Ir al contenido
Comparta un proceso. DRING le llama en dos minutos y cualifica la necesidad. Le llamamos en dos minutos
Le llamamos en 2 minutos Ver Agent Factory
Casos de éxito

Los agentes de DRING en llamadas reales

Cinco despliegues en producción, cada uno medido en todas sus llamadas durante su propio periodo, desde una campaña de una hora hasta un año en producción.

Los casos de éxito se publican anonimizados por sector, sin el nombre del cliente. Las marcas que han dado permiso por escrito para ser citadas figuran en la página de referencias. Abajo se documentan cinco despliegues, cada uno con su periodo indicado; la lista crece a medida que maduran otros.

SectorProcesoCifra clave
E-commerce, electrónica reacondicionadaSoporte entrante, encuesta saliente, línea de tiendas~75 % resueltas sin traspaso
Finanzas, pagos digitalesSoporte entrante, piloto de encuestas92,6 % atendidas al instante
Distribución B2BCampaña a distribuidores17,3 % de leads calientes
Logística, bolsa de cargasLínea de transportistas, 24/7100 % atendidas al instante
Logística, plataforma internacionalCualificación saliente de leads194 leads cualificados
E-commerce, electrónica reacondicionada

La IA atiende la mayoría de las entrantes

Del 60 al 80 %de las llamadas entrantes, atendidas por IA tras un año en producción
~75 %de esas conversaciones, resueltas sin traspaso a una persona
Hasta el 81 %menos de coste operativo en este despliegue concreto

Un gran marketplace de electrónica reacondicionada en Turquía gestiona una tienda con muchísimas transacciones: estado de pedidos, garantías de equipos clasificados por estado y devoluciones, todo a gran escala. Antes de DRING, el volumen entrante superaba a menudo al equipo de soporte, las esperas crecían en torno a las promociones y las reposiciones de stock, y no había una forma sistemática de contactar con los compradores tras la entrega ni de cubrir una línea propia para las sucursales.

El agente

Tres agentes, tres momentos

Un agente de soporte entrante atiende la línea principal, consulta el pedido y resuelve dudas de garantía y devoluciones en la propia llamada, incluidos casos propios del reacondicionado, como una discrepancia en la salud de la batería. Un agente saliente llama a los compradores tras la entrega para una breve encuesta de satisfacción, y un tercer agente atiende la línea de soporte de tiendas y sucursales.

Soporte entranteEn directo
Hola, buenas. Compré un móvil reacondicionado la semana pasada, el pedido 48213, y la salud de la batería me sale más baja de lo que ponía.
Ya tengo su pedido. Los equipos reacondicionados se clasifican por salud de batería al entrar, y el suyo figura con un 89 %. Si le marca menos, puedo abrirle ahora mismo una reclamación de garantía.
Sí, por favor, me marca un 81 %.
Reclamación abierta. En menos de una hora tendrá en su cuenta la opción de sustitución o de reembolso.
ResoluciónCerrada en la llamada
Duración~40 s de media
  1. Descubrir

    Mapear los motivos

    Antes de escribir una sola línea del prompt se identificaron los motivos de llamada con más volumen: estado del pedido, garantía y devoluciones.

  2. Construir

    Tres agentes, un sistema de pedidos

    Los agentes de soporte entrante, encuesta saliente y línea de tiendas se construyeron sobre los pedidos y el CRM del propio marketplace.

  3. Probar

    Casos límite del reacondicionado

    Antes del lanzamiento, las conversaciones simuladas cubrieron disputas sobre el grado del equipo y lecturas de batería que no coincidían.

  4. Lanzar

    Despliegue gradual

    El agente asumió primero una parte de las llamadas entrantes y pasó a toda la línea cuando la tasa de resolución se mantuvo estable.

  5. Evolucionar

    Ajustes tras el traspaso

    Con el traspaso activado, el tiempo medio de gestión bajó a unos 40 segundos. Después, el equipo ajustó las reglas de transferencia para que el agente dejara de pasar llamadas que podía resolver por sí mismo.

MétricaResultadoNota
Resuelto sin traspaso a una persona~75%Tras un año en producción, con traspaso a una persona y su contexto cuando hace falta
Ventaja en coste operativoHasta un 81 % menosFrente a la referencia acordada solo con personas para el mismo proceso
Cuota de la IA en las entrantesDel 60 al 80 %Creció hasta estabilizarse durante el primer año, con personas disponibles para las excepciones
Volumen mensual17.000 a 18.000 llamadasSituación estable actual, tras un año
Volumen gestionado~43.000 llamadasEn un periodo de medición de dos meses y medio
Disponibilidad24/7, sin colaSin espera a ninguna hora
Tiempo medio de gestión~40 segundosDesde que se activó el traspaso
Lo que aprendimos

Cerca del 75 % de las conversaciones se cerró sin traspaso a una persona, y la derivación seguía disponible cuando un caso requería criterio. En este despliegue concreto, el coste operativo llegó a ser hasta un 81 % inferior a la referencia acordada de atención solo con personas. La cuota de la IA creció de forma constante desde el lanzamiento hasta estabilizarse entre el 60 y el 80 % durante el primer año, una tendencia que dice más que el pico de una sola semana. Activar el traspaso redujo el tiempo medio de gestión a unos 40 segundos, pero también dejó ver un problema propio: el exceso de transferencias, que se ajusta aparte de la tasa de resolución. Los agentes de encuesta y de la línea de tiendas cubren momentos que la línea entrante nunca ve.

Demo de proceso DRING · electrónica reacondicionadaSaliente

Escuchar este proceso

Una llamada de seguimiento saliente comprueba el pedido y el registro de salud de la batería, y abre la reclamación adecuada sin dar por resuelto un caso que sigue pendiente.
Finanzas, pagos digitales

El 92,6 % de las llamadas, atendidas al instante

479interacciones en 30 días (417 de soporte, 62 de encuesta)
92,6 %de las llamadas entrantes, atendidas al instante
70,3 %de los diálogos llegaron a una conclusión
96,9 %de sentimiento positivo

Una plataforma de pagos digitales atiende por teléfono consultas sobre el estado de transacciones, pagos fallidos y cuentas: llamadas en las que cada minuto de espera se interpreta como una señal de alarma. El volumen de soporte crecía y las incidencias eran urgentes. Además, la plataforma quería medir de forma fiable la satisfacción tras cada interacción de soporte, en lugar de depender de contactos manuales esporádicos.

El agente

Soporte en directo y encuesta piloto

El agente de soporte entrante consulta el estado de la cuenta y de la transacción, resuelve lo que puede en la llamada y pasa el caso a una persona con todo el contexto cuando hace falta criterio o un rastreo manual con el banco. Un segundo agente, saliente, realiza un piloto de encuesta de satisfacción después de las interacciones de soporte.

Soporte de pagosEn directo
Hola, buenas, una transferencia que hice ayer me sigue saliendo como pendiente.
Ya la veo. Ahora mismo está en el banco receptor, y eso normalmente se resuelve en menos de 24 horas. Le envío un SMS en cuanto se complete.
Vale, ¿y si mañana todavía no ha llegado?
Entonces abro yo directamente un rastreo con el banco, usted no tiene que hacer nada. Si pasadas 24 horas sigue pendiente, basta con que responda a ese SMS.
ResultadoResuelto por la IA
SentimientoPositivo
  1. Descubrir

    Mapear los tipos de llamada

    Las transferencias pendientes, los pagos fallidos y las consultas de cuenta resultaron ser los motivos de llamada con más volumen y más urgencia.

  2. Construir

    Conectar con las cuentas

    El agente se construyó sobre el estado real de transacciones y cuentas, no sobre una copia almacenada.

  3. Probar

    Simular reclamaciones

    Antes del lanzamiento se simularon conversaciones sobre transacciones fallidas y cargos en disputa.

  4. Lanzar

    En producción en soporte

    El agente entrante empezó a atender la línea principal de soporte, con el traspaso a una persona siempre disponible.

  5. Evolucionar

    Encuesta piloto

    La encuesta de satisfacción saliente se probó primero con un grupo reducido, antes de decidir si se ampliaba.

MétricaResultadoNota
Interacciones (30 días)479417 de soporte, 62 de encuesta
Llamadas atendidas al instante92.6%Sin cola
Diálogos que llegan a una conclusión70.3%40 resueltos solo por la IA, 218 pasados a una persona con todo el contexto
Sentimiento96,9 % positivo
Recomendación (piloto)+54Media de 8,4/10, n=13, muestra pequeña
Lo que aprendimos

En pagos, descolgar al instante pesa más que en casi cualquier otra línea: atender sin espera el 92,6 % de las llamadas generó confianza antes incluso de que el agente abordara el problema. La tasa de resolución, por sí sola, se queda corta para explicar el resultado. Del 70,3 % de los diálogos que llegaron a una conclusión, la mayoría se pasó a una persona, y 218 de esos traspasos llevaban todo el contexto, así que el cliente nunca tuvo que repetirse. La puntuación de recomendación de +54 del piloto es alentadora, pero con n=13 es pronto para hablar de tendencia. El siguiente paso es repetir la encuesta con una muestra mayor antes de sacar conclusiones.

Demo de proceso DRING · pagos digitalesEntrante

Escuchar este proceso

Una conversación de soporte tranquila que comprueba el pago, explica lo que se sabe y registra un seguimiento sin presentar como resuelto un caso pendiente.
Distribución B2B

117 distribuidores en cerca de una hora

117distribuidores objetivo
92 %de distribuidores contactados
98conversaciones reales completadas
17,3 %de leads calientes, 17 leads

Un mayorista tecnológico B2B necesitaba presentar una nueva oferta a toda su red de distribuidores, una lista basada en relaciones de confianza donde el tono importa tanto como el alcance. Llamar a mano a 117 distribuidores le habría costado a un comercial más o menos una jornada entera, un tiempo que el equipo de ventas no tenía para contactos que quizá no llegaran a convertirse.

El agente

Llamar y derivar

Un agente de campañas salientes recorrió la lista de distribuidores, presentó la oferta y preguntó si querían que un comercial les enviara un presupuesto. Los distribuidores interesados se marcaron como leads calientes, y el agente anotó además el interés en otros productos que surgió fuera del guion original.

Contacto con distribuidoresSaliente
Hola, le llamo de DRING en nombre de su mayorista, por la nueva línea de componentes. ¿Tiene dos minutos?
Sí, claro, dígame.
Este mes tenemos abiertos precios de acceso anticipado. ¿Quiere que un comercial le contacte con un presupuesto?
Pues sí, justo estábamos mirando eso. Que me llame alguien.
ResultadoLead caliente pasado a ventas
AcogidaPositiva
  1. Descubrir

    Segmentar la lista

    Antes de escribir el guion se revisaron la lista de 117 distribuidores y la oferta de la campaña.

  2. Construir

    Guion de la oferta

    El agente se construyó para presentar la oferta, responder dudas básicas y señalar a ventas cualquier interés.

  3. Probar

    Simular objeciones

    Antes del lanzamiento se simularon las objeciones habituales: el momento, el precio y las versiones anteriores del producto.

  4. Lanzar

    Llamar a toda la lista

    La campaña llamó a los 117 distribuidores de la lista en una sola sesión.

  5. Evolucionar

    Captar señales secundarias

    El interés en venta cruzada que surgió fuera del guion original es ahora algo que las siguientes campañas buscan captar a propósito.

MétricaResultadoNota
Distribuidores objetivo117
Distribuidores contactados92%
Conversaciones reales completadas98
Leads calientes pasados a ventas1717,3 % de las conversaciones
Duración de la campañaCerca de una horaFrente a una jornada de una persona, aprox.
Acogida positiva97.2%
Oportunidades de venta cruzada detectadas4Fuera del alcance original de la campaña
Lo que aprendimos

Una campaña que a un comercial le habría llevado una jornada de llamadas se completó en cerca de una hora. La rapidez por sí sola no habría servido de nada si las llamadas hubieran caído mal: el 97,2 % de acogida positiva es lo que hizo aprovechable esa velocidad, porque la relación con los distribuidores se construye durante años. Las 4 oportunidades de venta cruzada no eran algo que la campaña buscara. Recuerdan que un agente conversacional recoge información más allá de su guion, y que conviene captarla a propósito en la próxima campaña en lugar de tratarla como una nota al pie.

Demo de proceso DRING · distribución B2BSaliente

Escuchar este proceso

Una breve llamada saliente sobre stock, plazos y la próxima conversación con un gestor de cuenta.
Logística, bolsa de cargas

Línea de transportistas, siempre abierta

56llamadas en los primeros cinco días
100 %atendidas al instante, sin cola
87,5 %fueron conversaciones reales
21,4 %de las llamadas, fuera del horario laboral

Una bolsa de cargas pone en contacto a transportistas con cargas disponibles, y los transportistas llaman por cargas abiertas, tarifas o su propio perfil a cualquier hora, según cuándo estén en carretera. Antes de esta línea, las llamadas fuera del horario laboral se quedaban sin respuesta y esa demanda era prácticamente invisible: nadie sabía cuánta había, porque no había nadie para atenderla y registrarla.

El agente

Una línea, a cualquier hora

El agente de la línea entrante responde sobre cargas disponibles y tarifas, recoge los datos del perfil del transportista y pasa las negociaciones de precio al equipo con el contexto ya incluido, igual a las 9:00 que a las 2:00 de la madrugada.

Línea de transportistasEn directo, 02:14
Buenas, llamo por la carga de Valencia a Madrid, ¿qué tarifa tiene?
Esa tiene una tarifa fija publicada. Si la haría por algo más, puedo pasarle su contraoferta al equipo.
Sí, pásela, que por algo más sí la hago.
Entendido, lo marco ahora mismo. Alguien le llamará antes de que se cierre la carga. ¿Puedo ayudarle en algo más?
ResultadoNegociación de precio pasada al equipo
HoraFuera del horario laboral
  1. Descubrir

    Mapear por qué llaman

    Las cargas disponibles, las consultas de tarifas y la actualización del perfil resultaron ser los motivos principales de llamada.

  2. Construir

    Conectar con la bolsa de cargas

    El agente se construyó sobre datos reales de cargas y tarifas, no sobre una lista estática.

  3. Probar

    Simular negociaciones

    Antes del lanzamiento se simularon objeciones a la tarifa y contraofertas.

  4. Lanzar

    24/7 desde el primer día

    La línea arrancó funcionando las 24 horas, no solo en horario laboral.

  5. Evolucionar

    Observar el patrón fuera de horario

    Los primeros datos sobre cuándo llaman de verdad los transportistas ya orientan los próximos ajustes de la línea y de sus reglas de derivación.

MétricaResultadoNota
Llamadas (primeros 5 días)56
Atendidas al instante100%Sin cola
Conversaciones reales87.5%
Resultado positivo34.7%4 cargas aceptadas, 6 negociaciones derivadas, 6 perfiles de transportista registrados
Fuera del horario laboral21.4%Algunas a las 2:00
Acogida positiva87.8%
Lo que aprendimos

El 21,4 % de las llamadas llegó fuera del horario laboral, algunas a las 2:00 de la madrugada. Esa demanda ya existía antes de abrir la línea, pero no tenía adónde ir: la cobertura la hizo visible por primera vez. No todas las llamadas necesitan una resolución completa para contar como buen resultado: derivar una negociación de precio con el contexto del transportista ya incluido fue, en sí, un resultado útil. Cinco días es un periodo corto, y estas proporciones, un 87,5 % de conversaciones reales y un 34,7 % de resultados positivos, son una primera lectura y no una tendencia consolidada. Conviene seguirlas a medida que crezca el volumen.

Demo de proceso DRING · bolsa de cargasEntrante

Escuchar este proceso

Un transportista llama fuera del horario habitual de oficina y obtiene el dato operativo que necesita para seguir.
Logística, cualificación de leads

194 leads cualificados de una cartera inactiva

6.804empresas objetivo
2.513empresas contactadas
1.602conversaciones completas
194leads cualificados pasados a ventas, 12,1 %

Una plataforma logística internacional tenía una gran bolsa de leads que se habían enfriado: empresas con las que hubo conversaciones, que nunca llegaron a convertirse y que tampoco se dieron por cerradas. Trabajar esa cartera a mano habría obligado a apartar al equipo de ventas de operaciones activas para hacer llamadas que quizá no llevaran a nada.

El agente

Cualificar y luego derivar

Un agente de cualificación saliente llamó a la cartera inactiva durante cinco semanas, comprobó si seguían necesitando servicios de transitario y planteó unas pocas preguntas de cualificación. Las empresas cualificadas pasaron a ventas con ese contexto ya incluido.

Cualificación de leadsSaliente
Hola, hace un tiempo hablamos con su equipo sobre transporte internacional de mercancías. ¿Sigue siendo algo que les interese?
Pues sí, ahora estamos enviando bastante más al extranjero.
Me alegra saberlo. ¿Qué volumen de contenedores mueven al mes, más o menos? Así se lo paso al comercial adecuado.
Unos 40 al mes, casi todo marítimo.
ResultadoLead cualificado pasado a ventas
AcogidaConstructiva
  1. Descubrir

    Segmentar la cartera

    Antes de empezar a llamar se identificaron 6.804 empresas objetivo dentro de la cartera de leads inactivos.

  2. Construir

    Diseñar el guion de cualificación

    Se preparó una breve serie de preguntas para separar a las empresas realmente interesadas de las que no llevaban a ninguna parte.

  3. Probar

    Simular reacciones frías

    Se simularon respuestas desinteresadas y escépticas para que el agente supiera cerrar la llamada con corrección, sin insistir.

  4. Lanzar

    Cinco semanas de campaña

    La campaña avanzó por la lista de contactos en fases durante cinco semanas, no de golpe.

  5. Evolucionar

    Pasar a ventas con contexto

    Los leads cualificados llegaron a ventas con las respuestas de cualificación adjuntas, así que los comerciales partían de un contexto y no de una lista fría.

MétricaResultadoNota
Llamadas realizadas9,666
Empresas objetivo6,804
Empresas contactadas2,513
Conversaciones completas1,602
Leads cualificados pasados a ventas19412,1 % de las conversaciones
Acogida constructiva95.1%Satisfecha o neutra
Tiempo de ventas liberado36 horas de conversaciónGestionadas sin ocupar al equipo de ventas
Lo que aprendimos

La mayor sorpresa fue un 95,1 % de acogida constructiva, satisfecha o neutra, en una cartera que el equipo daba por fría: los leads dormidos eran, en su mayoría, leads a los que nadie había vuelto a llamar. El verdadero cuello de botella fue el contacto, no la conversión. De 6.804 empresas objetivo, se contactó con 2.513 en cinco semanas, así que planificar la siguiente campaña implica calcular cuántas empresas se pueden contactar de forma realista en un periodo dado. La cifra que importaba a ventas era la tasa de cualificación, el 12,1 % de las conversaciones, no el recuento bruto de 9.666 llamadas.

Demo de proceso DRING · logísticaSaliente

Escuchar este proceso

Una llamada de cualificación saliente, directa al grano, que distingue una necesidad logística real de un «no» educado.
Del blog de DRING

Escrito desde primera línea.

Artículos más extensos sobre lo que hemos aprendido desplegando agentes de voz, del turismo de salud y la hostelería a la operación de call centers. Todos los artículos

Sector

El futuro del turismo de salud: crecer con soluciones de IA

Cómo cambia la captación de pacientes internacionales cuando la admisión, la cualificación y el seguimiento los gestionan agentes de voz en el idioma del paciente.

Leer
Sector

Más implicación y satisfacción del paciente en el turismo de salud con agentes de IA realistas

Por qué la voz tiene que sonar como alguien del equipo antes de que un paciente reserve una consulta en el extranjero.

Leer
Sector

Diversificar la cartera de clientes en hostelería: la atención a huéspedes en varios idiomas, a fondo

Cómo diversificar la cartera de clientes de un hotel cuando la recepción habla el idioma de cada huésped.

Leer
Sector

Los pasos de un gran avance: agentes de IA en sectores tradicionales

Cómo se están aplicando los agentes de IA en sectores tradicionales y menos digitalizados.

Leer
Calidad y pruebas

Replicar a los mejores profesionales: el papel de los agentes de equipo en la IA de voz

Cómo usar agentes de equipo en la IA de voz para replicar la forma de trabajar de los mejores profesionales.

Leer
Modelo operativo

Cuellos de botella en el call center: ¿es la contratación un problema del pasado?

Un análisis de los cuellos de botella al contratar para un call center y de si la IA de voz cambia la ecuación.

Leer
Cómo leer las cifras

Medido en cada llamada, publicado por sector.

Cada caso informa de los indicadores que sigue su proceso, a partir de las mismas cuatro definiciones, para que los resultados se puedan comparar entre sectores y a lo largo del tiempo.

Atendido por IA

Porcentaje de llamadas que el agente atendió y gestionó por sí mismo, con una resolución o con un traspaso con el contexto adjunto. Desviar a una llamada de vuelta no cuenta. Cuántas de ellas se cerraron sin una persona se indica por separado.

Atendidas al instante

Porcentaje de llamadas atendidas al primer tono, sin cola. Se mide en toda la línea, noches y festivos incluidos.

Tasa de resultado

Porcentaje de conversaciones que terminaron con el resultado para el que se diseñó la campaña: un lead cualificado, una reserva hecha, una encuesta completada.

Acogida

Sentimiento al final de la llamada, etiquetado en cada conversación y auditado por personas sobre una muestra periódica.

También en producción

Sectores con agentes en producción, casos de éxito en preparación.

Despliegues en producción que aún no se han documentado. Cada uno tendrá su caso de éxito cuando reúna datos de producción suficientes para informar con un periodo indicado.

Anonimizados por sector. Los casos de éxito indican el sector, no el nombre del cliente. Las marcas que se pueden citar figuran en la página de referencias, y organizamos llamadas de referencia con el consentimiento de cada cliente. Solicítela en la página de contacto.

Su línea puede ser el próximo caso.

Deje su número y DRING le llama en dos minutos para definir el primer agente. Cuando esté en producción, se medirá igual que todos los casos de arriba.