Un VoiceBot que suena natural no es el resultado de un guion más amigable: es el resultado de una arquitectura bien diseñada.
La diferencia entre un bot que frustra y uno que retiene está en cómo se diseñan las transiciones entre estados, cómo los handlers capturan intención y entidades simultáneamente, y cómo el protocolo de fallback recupera la conversación sin obligar al usuario a repetir lo que ya dijo.
Con Cari AI automatizas la atención, reduces drásticamente los tiempos de espera y transformas la experiencia de tus clientes mientras incrementas la rentabilidad de tu negocio. Obtén tu demo personalizada.
Arquitectura de estados finitos: los tres elementos de cada nodo
Un flujo de conversación para VoiceBot opera sobre una arquitectura de estados finitos con transiciones definidas por intenciones, entidades y umbrales de confianza NLU.
Cada nodo del diagrama tiene tres elementos que determinan si la conversación avanza o se quiebra:
- El prompt ASR es la frase que el bot pronuncia para obtener la respuesta del usuario. Un prompt como “¿En qué te ayudo?” genera respuestas demasiado abiertas que bajan la confianza del modelo NLU. Uno como “¿Quieres consultar tu saldo, hacer un pago o hablar con un asesor?” acota el espacio de intenciones y eleva el score de reconocimiento.
- El handler de intención evalúa el resultado del NLU y decide si el bot confirma, repregunta o escala. Un handler bien construido captura intención y entidades en la misma pasada, permitiendo saltar pasos cuando el usuario ya dio la información necesaria.
- La variable de contexto que el nodo hereda del estado anterior garantiza que el bot no repita preguntas que el usuario ya respondió.
Un error frecuente en bots mal diseñados: el usuario dice “quiero saber cuánto debo de mi tarjeta terminada en 4532” y el bot contesta “¿Qué producto deseas consultar?”.
Ese desfase ocurre cuando el handler solo extrae la intención pero descarta las entidades. En reportes de tarjetas bancarias, la precisión de las entidades define la seguridad de la operación.
Protocolo de fallback en tres niveles
Cuando la confianza NLU cae por debajo del umbral definido, el handler de error determina si el usuario abandona o sigue.
Un protocolo de fallback efectivo tiene tres niveles que se activan en cascada, cada uno con una estrategia de recuperación distinta:
- El primer nivel reformula el prompt con opciones más cerradas. Si el bot preguntó “¿En qué te ayudo?” y el score fue bajo, el fallback responde “No logré entenderte. ¿Quieres consultar tu saldo o hacer un pago?”
- El segundo nivel introduce confirmación explícita con respuesta binaria: “Entendí que quieres consultar tu saldo, ¿es correcto?”
- El tercer nivel transfiere a un agente humano con todo el contexto acumulado (intención probable, entidades parciales, número de intentos), para que el equipo no obligue al usuario a repetir lo que ya dijo.
El handler necesita diferenciar tres casos límite: un timeout (el usuario no habló), un noinput (el micrófono captó sonido pero el ASR no reconoció palabras) y un nomatch (el ASR transcribió pero el NLU no encontró intención).
Cada uno requiere una respuesta diferente, y confundirlos genera loops donde el bot repite “No te entendí” mientras el usuario ya colgó.
El voicebot de Cari AI opera con modelos de lenguaje entrenados en variantes del español latinoamericano, lo que mejora el score NLU desde el primer día en operaciones de Colombia, México, Perú y otros países de la región.
Métricas para evaluar el flujo en producción
|
Métrica |
Qué mide |
Señal de alerta |
|---|---|---|
|
Tasa de contención |
Conversaciones resueltas sin agente humano |
Estancamiento o descenso después del primer mes de operación |
|
Confianza NLU promedio por nodo |
Calidad del reconocimiento en cada estado del flujo |
Nodos con confianza consistentemente baja indican problemas de diseño del prompt |
|
Tasa de error semántico |
Veces que el bot interpretó incorrectamente la intención |
Guía los ciclos de reentrenamiento del modelo |
|
Tiempo hasta escalamiento |
Cuántos turnos de diálogo preceden a una transferencia al agente |
Valores altos con fallback en nivel 3 indican nodos problemáticos específicos |
Con Cari AI automatizas la atención, reduces drásticamente los tiempos de espera y transformas la experiencia de tus clientes mientras incrementas la rentabilidad de tu negocio. Obtén tu demo personalizada.
Preguntas frecuentes sobre flujos de conversación para VoiceBots
¿Cuántos nodos necesita un flujo transaccional?
Un caso de uso transaccional (consulta de saldo, agendamiento, seguimiento de pedido) tiene entre 8 y 15 nodos, cada uno con el prompt ASR, el handler de intención y la variable de contexto heredada.
¿Por qué un prompt abierto baja la tasa de contención?
Genera respuestas demasiado abiertas que bajan el score NLU, forzando fallbacks o escalamientos innecesarios. Un prompt que acota el espacio de intenciones eleva el reconocimiento y permite avanzar sin fricciones.
¿Cómo diferencia el handler entre timeout, noinput y nomatch?
Timeout: el usuario no habló. Noinput: el ASR no reconoció palabras. Nomatch: el NLU no encontró intención. Cada uno requiere respuesta diferente; confundirlos genera loops.
¿Cuándo se activa el tercer nivel de fallback?
Cuando el score cae bajo el piso mínimo o el contador de reintentos llega al límite. La transferencia lleva intención probable, entidades parciales y número de intentos al agente.
¿Qué tasa de contención indica un flujo bien diseñado?
Un VoiceBot transaccional bien diseñado muestra mejora progresiva en los primeros meses. Una tasa estancada o en descenso después del primer mes es señal de revisión en los nodos de mayor abandono.
