Tu cliente manda audios: por qué tu WhatsApp tiene que entenderlos

Acá una parte enorme de los pedidos llega hablada, no escrita. Manda audio el que va manejando, el capataz en la obra, el que atiende su local con el negocio lleno. Si tu WhatsApp solo entiende texto, esos pedidos quedan colgados hasta que alguien tenga tiempo de escucharlos.

La gente pide por audio, y eso no va a cambiar

Hablar es más rápido que tipear. Dictar un pedido de diez productos lleva veinte segundos; escribirlo en el celular, caminando por el depósito, es un fastidio. Por eso el audio gana siempre que la persona tiene las manos ocupadas en otra cosa.

Pensá en una distribuidora que recibe decenas de pedidos por WhatsApp todos los días. Buena parte llega en audio: "Hola, mandame cinco cajas de la retornable, tres packs de agua sin gas, y si tenés hielo agregale dos bolsas". Hoy eso lo escucha una persona, lo anota en un papel o en una planilla y lo carga al sistema a mano.

Mientras el volumen es chico, funciona. El problema aparece cuando los audios se acumulan y el pedido de las 8 de la mañana recién se carga a las 11, con el reparto ya en la calle y el cliente llamando enojado.

Lo que pierde un bot de solo texto

Pierde justo los pedidos del cliente que no tiene las manos libres para escribir. Y suelen ser los de tus habituales, porque el que te compra todas las semanas ya no tipea. Habla.

Frente a un audio, ese bot o lo ignora o contesta "no entendí tu mensaje, por favor escribime". Ignorarlo deja al cliente hablando solo. Pedirle que tipee lo que ya dijo lo obliga a hacer el trabajo dos veces, y muchos no lo van a hacer; antes llaman por teléfono o prueban con otro proveedor que sí les conteste.

¿Cómo procesa una nota de voz un agente de IA?

Un agente de IA hace tres cosas con el audio. Lo transcribe, interpreta qué se pidió y confirma lo entendido antes de avanzar. Ninguna de las tres alcanza sola.

La transcripción convierte el audio en texto. Es la parte más conocida y también la que menos resuelve por sí sola, porque una transcripción cruda dice cosas como "dame dos de la premium y un pack de la negra". Con eso todavía no se carga nada.

La interpretación cruza esa frase con el catálogo real del negocio. "La premium" es un producto concreto, con presentación y precio. "Un pack de la negra" también. El agente arma el pedido con códigos y cantidades de verdad, no con frases sueltas.

Y antes de cargar nada, confirma: "Entendí 2 cajas de cerveza premium y un pack de gaseosa, ¿confirmo el pedido?". El cliente responde que sí o corrige, "la gaseosa que sea de dos litros", y recién ahí el pedido avanza.

La confirmación parece un detalle y es lo que más plata cuida. Un pedido mal cargado hace salir el camión con mercadería equivocada, obliga a una nota de crédito y deja al cliente con la sensación de que el bot no sirve.

Con Amiba, el pedido confirmado no se queda en el chat. Entra directo a tu sistema, porque el agente se integra por API con Odoo, Zoho o el ERP que ya usás, y nadie vuelve a tipear lo que el cliente ya dijo. Si querés, el cliente además paga ahí mismo con un link.

Audios con ruido, largos o que mezclan temas

Frente a un audio difícil, el agente pregunta en vez de adivinar. Si una parte no se entendió, pide una aclaración puntual en lugar de inventar una cantidad.

El ruido es lo más común. Audios grabados en la calle, en el depósito, con el motor del camión de fondo. Si la transcripción llega entrecortada, el agente responde algo como "te entendí las cinco cajas de retornable, pero la última parte no se escuchó bien, ¿me repetís esa parte?". El cliente no tiene que mandar todo de vuelta, solo lo que faltó.

Con los audios que mezclan temas pasa parecido. El cliente manda el pedido y en el mismo audio pregunta por una factura o reclama la entrega anterior. El agente puede resolver el pedido y encarar lo otro por separado, o preguntar antes de asumir. Lo que no hace un agente bien armado es completar un pedido con datos de los que no está seguro.

Cuándo derivar a una persona

Hay audios que conviene que atienda una persona, y un buen agente los reconoce sin que nadie se lo marque. Un audio de cinco minutos con tres temas distintos, o un reclamo con mucha historia detrás, termina mejor con un humano. Forzarlo por un flujo automático es maltratar al cliente.

Lo importante es cómo se deriva. El agente pasa el chat con la transcripción del audio y el historial completo de la conversación. La persona que lo toma ya sabe qué pidió el cliente, qué se le confirmó y dónde se trabó. No arranca de cero preguntando "¿en qué le puedo ayudar?".

También hay que decirlo al revés. Si tu negocio recibe pocos audios por día y tenés alguien que los escucha al toque, esto todavía no es tu problema. La cuenta cambia con el volumen. Cuando la persona que carga pedidos pasa media mañana con el teléfono en la oreja, ahí sí hay algo que automatizar.

Texto solo contra audio entendido, lado a lado

La columna del medio se repite a propósito. Esa es exactamente la experiencia que tiene hoy tu cliente si tu WhatsApp no entiende audios.

Volvamos a la distribuidora. Con un agente que entiende notas de voz, los pedidos claros entran solos al sistema, confirmados por el propio cliente. La persona que antes pasaba la mañana escuchando audios ahora revisa excepciones, el audio confuso o el reclamo que necesita mano humana. El equipo es el mismo, se pierden menos pedidos, y el cliente sigue mandando audios como siempre, sin enterarse de que del otro lado cambió algo.