Por qué tus clientes mandan audios (y por qué no puedes ignorarlos)
En España el audio de WhatsApp es casi una forma de hablar. La clienta que sale del metro en Gran Vía y te manda un audio de cuarenta segundos para cambiar su cita, el señor que describe el ruido de su coche mientras conduce hacia el taller o la madre que pregunta por clases de refuerzo mientras prepara la cena: ninguno va a escribir un mensaje ordenado. Hablan. Y tú, que estás con las manos en un tinte o con un paciente en el sillón, no puedes darle al play.
Un chatbot de WhatsApp que entiende notas de voz resuelve justo ese cuello de botella: escucha el audio, lo convierte en texto, entiende qué quiere el cliente y responde o reserva como si hubiera leído un mensaje escrito. En esta guía te explicamos cómo funciona, qué limitaciones tiene, cómo se comporta con acentos y ruido, y en qué momento conviene que una persona tome el relevo.
Cómo transcribe y entiende la IA los audios de WhatsApp
El proceso tiene tres fases que ocurren en segundos:
- Transcripción. El sistema convierte el audio en texto. Es lo que muchos buscan como «transcribir audios de WhatsApp», pero es solo el primer paso.
- Comprensión. La IA lee esa transcripción y detecta la intención: pedir cita, cambiarla, preguntar un precio, quejarse, pedir hablar con alguien.
- Acción. Con esa intención, responde por escrito, ofrece huecos libres de tu agenda o pasa la conversación a tu equipo.
La diferencia con una simple herramienta de transcripción es enorme. Transcribir te ahorra escuchar; entender te ahorra contestar. Si un cliente dice «oye, que el jueves no puedo, ¿me lo pasas al viernes por la tarde con Laura?», un recepcionista con IA no te deja un audio para que lo escuches tú: entiende la petición y, en NextReply, te la pasa por escrito con los datos de la cita original, para que tu equipo la mueva al viernes con Laura sin escuchar nada.
- Mensaje del cliente: «¿Hay cita mañana por la tarde?»
- Recepcionista con IA: Entiende servicio, día y hora
- Consulta tu agenda: Solo ofrece huecos libres
- Confirma en el chat: Nombre, servicio y hora
- Cita reservada: En Google Calendar, con aviso al responsable
Acentos, muletillas y ruido: lo que funciona y lo que no
Los modelos de voz actuales manejan bien el castellano de distintas zonas: andaluz, canario, gallego o el español de clientes latinoamericanos que viven en Madrid o Barcelona. También entienden muletillas («o sea», «vale», «en plan») y frases que cambian de idea a mitad. Donde más se nota el progreso es en mensajes largos y desordenados, que antes obligaban a escuchar dos veces.
Aun así, hay situaciones que conviene conocer:
- Ruido fuerte: un audio grabado en una terraza llena o con el motor encendido puede perder palabras. La IA lo nota y, en vez de inventar, pide confirmación («¿me confirmas si es el martes 14?»).
- Nombres propios raros: apellidos, nombres de tratamientos o de calles poco comunes se transcriben peor. Por eso la IA repite el dato antes de reservar.
- Audios en catalán, euskera o gallego: NextReply responde en el idioma del cliente, y con los idiomas cooficiales funciona bien en la mayoría de casos; aun así, prueba con ejemplos reales de tu clientela.
- Mezcla de idiomas: un turista que habla mitad inglés mitad español recibe la respuesta en el idioma predominante.
Regla de oro: la IA nunca debe adivinar un dato crítico. Fecha, hora y servicio se confirman siempre por escrito antes de cerrar la cita.
Ejemplos por tipo de negocio
Peluquerías y centros de estética
Los audios suelen ser cambios de cita o preguntas de precio con contexto («tengo el pelo por los hombros y quiero mechas, ¿cuánto sería?»). La IA extrae servicio y largo de pelo, da el rango de precio que tú has configurado y ofrece hueco.
Clínicas dentales y de fisioterapia
Aquí el audio describe síntomas. La IA no diagnostica: identifica que el paciente quiere cita, le ofrece la primera disponible y, si menciona dolor fuerte o urgencia, avisa a recepción para que llamen. Así se respeta el criterio clínico.
Talleres y servicios del hogar
«Se me ha roto el calentador y gotea por abajo» es un audio típico. La IA pregunta zona, disponibilidad y, si el cliente manda una foto, la adjunta a la conversación para que el técnico la vea antes de ir.
Academias
Padres que preguntan por horarios de grupos mientras hacen otra cosa. La IA responde con los grupos con plazas libres y apunta una clase de prueba.
Tienes más ejemplos adaptados a cada actividad en nuestra página de sectores.
Audios y fotos en la misma conversación
Un audio suele venir acompañado de una imagen: una foto del peinado que quiere la clienta, de la rueda pinchada o de la mancha de humedad en el techo. NextReply entiende también las fotos y las usa como contexto para responder o para preparar la cita. Puedes ver cómo encaja con el resto de capacidades en funciones.
Cuándo debe pasar el chat a una persona
Un buen recepcionista con IA sabe cuándo no responder. Configura el paso a tu equipo en estos casos:
- El cliente está enfadado o se queja de un servicio.
- El audio menciona una urgencia médica o de seguridad.
- Pide algo que no está en tus servicios ni en tu base de conocimiento.
- Tras dos intentos, la IA no entiende el audio con seguridad.
- El cliente pide expresamente hablar con alguien.
Cuando ocurre, recibes un aviso y el chat aparece en tu panel con la transcripción, para que no tengas que escuchar el audio para ponerte al día. Esto es especialmente útil fuera de horario: la IA deja la reserva hecha o la conversación lista para que tu equipo la retome por la mañana. Lo detallamos en atención fuera de horario.
- Petición poco habitual: Queja, devolución o caso especial
- Recepcionista con IA: Sabe cuándo parar
- Responde con tus preguntas frecuentes: Servicios, horarios y precios / Pasa la conversación: Tu equipo recibe un aviso
- Tu equipo responde: El mismo chat, con todo el historial
Privacidad: audios y RGPD
Un audio es un dato personal, y a veces incluye información de salud. Antes de automatizar su lectura, revisa estas tres cosas, siguiendo las pautas de la AEPD:
- Informa en tu política de privacidad de que las conversaciones, incluidos los audios, se procesan con ayuda de IA.
- Limita lo que pides: para una cita de fisioterapia basta con el motivo general, no con un historial.
- Define cuánto tiempo guardas las transcripciones y quién del equipo puede verlas.
Qué preguntar antes de elegir un chatbot de WhatsApp con notas de voz
No todas las herramientas que dicen «entender audios» hacen lo mismo. Antes de contratar, plantea estas preguntas al proveedor, sea quien sea:
- ¿Solo transcribe o también actúa? Si te devuelve un texto que tienes que leer tú, el ahorro es pequeño. Lo útil es que responda y reserve.
- ¿Confirma los datos críticos? Fecha, hora y servicio deberían repetirse por escrito antes de cerrar nada.
- ¿Qué hace cuando duda? Debe pedir aclaración o pasar el chat a una persona, nunca inventar.
- ¿Dónde veo la transcripción? Tu equipo necesita leer el contexto sin reproducir cada audio.
- ¿Cuesta más por audio? Algunas soluciones cobran el procesamiento de voz aparte o por minutos; pregunta antes.
- ¿Funciona con mi número actual? Con la coexistencia de WhatsApp no deberías perder la app ni el historial.
Con estas respuestas sabrás si la herramienta te quita trabajo de verdad o solo lo cambia de sitio.
Un ejemplo real de conversación, de principio a fin
Así se ve una conversación típica en una peluquería de Ruzafa, en Valencia, un martes a las 22:40:
- Clienta (audio, 35 s): «Hola, soy Marta, tenía cita el jueves a las cinco para corte y color pero me ha salido un viaje de trabajo, ¿me la puedes pasar al sábado por la mañana? Si puede ser con Ana, que es la que me lo hace siempre.»
- IA: «Hola, Marta. Sin problema. El sábado por la mañana Ana tiene libre a las 10:00 y a las 11:30. ¿Cuál te viene mejor?»
- Clienta: «A las 10.»
- IA: «Hecho: corte y color con Ana el sábado a las 10:00. He anulado la cita del jueves. ¡Nos vemos el sábado!»
Nadie del salón ha tenido que escuchar el audio ni contestar a esas horas. A la mañana siguiente, la cita aparece movida en Google Calendar y el equipo tiene el aviso en el móvil.
Audios en otros canales: próximamente
WhatsApp es donde más audios recibirás, y hoy es también el único canal donde NextReply entiende notas de voz y fotos y reserva citas. Instagram, Messenger y Telegram llegarán próximamente con el mismo recepcionista y la misma agenda; cuando se activen, te contaremos qué tipos de mensaje gestiona cada canal. Tienes la visión general en canales.
Cómo empezar en una tarde
- Conecta tu número de WhatsApp Business (puedes seguir usando la app).
- Añade tus servicios, duraciones, precios y horario.
- Conecta Google Calendar para que la IA vea tus huecos.
- Mándate tú mismo tres audios típicos de tus clientes y revisa cómo responde.
- Ajusta la base de conocimiento con lo que falte.
Puedes hacerlo dentro de los 7 días de prueba gratis. El recorrido completo está en cómo funciona y los planes en precios. Si prefieres que te lo enseñemos, escríbenos desde contacto. Y si quieres saber quién está detrás del producto, pásate por sobre nosotros.