Dos cosas que solo tú sabes, y el análisis necesita las dos.
Una conversación es evidencia de lo que se dijo. No es evidencia de en qué campaña estaba el agente, qué oferta regía esa semana, o qué se tecleó después en tu CRM. Elite AI te deja definir tus propias métricas reportadas y tus propios bloques de contexto, para que el modelo responda las preguntas que tu operación se hace de verdad y califique contra las reglas que realmente estaban vigentes.
Qué obtienes
Tus propias métricas, reportadas en cada conversación
Define hasta tres preguntas propias — motivo de contacto, resultado, producto mencionado — y el modelo responde cada una desde una lista cerrada que tú escribes. Esa lista cerrada es lo que vuelve contable la respuesta: se grafica, se filtra y sigue siendo comparable a lo largo de un año.
Contexto que la grabación no puede contener
Hasta tres casillas con nombre por conversación — la campaña, la tipificación, las notas pegadas de un ticket — que rellena el evaluador y lee el análisis junto a la transcripción.
Preguntas que antes no tenían respuesta
«¿El agente registró correctamente los parámetros?» no se puede responder desde una transcripción, así que el modelo la marcaba como no verificada en todas las llamadas. Con el contexto delante, la pregunta recibe una respuesta firme.
Tratado como trasfondo, nunca como evidencia
El prompt indica que el contexto es la versión de alguien sobre lo que pasó, no un registro de ello: donde discrepe con la conversación, manda la conversación. El contexto se enmascara igual que una transcripción, y el agente puede leer lo que el análisis leyó.
Cómo funciona
Se definen una vez, para toda la compañía
Las métricas y los bloques de contexto se configuran a nivel de compañía y no por scorecard, así reescribir un scorecard nunca cambia lo que significaba una respuesta ya guardada.
El contexto se rellena sobre la marcha
El evaluador completa las casillas en la conversación. Retirar un bloque después no borra lo que ya quedó registrado.
Se leen de vuelta como datos
Tus métricas aparecen en la conversación, en la evaluación y como desglose en el dashboard, donde cada valor es un filtro cruzado como cualquier otro.
Lo que suelen preguntar sobre esto
Cada uno se agrega a cada análisis de cada conversación. Una lista larga costaría tokens en todas las llamadas y competiría con tu scorecard por la atención del modelo, lo que empeoraría la calificación en silencio para responder preguntas que casi nadie lee. Tres es el número que se mantiene útil sin hacer eso.
Ese es exactamente el fallo contra el que se diseñó. El contexto se le presenta al modelo como trasfondo y no como evidencia, la conversación tiene prioridad donde ambos discrepen, y todo texto libre escrito en nuestros formularios se filtra en busca de instrucciones dirigidas al modelo antes de guardarse.
Capacidades relacionadas
Pruébalo con tus propias llamadas
Agenda un recorrido por el software. Mándanos unas grabaciones y tu scorecard actual; las cargamos en Mira scores para que veas a la plataforma calificar tus propias llamadas, junto a la nota que les puso tu equipo.
Un recorrido en vivo por la plataforma con una persona, normalmente en un día hábil.