Telefonía IP con IA: cada llamada grabada, transcrita y analizada

El reto

Para muchas empresas pequeñas el teléfono sigue siendo el canal de ventas principal. Llama un cliente, contesta un comercial, quedan en una medición, un precio, una fecha de entrega, y todo eso vive solo en la memoria del comercial y en un archivo de audio que nadie volverá a escuchar.

El resultado es conocido. Una llamada perdida de un cliente nuevo nunca se devuelve. El compañero que hereda un trato no sabe qué se prometió por teléfono. El dueño no puede saber qué comerciales atienden bien sin pasarse horas escuchando grabaciones. Y si un cliente dicta un número de tarjeta, queda guardado en una grabación para siempre.

Conectamos la telefonía IP al CRM de Yatoday y le añadimos una capa de IA, de modo que cada llamada pasa a formar parte del trato: quién llamó, la grabación, qué se dijo, qué se acordó y qué toca hacer después.

Una llamada se convierte en un contacto comercial, con su grabación

El CRM trabaja con Zadarma, una centralita en la nube. La empresa vincula sus números al CRM y, para cada número, elige el embudo al que van los nuevos interesados y si las llamadas deben crear oportunidades.

Al empezar la llamada, el CRM busca el número entre los contactos. Si alguien llama por primera vez, el CRM crea el contacto, la conversación y una ficha en el embudo elegido, con “teléfono” como origen, y avisa al equipo. Cuando llama un cliente que ya conocemos, la llamada se suma a su contacto y a su trato abierto, sin crear un duplicado. Si la llamada se pierde, el trato recibe una nota de “llamada perdida” y sube al principio de su columna, para que sea lo primero que vea el comercial.

Las llamadas salientes se registran en la ficha y el contacto existentes. Nunca crean oportunidades nuevas, así el embudo no se llena con números a los que llamó la propia empresa. Cuando Zadarma avisa de que la grabación está lista, el CRM la descarga a su propio almacenamiento y la adjunta a la llamada en el historial del trato.

Para las empresas que viven de las llamadas entrantes hay un embudo listo: llamada entrante, cualificación, convertida en trato, spam o no relevante.

Transcripciones separadas por interlocutor

En cuanto la grabación está adjunta, la llamada atendida se envía sola a transcribir; las muy cortas, por defecto de menos de 15 segundos, se omiten. El reconocimiento de voz usa modelos Whisper.

Si la grabación es estéreo, comercial y cliente van en canales distintos, así que cada canal se transcribe por separado y cada frase queda bien atribuida. En las grabaciones mono los interlocutores se separan por las pausas y por el sentido de la llamada. Si las etiquetas salen al revés, un clic las intercambia, y cualquier frase se puede corregir a mano.

Los modelos de voz a veces “oyen” frases en el silencio o en la música de espera. El CRM busca esos fragmentos inventados, los elimina cuando son muchos y marca las grabaciones de mala calidad en lugar de darlas por buenas. Las transcripciones también se pueden traducir, y un comercial lee en su idioma una llamada que fue en español.

Lo que la IA saca de cada llamada

Si el análisis está activado, la transcripción pasa a Claude. Primero decide qué tipo de llamada fue: una conversación real, un mensaje en el contestador, solo un menú automático o ruido. Los menús y el ruido se quedan en un registro mínimo en lugar de un análisis inventado; de un mensaje de contestador se extrae lo esencial y si piden que se les devuelva la llamada.

De una conversación real la IA saca:

• Un resumen de dos a cinco frases sobre resultados y decisiones, con nombres, importes y fechas.
• Puntos clave: hasta cinco decisiones o conclusiones.
• Tareas con prioridad, plazo si se mencionó y enlace al momento de la llamada en que se dijo. Cada una se convierte en una tarea del CRM con un clic.
• El tono de la llamada en general y por separado del comercial y del cliente.
• Riesgo de escalada: si el cliente está a punto de quejarse o de irse, y por qué.
• Datos mencionados: fechas, importes, productos, empresas, competidores; solo lo que se dijo de verdad.
• Temas como precio, entrega o características.

Para escribir bien los nombres, la IA recibe el vocabulario de la empresa: los términos que añade la propia empresa y nombres sacados del CRM, como los embudos y las empresas clientes. El resumen se copia a una nota con un clic, y los comerciales pueden valorar cada análisis.

En el propio trato, un panel de llamadas reúne todo esto: la evolución del tono, los temas principales, cuántas tareas siguen abiertas, la duración media y cuántas llamadas se marcaron con riesgo de escalada. Una barra de tiempo de habla muestra cuánto habló el comercial y cuánto el cliente.

Control de calidad

Cada llamada analizada se puntúa con una lista de control. La de serie pregunta si el comercial saludó, se presentó a sí mismo y a la empresa, averiguó qué necesita el cliente, respondió a las objeciones, acordó los siguientes pasos y cerró la llamada como es debido. La empresa puede sustituirla por sus propias preguntas.

Las puntuaciones alimentan una clasificación visible para responsables: para los últimos 7, 30 o 90 días muestra el número de llamadas de cada comercial, su tono medio y su nota media de calidad. El dueño ve dónde es fuerte el equipo y qué llamadas merece la pena escuchar, sin tener que escucharlas todas.

Tarjetas y documentos, fuera

A veces el cliente dicta datos que nunca deberían guardarse. Antes de guardar la transcripción, el CRM la revisa y sustituye por marcadores como “[CARD REDACTED]” los números de tarjeta bancaria (comprobados con el dígito de control estándar, para no tocar cualquier número largo), los códigos de seguridad, las contraseñas y PIN, y los números de DNI y NIE. Esta limpieza viene activada de serie. Nombres, teléfonos y emails se conservan a propósito, porque el negocio los necesita.

La grabación también se puede limpiar. Con la redacción de audio activada, el CRM silencia justo los segundos en que se dijeron esos datos y sustituye el archivo guardado por la versión silenciada.

Por último, cada empresa decide cuántos meses se guardan las grabaciones. Pasado ese plazo, una tarea programada borra el audio del almacenamiento, mientras la transcripción y el análisis se quedan en el trato.

Tecnologías

- Aplicación: Laravel 12 + Inertia/React 19 (CRM multiempresa)
- Telefonía: centralita en la nube Zadarma (webhooks de llamadas y grabaciones)
- Voz a texto: modelos Whisper (OpenAI o Groq), separación de canales estéreo
- Análisis de llamadas: Anthropic Claude (respuesta estructurada en JSON)
- Procesado y redacción de audio: FFmpeg
- Almacenamiento: almacenamiento de objetos compatible con S3 para las grabaciones
- Base de datos: MySQL 8, colas para transcripción y análisis

Resultado

Las llamadas dejan de ser archivos de audio que nadie abre. Cada llamada llega al trato correcto con su grabación, una transcripción por interlocutor y un resumen breve; lo prometido se convierte en tareas con un clic; un cliente en riesgo queda marcado en el trato. El dueño compara a los comerciales por llamadas reales y no por impresiones, y los números de tarjeta y de documento no quedan ni en el texto ni en el audio.