Nuestra lectura
Replicant se sitúa entre la línea telefónica y los procesos del contact center, y sus casos de clientes lo muestran en tareas acotadas y de alto volumen: pagos, citas, estado y cancelación de trayectos. Las fuentes documentan voz, chat, SMS y controles de seguridad, pero no cómo funcionan las conexiones de telefonía y de sistemas internos. Haga que la demostración las pruebe antes de ampliar el alcance.
Dónde se ubica el agente en la telefonía
Replicant describe agentes de IA que atienden conversaciones de servicio al cliente por voz, chat y SMS para contact centers. La ficha del catálogo menciona integraciones con Genesys, Cisco, Five9, Talkdesk, NICE inContact y Ujet, además de Salesforce, Zendesk, ServiceNow, Stripe, Shopify y SAP. Es una lista de nombres, no una descripción de cómo pasa una llamada de un sistema a otro.
NJ TRANSIT muestra el enfoque previsto. Su servicio de transporte adaptado, Access Link, no sustituyó el sistema telefónico: Namecca Parker, quien dirige Access Link, explica que una solución que complementa lo existente era más fácil de justificar que rehacer toda la telefonía. La IA asumió los dos tipos de llamada más frecuentes, estado y cancelación de un viaje, y los casos más difíciles pasan a personas. En Sunrun solo se dice que se integró con los sistemas existentes, sin detallar el mecanismo.
Datos de negocio y qué pasa con la intención de quien llama
Según el proveedor, los agentes pueden construirse a partir de las conversaciones existentes de la empresa y combinan modelos de lenguaje con razonamiento determinista para decisiones de negocio. Las fuentes no aclaran qué reglas configura el cliente ni quién las modifica.
ECSI ofrece la imagen más clara de este paso. Sus agentes autentican primero a quien llama, captan la intención y luego resuelven o derivan la llamada en tres productos estacionales: formularios fiscales, reembolsos y gestión de préstamos. Si hay escalado, la persona recibe un resumen y no empieza de cero. Fanatics describe el mismo traspaso: cuando hace falta una persona, la llamada llega con el contexto ya recogido.
Ejecución: lo que muestran los ejemplos de clientes
Sunrun empezó por las llamadas de pago y añadió después la inscripción al pago automático, la atención fuera de horario y el español. Bulwark Pest Control automatizó primero citas y pagos, diseñó flujos de llamada a medida, derivó a los especialistas y probó en A/B las introducciones de la llamada. Su caso también menciona chat y SMS como ampliación, pero es contradictorio sobre si ya se lanzó, así que considérelo no confirmado. En ambos casos, el trabajo de las personas se desplazó hacia los casos complejos.
Las cifras las publica el proveedor o las aportan los clientes, de negocios y métricas distintos: sirven de ilustración, no de comparativa. Sunrun indica que la mitad de las llamadas relacionadas con pagos las resuelve la IA. NJ TRANSIT informa de 12.000 llamadas automatizadas por semana y un 45 % de resolución, y dice que los supervisores ahora hacen coaching en lugar de ayudar con la cola. Ningún relato nombra el sistema interno que ejecutó un pago o una cancelación.
Supervisión, acceso y tratamiento de datos
La página de seguridad de Replicant afirma que la plataforma captura y analiza todas las conversaciones en todos los canales y agentes, para trazabilidad y auditabilidad. Describe también la eliminación automática de pasajes sensibles, como datos personales y de pago, en transcripciones, registros y analítica de calidad, además de permisos granulares con pistas de auditoría, control de acceso por roles y autenticación multifactor. El proveedor cita SOC 2 Type 2, PCI DSS y HIPAA y afirma que están validadas de forma independiente.
Sobre el entrenamiento, la ficha del catálogo indica que los datos de clientes no se usan para entrenar modelos por defecto. La página de seguridad es más tajante: los datos nunca se conservan, reutilizan ni usan para entrenar. Como las formulaciones difieren, deje el compromiso exacto, con sus posibles excepciones, por escrito en el contrato.
Fanatics ilustra la supervisión en uso. Tras adoptar Conversation Intelligence descubrió que cerca de un tercio de las llamadas tenía códigos de cierre incompletos o inexactos; ahora cada interacción se etiqueta automáticamente. Aún trabajaba en llevar esos datos a su CRM, así que es un paso de análisis, no una acción automatizada.
Antes de ampliar: sugerencias editoriales
Son recomendaciones nuestras, no capacidades del proveedor. Los clientes citados empezaron de forma acotada, aunque no idéntica: NJ TRANSIT con dos tipos de llamada, Sunrun con pagos, Bulwark con citas y pagos. Haga lo mismo con su tipo de llamada más repetitivo y pida verlo de extremo a extremo en su entorno.
Pregunte qué plataforma de telefonía transporta la llamada y cómo se transfiere a una persona. Pregunte qué operaciones internas puede leer el agente y cuáles puede escribir. Compruebe que la persona recibe el contexto y que la eliminación de pasajes sensibles deja material suficiente para el control de calidad. Añada chat y SMS cuando el primer tipo de llamada se comporte como espera.
Método y límites
2026-11-09
Esta instantánea fechada cuenta empresas distintas con pruebas públicas de clientes. CONFIRMED indica un caso de estudio, testimonio identificado o fuente de prensa; DECLARED, una declaración de la propia empresa; OBSERVED, una lista de clientes del proveedor; SIGNAL, una oferta de empleo. Los cuatro niveles cuentan, con distinta solidez. Se excluyen las líneas retiradas o sin nivel. Los ejemplos son una selección limitada verificada en los últimos 90 días. Los datos del proveedor tienen fuentes comprobadas en los últimos 60 días. La cobertura es desigual y la ausencia de pruebas es desconocida. Las cifras no miden cuota de mercado ni rendimiento; las fechas de captura no son fechas de adopción.
