Cindy Lewis · UX/UI
Design case · Tangering AI
Diseño la plataforma donde equipos sin conocimiento técnico crean, prueban y despliegan agentes de IA que llaman por teléfono y escriben por WhatsApp, desde ventas y cobranza hasta soporte. Su versión más pulida confirma entregas y llama por teléfono cuando el cliente no responde el WhatsApp, pensada especialmente para empresas de last-mile.
Constructor de agentes
El contexto
Cuando empezamos, los agentes de IA conversacionales aún no eran una categoría establecida. No había patrones de diseño probados a los que recurrir. Al mismo tiempo, las empresas cargaban con costos altísimos en llamadas y mensajería de atención al cliente, con alta demanda de una solución y prácticamente ninguna madura en el mercado.
Ese vacío era la oportunidad, pero también significaba que cada decisión de diseño era, literalmente, una hipótesis sin precedente que validar.
Intento 01
La primera versión dejaba que el usuario describiera su agente con texto libre: qué debía hacer, cómo debía responder. Parecía la forma más simple de empezar.
No lo fue. Los agentes alucinaban constantemente, por exceso de libertad interpretativa y no por falta de capacidad del modelo.
El insight: un agente de IA se comporta como una persona nueva en un trabajo. Necesita conocimiento y herramientas concretas para hacer su tarea, no una idea general de lo que se espera de él.
Falló por exceso de libertad interpretativa
El primer formulario para crear agentes, de cuando el producto se llamaba "Edgen AI": nombre, imagen, voz, objetivo y mensaje de apertura, todo como texto libre.
Intento 02
La respuesta al problema anterior fue irse al extremo opuesto: un canvas nodo por nodo, donde cada acción del agente tenía su propia herramienta explícita y conectada.
Esto sí resolvía la precisión: el agente ya no improvisaba, seguía un flujo definido.
El canvas era demasiado complejo para el usuario promedio, que no pensaba en su negocio como un diagrama de flujo técnico.
Falló por complejidad: precisión a costa de usabilidad
El canvas nodo por nodo: cada paso del agente (Agent Support, Search Directions, Get Chicken Menu) era un nodo conectado con sus propias herramientas.
Intento 03
Los usuarios ya "hablaban" con la plataforma de forma natural, así que guiamos la creación del agente por chat en lugar de un canvas o formulario. Un avance real en usabilidad.
Al final del proceso, seguíamos mostrando un diagrama técnico como resumen. Los usuarios no entendían diagramas, ni el concepto de "herramientas" como una pieza separada de la conversación. Habíamos arreglado la entrada, pero no la salida.
Falló porque el resumen final no hablaba el mismo idioma que la conversación
El chat guiado entrenando y pidiendo calificar la voz generada, parte del flujo conversacional de creación del agente.
Intento 04
La versión que finalmente balanceó precisión y simplicidad: 100% conversacional, pero totalmente auditable. El prompt, las herramientas y la voz del agente quedan revisables en todo momento. Nada se esconde detrás de la conversación.
Así se ve creando "Julieta", un agente de confirmación de entregas, el mismo tipo de agente que sostiene el caso de last-mile:
Se puede probar el agente en vivo, por voz o por chat, y hacer ajustes guiados sin salir de la conversación a través de un "copiloto de flujos". La libertad que había fallado en el Intento 1 volvía, pero esta vez enmarcada por estructura y visibilidad total del resultado.
Funcionó: precisión + simplicidad, sin sacrificar controlConversación real de creación
Resultado: resumen de "Julieta"
Conversación real del constructor de agentes, desde la primera pregunta hasta el resumen final antes de crear el agente.
Intento 04 · el panel de control
Una vez creado, cada agente se puede abrir y ajustar: el prompt, las herramientas conectadas, el modelo de IA, la base de conocimiento y la configuración avanzada quedan siempre visibles y editables, nunca escondidos detrás de la conversación.
Es el mismo agente, Julieta, visto desde sus 5 pestañas de configuración:
Prompt principal, saludo inicial y variables detectadas, con el Copiloto de Flujos siempre disponible para ajustar todo en lenguaje natural.
Herramientas conectadas (CRM, base de conocimiento, IA, sistema de escalamiento) con su endpoint y autenticación.
Proveedor y modelo de IA, temperatura, esfuerzo de razonamiento y tokens máximos.
Bases de conocimiento conectadas, con su número de documentos y estado.
Configuración avanzada: sonidos de fondo, frases de espera y frases para mejorar la detección.
Un camino explorado y descartado
Dentro del mismo flujo de creación del Intento 4, en una etapa temprana llegamos a plantear que la persona pudiera grabar y clonar su propia voz para el agente, en lugar de elegir entre voces predefinidas, con un paso de calificación para validar la calidad de la grabación antes de entrenar el modelo.
No llegó a producción: la reemplazamos por el selector de voces predefinidas que terminó en la versión final del constructor de agentes.
El caso insignia
La plataforma sirve para cualquier vertical (ventas, soporte, cobranza, RR.HH.), pero las confirmaciones de entrega para empresas de envío son el caso más exigente: si el agente falla en confirmar, el paquete llega y no hay nadie, o llega al lugar equivocado. No hay margen para una llamada genérica.
Por eso el tipo de campaña "Híbrido" existe: empieza por el canal más barato y menos intrusivo, y solo escala si hace falta.
La interfaz real de configuración: el paso "Si no responden" hace que la campaña empiece por WhatsApp y escale sola a llamada de voz, con tiempos de espera y reglas de transición editables, y la secuencia por contacto se actualiza en vivo a la derecha.
De crear a sostener
Crear el agente era solo el principio. Para que las empresas confiaran en delegarle su atención al cliente, necesitaban poder ver, auditar y ajustar cómo operaba día a día. De ahí nacieron estas piezas del sistema. Señala cada una con el mouse (o tócala en el celular) para ver cómo se ve en el producto.
Transcripción en tiempo real con confianza e intención detectada por turno, para escuchar la llamada en curso sin interrumpirla.
Una llamada activa en modo escucha: transcripción en tiempo real con confianza e intención detectada en cada turno.
Transcripción en tiempo real con confianza e intención detectada por turno, para escuchar la llamada en curso sin interrumpirla.
El historial de llamadas incluye un análisis generado por IA sobre el estado de cada llamada, con la opción de corregirlo si quedó mal clasificado.
Variables de contexto detectadas en cada turno, registro de qué herramienta usó el agente y cuándo, y un botón para tomar control humano de la conversación sin cortarla.
Chat en vivo: variables de contexto detectadas y registro de qué herramienta usó el bot y cuándo, con una solicitud de agente humano en curso.
Variables de contexto detectadas en cada turno, registro de qué herramienta usó el agente y cuándo, y un botón para tomar control humano de la conversación sin cortarla.
El botón para tomar control humano de la conversación sin cortarla, y devolverla al bot cuando ya no hace falta.
Priorización arrastrable entre campañas activas, tipo Voz o Híbrido según el caso, base de contactos por CSV y reglas de marcación configurables por campaña.
Todas las campañas activas, con tipo (Voz o Híbrida), agente asignado, progreso y prioridad arrastrable.
Priorización arrastrable entre campañas activas, tipo Voz o Híbrido según el caso, base de contactos por CSV y reglas de marcación configurables por campaña.
Crear una campaña nueva: primero se elige el agente (que define las columnas del CSV) y la zona horaria de los contactos.
No solo datos generales de la llamada, también datos que el agente extrae de la conversación con IA: fecha de pago prometida, monto, motivo de no pago, calificación del servicio.
El constructor de reportes: columnas de datos generales y datos extraídos por IA (fecha de pago prometida, monto, motivo de no pago, calificación del servicio).