Will Bodewes, cofundador y director ejecutivo de Phonely – Serie de entrevistas

Will Bodewes es cofundador y director ejecutivo de Phonely, una empresa de IA de voz centrada en ayudar a las empresas a atender llamadas y mejorar los resultados de las conversaciones con sus clientes. Antes de fundar la empresa, cursó un doctorado en la University of Melbourne, donde investigó la inteligencia artificial aplicada y los sistemas capaces de seguir instrucciones y comunicarse con naturalidad. Anteriormente fundó una startup de tecnología de audio y compitió en esquí de fondo de la NCAA y ciclismo de ultrarresistencia. En Phonely, aplica esa experiencia en investigación a los retos prácticos de implementar agentes de voz, como la fiabilidad de las conversaciones, la latencia, las integraciones y la optimización continua de los procesos de reservas, ventas y atención al cliente.

Phonely es una plataforma de agentes de voz con IA que permite a las empresas automatizar conversaciones telefónicas, programar citas, calificar clientes potenciales, dirigir llamadas y conectar las interacciones con los clientes con el software que ya utilizan. Sus herramientas combinan flujos de conversación personalizables con historiales de llamadas, análisis y pruebas A/B para que los equipos puedan medir el rendimiento y mejorar los resultados con el tiempo. La empresa presta servicios a organizaciones que van desde pequeños negocios hasta grandes empresas y afirma dar soporte a más de 10 000 empresas y gestionar más de 120 000 llamadas al día. Phonely también desarrolla sus propios modelos conversacionales, entre ellos Alma, con el objetivo de que las llamadas automatizadas sean más rápidas, fiables y adecuadas para las conversaciones empresariales del mundo real.

Empezaste a desarrollar Phonely mientras cursabas un doctorado en IA en la University of Melbourne, con el objetivo inicial de crear sistemas capaces de seguir instrucciones y comunicarse con naturalidad. ¿Qué te convenció de que la IA de voz había llegado al punto de poder sustentar una empresa independiente, y qué observaste en el mercado que otros no estaban viendo?

En aquel momento no había pruebas de que la IA de voz pudiera sustentar una empresa independiente. Había un par de empresas trabajando en ello que tenían unos cinco o diez usuarios, pero nadie había implementado con éxito una IA de voz que no fuera un sistema IVR. Así que, cuando fundamos Phonely, fue una apuesta. En aquel entonces, todo se centraba en el chat, así que la voz era un medio nuevo. Era un problema sin resolver, así que pensamos: «¿Por qué no intentarlo? ¿Por qué no tratar de resolverlo?»

Tu investigación doctoral comenzó con el objetivo de crear una IA capaz de «seguir instrucciones como un robot y hablar como una persona». ¿Qué avances técnicos te hicieron darte cuenta de que esa investigación podía convertirse en la base de una plataforma comercial de IA de voz?

La investigación fue valiosa e importante para entender la tecnología fundamental que hacía posible lo que estaba ocurriendo. Me permitió anticiparme y ver lo que se avecinaba. Entendía técnicamente qué eran esos modelos y cómo funcionaban, y eso me dio la capacidad de apostar por ellos. En concreto, quería crear una empresa y generar un impacto, y este era el campo más relacionado con lo que conocía y con lo que veía venir. Quería formar parte de ello.

Has descrito cada llamada telefónica como un embudo que, históricamente, las empresas no han podido optimizar de forma sistemática. ¿Cómo es, en la práctica, optimizar una conversación telefónica y de qué manera puede la IA mejorar con el tiempo las tasas de conversión, de resolución o la experiencia del cliente?

Pongamos que estás concertando una cita con un fontanero. La persona que atiende la llamada está capacitada para recopilar tus datos y concertar la cita, pero, según cómo formule las preguntas, también puede explicarte servicios de la empresa que no sabías que necesitabas. Así que quizá conciertes una cita para resolver un problema de fontanería y resulte que también necesitabas arreglar el fregadero. Un agente de IA de voz muy bien entrenado hace lo mismo y ayuda a la empresa a ofrecer servicios adicionales a sus clientes y generar más ingresos. Podría ofrecer un producto sobre el que no hubiera recibido formación una persona nueva en recepción y añadir otro servicio al pedido, lo que dejaría más satisfecho al cliente y mejoraría los resultados de la empresa. Una versión sencilla de voz de ChatGPT no sabe hacer eso. Hace falta un producto creado y entrenado para ello.

Además, las personas pueden pasar por alto llamadas, no contestar el teléfono o enviar las llamadas al buzón de voz. Eso puede acabar con las pequeñas empresas de Estados Unidos. No tienen personal que atienda el teléfono, carecen de una calidad constante y no cuentan con medios para optimizarla. Con la IA, si una llamada no produce el resultado que busca una empresa, podemos optimizarla con los datos de los que disponemos. Gracias a la velocidad de la IA, podemos modificar la conversación, algo que con las personas no podría hacerse ni de lejos con la misma rapidez.

Ahora mismo, todo el mundo ve la IA como una forma de reducir costes. Pero creemos que debería considerarse una herramienta para crecer. Las empresas pueden crecer de verdad al adoptar la IA y mejorar así su rendimiento con respecto al que tenían antes.

La IA de voz debe resolver retos que la IA basada en texto a menudo puede evitar, como la latencia, las interrupciones, los acentos, el ruido de fondo, las señales emocionales y las conversaciones impredecibles. ¿Cuál de estos problemas ha sido más difícil de resolver de forma fiable a escala empresarial?

La latencia es el principal. Ya hemos resuelto el problema, pero al principio fue un gran quebradero de cabeza por dos motivos.

En primer lugar, nos apoyábamos en empresas emergentes que no eran fiables. Una parte considerable de las solicitudes a la API de OpenAI fallaba y no recibíamos respuesta. Si estás al teléfono, eso equivale a que te cuelguen, así que tuvimos que crear un sistema de reintentos para resolverlo.

El segundo problema era la capacidad. Cuando enviabas una solicitud a OpenAI, te quedabas atrapado en una cola detrás de cientos o miles de solicitudes más, sin saber qué lugar ocupabas. La respuesta podía tardar 30 segundos. Para evitarlo, analizamos dónde tenía OpenAI puntos de conexión en todo el mundo y cambiábamos cuáles usábamos según qué países estuvieran durmiendo y dónde hubiera poca demanda. Tuvimos que crear toda esta infraestructura solo para encontrar los puntos de conexión con menor demanda en ese momento. Fue un problema técnico bastante interesante. Ahora entrenamos nuestros propios modelos, incluido Alma, así que no tenemos que preocuparnos por eso, porque gestionamos la capacidad de cómputo y la demanda.

Phonely ahora gestiona más de 120.000 llamadas al día para miles de empresas. ¿Qué han aprendido al operar agentes de voz a esa escala que no era evidente cuando estaban desarrollando la primera versión de la plataforma?

Es muy importante estar disponibles el 100 % del tiempo. Uno de los desafíos de ingeniería más difíciles que hemos estado resolviendo es el de la fiabilidad y la velocidad. El sector de la IA avanza a una velocidad increíble, y nosotros también, incluso para una empresa de IA. En Y Combinator hay un dicho: «Muévete rápido y rompe cosas». Pero, cuando tienes clientes que hacen 120.000 llamadas al día, no puedes permitirte romper nada. Por eso, buena parte de nuestro proceso consistió en averiguar cómo lanzar mejoras con la rapidez necesaria para seguir siendo relevantes e iterar sobre el producto, al tiempo que manteníamos satisfechos y estables a los clientes empresariales mientras seguíamos desarrollando nuevas funciones para mantenernos a la vanguardia del mercado. La fiabilidad fue probablemente uno de los mayores desafíos que afrontamos al crear la empresa.

Los sistemas de IA generativa pueden comportarse de forma impredecible, pero un agente telefónico de cara al cliente puede gestionar pagos, reservas, consultas de salud u otras interacciones de alto riesgo. ¿Cómo diseñan agentes de voz que sean flexibles y conversacionales sin que inventen información ni actúen fuera de los límites autorizados?

Lo aprendimos por las malas hace unos dos años y, ahora, es una práctica bastante extendida en todo el sector. Nos dimos cuenta de que el mayor problema de los modelos de lenguaje grandes (LLM) es el contexto. Cuando incluyes demasiada información en una instrucción, como páginas de indicaciones, aumenta la probabilidad de que algo salga mal.

Así que diseñamos un sistema de orquestación de ocho agentes que transfiere la interacción de un agente a otro, y cada uno cuenta con un contexto específico. Es parecido a cómo una persona sigue un guion durante una llamada: recibe cierta información, pasa a la siguiente etapa y así sucesivamente. Esto nos permite separar los pasos a nivel de código. Si tuviera que recopilar tu nombre, correo electrónico, número de teléfono y fecha de nacimiento antes de reembolsarte el dinero, podría garantizar que esa información se recopilara a nivel de código antes de continuar. No puedes garantizarlo si solo dependes de un modelo de lenguaje grande. Al crear esta capa de orquestación de agentes, puedes lograr una fiabilidad del 100 %, porque se registran todos los pasos antes de transferir la interacción a un agente nuevo, que conserva el contexto, pero queda limitado a sus propias instrucciones.

Según se informa, una implementación de Phonely generó 10 millones de dólares en nuevos ingresos netos para un cliente en solo tres meses. ¿Qué permitió a la IA generar ese nivel de impacto empresarial cuantificable y dónde creen que la IA de voz ofrece hoy el mayor retorno de la inversión?

Pudimos hacerlo porque teníamos acceso a las métricas del cliente. Como recibían llamadas entrantes y su objetivo era aumentar las ventas, y además calificaban a quienes llamaban, podíamos hacer un seguimiento de los resultados. Según el día, su centro de llamadas conseguía una tasa de venta de entre el 35 % y el 42 %. Tras obtener esa información del cliente, adaptamos sus flujos y optimizamos el agente. Empezamos con una tasa de venta de alrededor del 20 %. Durante los meses siguientes, hicimos iteraciones, ajustes y optimizaciones hasta superar al centro de llamadas en la mayoría de los casos. Nuestra tasa de venta siguió aumentando porque identificamos los problemas y nos aseguramos de que la experiencia fuera uniforme e impecable todas las veces. Pudimos superar al centro de llamadas.

A medida que los agentes de voz adquieren más capacidades, ¿dónde deberían trazar las empresas la línea entre las conversaciones que pueden automatizarse por completo y las situaciones en las que debe seguir participando una persona?

Las empresas deberían poder automatizar cualquier proceso repetible que quieran que se siga, siempre que esté suficientemente bien definido.

Sin embargo, la automatización plantea dificultades en algunos ámbitos. Uno son las integraciones sin API: supongamos que necesitas una integración, pero ese software no tiene una API. Es difícil resolverlo, aunque se pueden automatizar algunas tareas en el navegador. Otro caso es cuando hay varios traspasos entre un agente y una persona, y de nuevo a un agente. El tercero son las lagunas de contexto. Imagina que me dejo la cartera en un restaurante. La IA nunca podrá resolver ese problema, porque no sabe si tienes la cartera y no puede comprobar si está en el restaurante.

Algunas situaciones siempre requerirán la intervención de una persona, al igual que las tareas más complejas que abarcan varios sistemas. No uses un agente para esos casos.

Phonely recaudó recientemente 16 millones de dólares en una ronda de financiación Serie A, tras crecer hasta superar las 10.000 empresas. ¿Cómo será la próxima etapa de la compañía y qué capacidades técnicas crees que diferenciarán a la próxima generación de plataformas de IA de voz?

La próxima etapa consiste en ampliar el equipo y seguir invirtiendo en él. Estamos apostando plenamente por esta idea. Muchas empresas se están adentrando en la IA de voz y probablemente les irá razonablemente bien en distintos ámbitos. Pero nosotros no estamos creando solo un agente de voz. Estamos desarrollando una plataforma de optimización y utilizamos la voz como canal. Para las empresas a las que les importan los clientes potenciales y que sus teléfonos generen ingresos, nuestro objetivo es optimizar los agentes de IA para que consigan los resultados que quieren los clientes. Piensa en Phonely como una empresa de optimización en la que las personas quieren optimizar sus agentes para que rindan mejor.

Tu investigación académica también ha explorado el uso de la IA y la tecnología de medidores inteligentes para ampliar el acceso a la energía y a métodos de cocina limpia en economías en desarrollo. Más allá de Phonely, ¿cómo crees que podría aplicarse la IA a grandes desafíos del mundo físico, como el acceso a la energía, y es un ámbito al que esperas volver algún día?

La IA puede contribuir a muchas cosas positivas, pero muchos de los problemas existentes son causados por las personas, así que también es necesario que haya cambios por ese lado. No todos los problemas se pueden resolver con tecnología. Pero permitir que el progreso tecnológico y el cambio humano se produzcan al mismo tiempo será positivo para el mundo en su conjunto.

Gracias por esta excelente entrevista. Los lectores que quieran saber más pueden visitar Phonely.