Que es
Un sistema que escucha una llamada de venta mientras ocurre y le dice al asesor que responder, a tiempo de que lo diga. No es un analizador que entrega un reporte al dia siguiente: la sugerencia aparece en la pantalla del asesor durante la conversacion, dentro de la misma pausa en la que el prospecto termina de hablar.
El problema, en un segundo concreto
Lo que vende no es el producto: es saber que decir en el momento exacto. Un asesor con anos de oficio tiene esa respuesta en la punta de la lengua. El que lleva tres semanas se acuerda veinte minutos despues de colgar, cuando ya no sirve.
La landing entera esta construida alrededor de un solo segundo -- el minuto 00:47 de una llamada real, frente a la objecion mas comun del ramo:
El prospecto dice "ya tengo un seguro por el trabajo". A los 0.4 s la frase ya esta transcrita y atribuida al prospecto (no al asesor). A los 1.6 s el asesor lee en pantalla "preguntale que pasa con esa cobertura el dia que cambie de empleo". En 00:49 lo dice con sus palabras. Del otro lado nadie noto nada.
Ese es todo el producto. Lo demas es plomeria para que ese segundo ocurra.
Que resuelve
- Curva de aprendizaje -- el asesor nuevo aprende en la llamada, con el caso enfrente, en vez de en una capacitacion donde todas las objeciones suenan faciles.
- Diagnostico de perdidas -- cada llamada queda con su resumen y sus objeciones. Al mes hay un mapa de donde se cae el dinero construido con frases textuales, no con impresiones de sobremesa.
- Captura automatica -- nadie escribe notas al colgar. Resumen, puntos clave, audio y transcripcion ya estan ahi, y se sincronizan al CRM si existe.
Como esta armado
El backend es Python + FastAPI. El audio de la llamada se forkea en vivo por WebSocket desde la telefonia y se transcribe en streaming separando los dos lados de la conversacion en canales distintos -- distinguir quien dijo que no es un detalle: sugerirle al asesor una respuesta a su propia frase seria ruido.
El asesor trabaja desde el navegador con diadema: no hay que instalar nada ni poner otro telefono en el escritorio. Las sugerencias llegan a esa pantalla por WebSocket, y el modelo esta cargado con el guion, los productos y las objeciones ya detectadas del cliente, para que hable como el equipo y no en generico.
La decision de diseno mas importante no es tecnica sino de criterio: el coach escucha toda la llamada pero solo habla cuando hay algo que valga la pena. Un sistema que sugiere en cada turno se apaga el primer dia.
Numeros, y lo que no prometen
Los tiempos estan medidos sobre llamadas reales: 0.4 s de voz a texto, 0.9 s a la sugerencia en pantalla, 2 canales analizados por separado.
Lo que la pagina deliberadamente no promete es que los asesores vendan mas. Eso no lo demuestra ningun demo -- lo demuestran las llamadas del cliente durante unas semanas. Decirlo en la propia landing comercial fue una decision consciente: en un producto de IA vendido a un equipo de ventas, la credibilidad se gana marcando el limite antes de que lo marque el prospecto.
La landing
La pagina comercial es un unico archivo HTML autocontenido: todo el CSS y el JS embebidos, sin bundler, sin dependencias, favicon inline. Se escribio movil primero y se ensancha a partir de 900px -- una sola version en vez de dos, porque dos archivos se separan solos y un dia se publica el viejo.
Tiene una barra de progreso que trata la pagina como una llamada de 5:58: cada
seccion es una marca de tiempo. El rotulo superior rota el ramo (autos, gastos
medicos, vida, danos) con JS embebido que respeta prefers-reduced-motion.
Stack: Python, FastAPI, WebSockets, transcripcion en streaming, LLM con contexto del cliente, telefonia con fork de audio en vivo, front vanilla.