Hola, somos CincoIS! 👋
Cinco Innovative Solution LLC, en realidad. Somos una compañía de marketing tecnológico creada legalmente en Wyoming, Estados Unidos, pero operada virtualmente por miembros en todo el mundo. Nosotros nos enfocamos en las integraciones tecnológicas que están detrás de campañas de marketing exitosas.
Qué es lo que resolvemos
Automatizaciones: Odiamos las tareas repetitivas. Nos gusta comprender los flujos de trabajo rutinarios y luego los automatizamos. Ahorramos tiempo de trabajo y aseguramos que lo único que te importe son los resultados finales y nuevos clientes. Datos: Nos encantan los datos. Millones de datos, en realidad. Tenemos un trasfondo basado en ciencia de datos. Optimizados, construimos y aseguremos que tus datos muestren detalladamente lo que está sucediendo en cada una de las partes de tu negocio. ¿Necesitas predecir o determinar cuál es la siguiente área de inversión para tu negocio? Nosotros también lo hacemos con nuestros algoritmos de Machine Learning. Inteligencia Artificial: ¿ChatGPT? Sí. Pero lo llevamos al siguiente nivel, nosotros usamos las APIs detrás de los modelos LLMs. Analizamos información por millones en segundos. Creamos bots de audio y texto, lo implementamos en tus flujos de trabajo y en las áreas críticas de tu negocio. ¿Cuál es objetivo del proyecto?
Generar un dashboard con métricas basadas en llamadas de teléfono con datos de 3CX
Objetivos intermedios:
Evaluar objeciones comunes, experiencia general del cliente, nivel de asesoría
¿Qué necesitamos para realizar algo así?
Fase 1: Fase inicial
Esencialmente: necesitamos una manera de extraer información de las llamadas (recordings y transcripts); esto con el propósito de usarlo con herramientas externas.
¿Cómo lo hacemos?
Usando el API de 3CX, es la herramienta estándar y nativa usado por desarrolladores para extraer información de una manera automatizada, sistemática, rápida y efectiva. El API de 3CX proporciona eso: El API permite enviar enviar información a otras plataformas, como automatizaciones, CRMs, bases de datos. Este es un proceso que requiere bajar a “nivel de código” en donde se desarrollan scripts específicos para extraer la información en el formato correcto y funcional para integrarlo con otras herramientas.
Fase 2: Entendimiento de la información actual
Asumamos que tenemos los datos (transcripts y recordings). ¿Ahora cómo sacamos información de ahí?
Podemos crear un modelo de machine learning desde cero. Pero estos días con la IA, sería una opción cara y con presupuesto carísimo.
Podemos crear nuestro propio sistema usando las apis de ChatGPT o Gemini. Pero eso también requiere de mucho entendimiento del problema y de crear soluciones personalizas.
Así que en lugar de hacer eso, podemos usar herramientas ya creadas como Amazon Comprehend o Natural Language AI de Google. Estas herramientas ya tienen plantillas para obtener insights específicos
¿Cómo lo hacemos?
Necesitamos cuentas en AWS o Google Cloud Con los datos extraídos, creamos sistemas automatizados que envíen automáticamente los datos de 3CX directamente a esas herramientas para que sean analizados como un “todo”. Los sistemas automatizados se basan en crear scripts con algoritmos que automaticen el proceso.
Fase 3: Análisis individual
En esta Fase 2, nos aprovechamos de los resultados obtenidos con las herramientas mencionadas. Con esto podemos definir métricas específicas o preguntas de investigación que se deberían evaluar en las llamadas individuales.
Para esto podemos usar exclusivamente modelos LLMs como Chatgpt o Gemini.
O mejor aún integrar modelos LLM + APIs como que ya tienen herramientas
¿Cómo lo hacemos?
Necesitamos acceso a las APIs necesarios que se usaran (como Assembly.AI) Además acceso a ChatGPT y/o Gemini Definimos los objetivos a buscar definidos por la fase 2 Nos enfocamos en sacar análisis detallados para llamadas individuales.
¿La Fase 2 y 3 no son lo mismo?
No, herramientas como son enfocadas en análisis específicos ya predeterminados por ellos. No está diseñado para entender toda la información para múltiples transcripts o recordings.
Fase 4: Almacenamiento
En esta Fase empezamos a unificar toda la información extraída y la unificamos en único lugar.
¿Cómo lo hacemos?
Creamos una base de datos especializada en donde se almacene la información de manera automática. Integrando APIs, recordings, transcripts. Esto permite unificar en un solo lugar todo, lo que hace sencillo la correcta manipulación de los datos de una manera rápida. Necesitamos acceso a un proveedor de la nube. Nosotros recomendamos Google Cloud En esta parte se incluiría un paquete de nube+almacenamiento+creación de automatizaciones.
Fase 5: Fase Amigable
Creamos ilustraciones, dashboards y despliegue de la información de manera sencilla.
¿Cómo lo hacemos?
Definimos los objetivos a analizar, las métricas necesarias, los diseños o expectativas. Usamos herramientas como Looker Studio, Tableau o PowerBI Depende de la complejidad y herramientas que los usuarios determinen. Looker Studio es uno de los más versátiles; y además gratis.
¿Cómo empezamos?
Podemos empezar de manera progresiva con cada una de las fases e ir adaptándolas conforme sea necesario. Sin embargo la que es sumamente importante es la Fase 4. Ya que es la fase de coordinación y centralización. Básicamente, basamos toda la infraestructura en la nube.
¿Cuáles son los costos?
Cada unas de las fases incluye lo siguiente:
Extensiva documentación, en caso sea necesario hacer modificaciones en el futuro; cualquier desarrollador pueda retomar el proyecto. Explicación por vídeo de cada una de las fases al principio y al final de cada una de ellas. Sesiones de planificación para definir los detalles de cada una de las fases para llegar a los objetivos en común
Además del costo de las fases, cada una de las plataformas tienen precios asociados:
Fase 1: Asumimos que tenemos la suscripción enterprise de 3CX Fase 2: Los precios de Amazon Comprehend/LLMs/Natural Language AI : Fase 4: Google Cloud tiene varios servicios asociados, aunque este es el proveedor más costo-efectivo del mercado. Una base de datos robusta “serverless” podría costar $10 mensuales, los precios suelen ser super bajos. Aunque todo depende de la cantidad de información que se maneje. Además, hay precios asociados a guardar y ejecutar scripts, pero usualmente suelen ser bajos también. Podríamos decir que con un presupuesto de $50 mensual o mucho menos, un MVP podría ejecutarse. Fase 5: Usando Looker Studio es gratis. Usando otras plataformas, cada una tiene un precio asociado.
Otras cosas
Este presupuesto es solamente para un cliente. Si este mismo sistema se busca implementar para distintos clientes, también habría un costo de implementación. El costo final dependerá, pero podríamos hablar de $300-$500 por implementarlo. Estos costos son negociables y versátiles, estamos abiertos a propuestas.
Convertimos ideas en software, LLMs en flujos de trabajo y APIs en herramientas comerciales: de manera rápida, eficiente y con las herramientas adecuadas desde el primer día.
