01
Contexto de negocio
En atención telefónica, la calidad no se entiende solo mirando promedios. Había que transformar conversaciones reales en señales que operación pudiera usar.
Caso de éxito
Speech Analytics end-to-end
Diseñé y desplegué una solución de Speech Analytics en GCP para transformar llamadas en señales accionables de calidad de atención.
Los casos muestran decisiones técnicas reales. Datos de clientes y métricas exactas están omitidos por confidencialidad.
Esteban RucánAI EngineerSantiago, Chile
02
Restricciones
- Procesar conversaciones de forma ordenada y trazable.
- Integrar IA generativa, analítica y visualización en un mismo flujo.
- Entregar una lectura clara para equipos técnicos y de negocio.
03
Decisiones clave
- Orquesté el flujo end-to-end con Airflow.
- Usé Gemini para extraer señales desde conversaciones.
- Conecté BigQuery ML y Power BI para medición y seguimiento.
04
Arquitectura
Conversaciones
Airflow
Gemini
BigQuery ML
Power BI
Seguimiento
05
Impacto
- TMO menor en decenas de segundos.
- Visibilidad completa sobre calidad de atención del Call Center.
- Mejor base para priorizar mejoras con evidencia.
06
Aprendizajes
- Transcribir no basta. El valor aparece cuando la señal vuelve a la operación.
- La arquitectura importa tanto como el modelo cuando el sistema debe sostenerse en producción.
07
Qué quedó instalado
- Un pipeline de Speech Analytics end-to-end.
- Métricas disponibles para seguimiento operativo.
- Un estándar técnico más claro para nuevas soluciones de IA.