Especificación Técnica para Agentes de Voz Empresariales con IA
Matriz de especificaciones
Requerimientos técnicos esenciales
- ›El pliego técnico de voz con IA debe exigir una latencia P95 inferior a 280ms medida desde el fin de la frase del usuario.
- ›Debe comprobarse la capacidad del modelo para alternar entre dáriya marroquí y términos profesionales en francés.
- ›No contrate agentes de voz sin máquinas de estados finitos que eviten compromisos o descuentos no autorizados.
- ›Exija integración directa con su ERP (ODBC, REST, SOAP) con reversión transaccional en caso de fallo.
1. Los cuatro pilares irrenunciables en un pliego de condiciones de IA de voz
Al elaborar un pliego técnico de IA de voz, los directores de sistemas deben evaluar cuatro filtros rigurosos: (1) Latencia real sobre líneas de operador (P95 < 280ms), (2) Precisión en dáriya marroquí con préstamos en francés (WER < 8,5%), (3) Control determinista que impida alucinaciones comerciales, y (4) Alojamiento soberano conforme a la Ley 09-08 de la CNDP.
2. Matriz de acuerdos de nivel de servicio (SLA) y control de errores
Exija compromisos contractuales medibles: disponibilidad del 99,95%, tiempo de inactividad mensual inferior a 21,6 minutos, tasa de corte menor al 0,1%, detección de interrupción por voz en menos de 65ms y transferencia inmediata a un operador humano si la confianza baja del 85%.
| Métrica Técnica | Umbral Mínimo | SLA Objetivo en Producción | Penalización por Incumplimiento |
|---|---|---|---|
| Latencia de respuesta (P95) | < 320 ms | < 280 ms | Descuento del 10% por cada 50ms de exceso |
| Disponibilidad de plataforma | 99,90% | 99,95% | Compensación en cuota de soporte |
| Corte de voz ante interrupción | < 90 ms | < 55 ms | Revisión técnica obligatoria del buffer |
| Tasa de error en dáriya (WER) | < 12,0% | < 8,5% | Reentrenamiento del modelo sin coste |
3. Arquitectura de contingencia y degradación elegante
Los sistemas de producción deben anticipar microcortes y consultas fuera de catálogo sin colgar la llamada. Vext implementa una contingencia en tres niveles: Nivel 1 ejecuta autómatas locales; Nivel 2 consulta modelos locales de alta velocidad; Nivel 3 ejecuta un desvío SIP REFER (RFC 3515) hacia un agente humano, inyectando la transcripción completa en la pantalla del CRM.
// Standard Vext Telephony Handover Payload (Sent to Agent CRM via WebSocket)
{
"call_id": "sip-cas-2026-0314-88412",
"caller_number": "+212661000000",
"detected_locale": "ar-MA-Darija",
"intent_history": ["order_status_inquiry", "carrier_delay_complaint"],
"sentiment_score": -0.68,
"last_transcript": "Bghit n3ref fin wsel l-colis dyali dial Casablanca",
"recommended_action": "escalate_to_logistics_tier2",
"erp_order_ref": "CMD-2026-8941"
}4. Seguridad en producción y filtrado de datos sensibles en tiempo real
Bajo ningún concepto deben registrarse en texto plano números de tarjeta bancaria, carnés de identidad (CIN) o cuentas bancarias (RIB). La arquitectura de producción debe incorporar filtrado de entidades (NER) y máscaras por expresiones regulares en el propio motor ASR, sustituyendo los datos sensibles por identificadores anónimos antes de guardar el texto.
Preguntas frecuentes de la norma
¿Requiere asesoramiento sobre esta especificación?
Consulte directamente con nuestros ingenieros de sistemas en Casablanca.