Recepción24

El reto

La mayoría de las pymes pierden clientes por una razón aburrida: no cogen el teléfono. La llamada entra mientras el dueño está atendiendo a otro cliente, conduciendo o cerrado; el cliente cuelga y llama al siguiente de la lista. Lo mismo pasa con los WhatsApp que se quedan en visto. La recepcionista humana es cara y solo cubre un horario; el contestador no resuelve nada.

El reto de Recepción24 era construir una recepcionista con IA que de verdad resolviera la llamada — entender al cliente, responder con la información del negocio, tomar una reserva o un recado y avisar al dueño — con una latencia lo bastante baja para que la conversación se sintiera natural, y que el mismo "empleado" atendiera por voz y por WhatsApp con la misma personalidad y memoria. Y todo ello como plataforma multi-tenant: un negocio nuevo se da de alta como configuración, no como código.

Lo que construimos

• Un "cerebro" texto-entra / texto-sale en LiveKit Agents (Python): transcripción en streaming, modelo de lenguaje y síntesis de voz encadenados para una conversación telefónica fluida, con detección de fin de turno y barge-in.
• Empleados como configuración, no como código: persona, conocimiento del negocio, herramientas y reglas de cada "empleado de IA" viven en datos (Azure SQL), no en el binario — dar de alta un cliente nuevo es sembrar filas, no desplegar.
• Canales intercambiables: como el cerebro es texto-entra/texto-sale, la voz (SIP vía Telnyx y Twilio) y el WhatsApp (Meta Cloud API directo) son adaptadores que comparten la misma persona, conocimiento y memoria de conversación.
• Herramientas de negocio: capturar un lead, avisar al dueño por correo, y transferir a un humano — el agente no solo charla, ejecuta acciones y deja registro.
• Panel de control en .NET / Blazor: alta de empleados, versiones de prompt, conocimiento, ataduras de número y revisión de conversaciones, leads y grabaciones — separado del cerebro para poder iterar el contenido sin tocar el runtime.
• Grabación y transcripción de llamadas con aviso de grabación, reproducibles desde el panel, para control de calidad y trazabilidad.
• Datos en la UE (Azure West Europe) y diseño con el RGPD por delante — un argumento de venta, no una nota a pie de página.

Decisiones técnicas que importaron

1. El cerebro es texto-entra / texto-sale

La decisión de arquitectura que lo sostiene todo: el núcleo razona sobre texto y nada más. La voz y el WhatsApp son adaptadores a su alrededor. Eso significa que añadir un canal nuevo (o cambiar de proveedor de voz) no toca la lógica del agente, y que un mismo empleado atiende una llamada y luego continúa la conversación por WhatsApp sin perder el hilo.

2. Empleados como configuración

Un negocio nuevo no es una rama de código: es un puñado de filas. Persona, conocimiento, herramientas y guardarraíles se resuelven en tiempo de ejecución a partir del número al que entra la llamada. Así la plataforma escala a muchos clientes sin que cada alta sea un despliegue, y el contenido lo edita un operador desde el panel.

3. Voz por SIP con dos operadores

Los números entran como troncales SIP desde Telnyx y Twilio hacia LiveKit, lo que da flexibilidad de numeración (incluido España) sin atarse a un único operador. WhatsApp va por la Cloud API de Meta directamente, sin intermediarios, para mensajería de primera clase.

4. Latencia tratada como producto

En una llamada, el silencio mata. El pipeline se midió turno a turno (fin de habla, primer token del modelo, primer audio de la síntesis) y se trabajó sobre los cuellos de botella reales — porque la diferencia entre "recepcionista" y "robot" se juega en segundos.

Resultado

Recepción24 está en producción atendiendo llamadas reales: su primer "empleado" es Reparaman, que contesta por voz y WhatsApp; ListingOK es el segundo. El mismo runtime sirve a marcas distintas cambiando solo la configuración, que es exactamente la promesa de la plataforma.

La decisión más infravalorada con perspectiva: separar el cerebro de los canales. Tratar voz y WhatsApp como adaptadores de un núcleo texto-entra/texto-sale es lo que convierte "una recepcionista de IA" en "una plataforma de recepcionistas de IA" — y lo que permite añadir el siguiente canal o el siguiente cliente sin reescribir nada.