, el enfoque de orquestador de agentes IA y la guía de agentes IA para atención al cliente. Para ampliar competencias de IA aplicada al trabajo de marketing, consulta el curso de IA para marketing; su ficha permite valorar el encaje, sin asumir módulos específicos de telefonía o integraciones.
Preguntas frecuentes
¿Cómo se coordinan agentes de IA en WhatsApp y voz sin perder el contexto?
Usa una capa de integración que mantenga un estado mínimo, con identificador interno, permisos y caducidad. El segundo canal recupera solo lo necesario después de validar la relación con la atención; si no puede hacerlo con seguridad, pregunta o deriva. La disponibilidad de cada paso depende de los proveedores y de la implementación.
¿Se puede transferir una conversación de WhatsApp a una llamada automáticamente?
Se puede construir una opción que solicite o inicie una llamada si las API, los permisos, la cuenta y la configuración lo admiten. No des por hecho que la conversación se transfiere de forma nativa o que la llamada conecta con el agente adecuado. Prueba también cancelaciones y llamadas no contestadas.
¿Qué datos necesita el agente de voz para continuar la atención?
Empieza con la intención, el estado del trámite y un resumen corto. Añade datos personales solo cuando sean necesarios para una acción concreta, limita los accesos y comprueba la identidad antes de revelar información. Evita trasladar transcripciones completas por conveniencia.
¿Qué ocurre si falla el traspaso o el cliente pide hablar con una persona?
El flujo debe parar la automatización, comunicar el estado real y ofrecer un canal alternativo o la derivación configurada. Comprueba si la llamada llegó a conectarse y si un equipo aceptó el caso; si no, no prometas que está atendido. Define de antemano qué sucede fuera de horario.