Audios de clientes: conviértelos en notas y tareas

Son las ocho de la tarde y estás en la furgoneta. Tienes cuatro audios pendientes en WhatsApp: uno de minuto y medio, otro de cincuenta segundos y dos más cortos. Los escuchas mientras conduces, te quedas con la idea general y, ya en casa, vuelves a ponerlos para apuntar la dirección, el día que te piden y el modelo de la caldera que te han dicho de pasada. Al día siguiente alguien de tu equipo te pregunta «¿qué quería la clienta del Olivo?» y te toca buscar el audio por tercera vez. Este artículo es para el dueño de un negocio que recibe muchas notas de voz de clientes. Al terminar sabrás montar un sistema en el que cada audio se convierte en una ficha escrita y, si hace falta, en una tarea, y solo lo escuchas cuando de verdad aporta algo.

Por qué un audio acaba escuchándose dos (o tres) veces

El problema de las notas de voz no es que sean largas. Es que la información que llevan dentro no se puede buscar, copiar ni reenviar. La primera escucha sirve para entender qué quiere el cliente. La segunda, para sacar los datos: una hora, un número de portal, una referencia. Y la tercera llega cuando otra persona necesita esos datos y el único sitio donde están es tu móvil.

Para el cliente, mandar un audio es lo más cómodo del mundo: habla mientras camina y se olvida. Para ti, cada audio es un pequeño trabajo de secretaría. Si recibes cinco a la semana, da igual. Si recibes treinta al día, como pasa en muchos talleres, reformas, clínicas o tiendas con encargos, es una parte real de tu jornada que no aparece en ninguna parte.

Paso 1: transcribir está bien, pero no es suficiente

Lo primero que mucha gente descubre es que WhatsApp ya puede transcribir los audios en el propio móvil: desde finales de 2024 tiene una función de transcripción que funciona en español, entre otros idiomas (lo contaba TechCrunch al lanzarse). Actívala, porque te ahorra escuchas. Pero ten claras sus limitaciones:

• El texto se queda en ese chat y en ese móvil. Tu equipo no lo ve, no llega a tu agenda y no crea ninguna tarea.
• Es una transcripción literal. «Eh, pues mira, lo que te decía el otro día, que al final no, que mejor…» Leer eso es más rápido que escucharlo, pero sigues teniendo que sacar tú lo importante.
• No distingue lo urgente de lo que puede esperar. Un audio con una queja y otro preguntando el horario aparecen igual.

Transcribir es el primer paso. Lo que te ahorra horas de verdad es lo que viene después: que alguien, persona o agente, convierta ese texto en algo con lo que se pueda trabajar.

Paso 2: decide qué ficha quieres sacar de cada audio

Antes de pensar en herramientas, define en una hoja qué quieres saber de cada nota de voz. Una ficha que funciona en casi cualquier negocio tiene seis campos:

1. Quién es: nombre y, si es cliente, a qué ficha o pedido corresponde.
2. Qué quiere, en una línea: «Cambiar la cita del jueves a la tarde», no un resumen de tres párrafos.
3. Datos concretos: fechas, horas, direcciones, referencias, importes, modelos.
4. Qué hay que hacer y para cuándo: la acción, quién la hace y el plazo.
5. Lo que no ha quedado claro: el dato que falta o que se ha oído mal.
6. Tono: si viene con prisa o molesto, conviene saberlo antes de contestar.

Un ejemplo real del tipo de audio que llega a una empresa de reformas:

«Hola, mira, soy Lucía, la del piso de la calle Olivo, que lo del grifo de la cocina sigue goteando aunque lo cambiasteis, y además ahora sale el agua como con poca fuerza… No sé si podéis pasar el jueves por la tarde, que estoy en casa a partir de las cinco. Ah, y que me digáis si esto entra en la garantía o qué.»

La ficha que debería salir de ahí:

• Quién: Lucía, calle Olivo (trabajo de cocina del mes pasado).
• Qué quiere: revisión del grifo cambiado, que gotea y tiene poca presión.
• Datos: disponible el jueves desde las 17:00.
• Tarea: asignar visita el jueves por la tarde y confirmar si cubre la garantía.
• Por aclarar: número de portal y piso, si no está en la ficha.
• Tono: algo molesta; es una reclamación de un trabajo hecho.

Leer eso cuesta diez segundos. Y cualquier persona de tu equipo puede actuar sin haber oído el audio.

Paso 3: que la tarea caiga donde ya trabajas

El error más común es crear un sitio nuevo para «las tareas de los audios». No lo hagas. La ficha tiene que acabar donde tu equipo ya mira cada mañana: la agenda compartida, la hoja de pedidos, el tablero que uses o la propia conversación del cliente con una nota interna.

Lo razonable es que el agente prepare la ficha y proponga la tarea, y que una persona la confirme con un toque. Al principio lo apruebas todo tú; cuando veas que las fichas salen bien, puedes dejar que las tareas sencillas (una consulta de horario, una confirmación) se cierren solas y quedarte solo con las que mueven agenda o dinero. Tú apruebas, el agente ejecuta.

Un detalle que marca la diferencia: cada ficha debe llevar un enlace o referencia al audio original. Así, si algo no cuadra, lo escuchas en ese momento y solo ese fragmento, en vez de rebuscar en el chat.

Paso 4: lo que el agente no debe dar por hecho

La transcripción automática es muy buena con frases normales y bastante peor con lo que más te importa: números, nombres propios y palabras de tu oficio. «El quince» y «el cincuenta» suenan parecido en un audio grabado por la calle. El nombre de tu calle, una marca de calderas o una referencia de pieza se pueden convertir en otra cosa.

Por eso conviene poner tres reglas desde el principio:

• Si un dato no está claro, se marca «por comprobar» y el agente se lo pregunta al cliente por escrito: «Para no equivocarnos, ¿me confirmas el número del portal?». Un mensaje así no molesta a nadie y te evita una visita a la dirección equivocada.
• Un audio con varias peticiones genera varias tareas. Los audios largos suelen mezclar dos o tres cosas («lo del grifo, y ya que estáis, mirad la persiana»). Si salen en una sola tarea, la segunda se pierde.
• Las quejas y los temas delicados van a una persona. El agente puede hacer la ficha, pero la respuesta a Lucía, que está molesta por un trabajo que ya pagó, la das tú o alguien de tu equipo.

Cuándo no merece la pena montarlo

No todo negocio necesita esto. Piénsatelo dos veces si:

• Recibes pocos audios. Con menos de diez a la semana, la transcripción de WhatsApp y un poco de orden te bastan.
• Los audios traen datos sensibles. En una clínica o un despacho, una nota de voz puede contener información de salud o de un caso. Antes de pasarla por cualquier herramienta, revisa dónde se procesa y qué contrato tienes con el proveedor (lo explicamos en este artículo sobre RGPD e IA).
• Tu clientela habla con mucho ruido o mezcla idiomas. Funciona, pero prueba antes con audios reales tuyos y no con una demo.
• El problema de fondo es otro. Si los clientes te mandan audios para reservar porque no tienen otra forma de hacerlo, quizá lo que te falta es un enlace de reserva, no un sistema para procesar audios.

Cómo probarlo en una semana

Coge los últimos veinte audios de clientes que hayas recibido. Haz tú la ficha de cinco de ellos, a mano, para tener una referencia. Después pasa los veinte por el sistema y compara: ¿ha entendido qué quería cada cliente?, ¿cuántos datos ha cogido mal?, ¿ha marcado como dudoso lo que de verdad era dudoso? Si de veinte fichas te sirven dieciocho sin tocar, vas bien. Si fallan en los números, refuerza la regla de «por comprobar» antes de seguir.

Y apunta cuánto tiempo dedicabas antes a los audios. Suele ser bastante más de lo que crees.

Si quieres ver cómo un agente recoge los mensajes de WhatsApp, incluidos los audios, y te pasa solo lo que necesita tu criterio, echa un vistazo a nuestra recepcionista.