Contact Center AI, Document AI and Specialized APIs

Resumen

Gran parte del trabajo de una organización ocurre en dos lugares poco visibles para la analítica tradicional: las conversaciones de atención al cliente y los documentos que circulan por los procesos de back-office. Este tema estudia las soluciones de Google Cloud que convierten esos dos flujos en dato utilizable —las APIs especializadas de lenguaje, visión, traducción y voz; Document AI para documentos; y Contact Center AI para la atención— y cómo se combinan con el resto de la plataforma para producir valor de negocio medible.

Las APIs especializadas (Natural Language, Vision, Cloud Translation, Speech-to-Text y Text-to-Speech) resuelven tareas acotadas con modelos ya entrenados: analizar sentimiento y entidades, leer texto en imágenes, traducir, transcribir audio y sintetizar voz. Se consumen por llamada, sin entrenamiento ni operación de modelos, y son la vía más rápida para añadir capacidades de percepción del lenguaje a un proceso existente. Su valor no está en la sofisticación aislada, sino en que convierten entradas que antes exigían trabajo humano —escuchar, leer, traducir, clasificar— en campos estructurados que un sistema puede enrutar, medir y guardar.

Document AI lleva esa lógica al expediente completo: toma documentos en formato no estructurado —facturas, órdenes de compra, contratos, formularios— y devuelve campos extraídos y clasificados con un grado de estructura que permite conciliar, cargar en BigQuery y automatizar la entrada de datos en ERP y CRM. Contact Center AI aborda el ciclo completo de la conversación: agentes virtuales que resuelven sin intervención humana, asistencia en tiempo real a los agentes humanos y análisis de las conversaciones, con métricas de negocio directas —contención, tiempo de atención, satisfacción— que son las que justifican la inversión.

La decisión de diseño no es qué producto es mejor, sino qué parte del proceso automatiza cada componente y con qué control. Las APIs son piezas, Document AI es un eslabón de proceso y Contact Center AI es una solución de ciclo completo construida sobre componentes de conversación; y en todos los casos el retorno se mide en el proceso —menos coste por contacto, menos coste por documento, menos error de captura—, no en la precisión técnica aislada.

Objetivos de Aprendizaje

Al terminar este contenido, serás capaz de:

Describir la función, la entrada y la salida de cada API especializada: Natural Language, Vision, Cloud Translation, Speech-to-Text y Text-to-Speech.
Asociar cada API especializada con el caso de negocio donde aporta valor y con la métrica de proceso correspondiente.
Explicar qué hace Document AI, cómo procesa documentos en datos estructurados y qué papel juegan los procesadores y la revisión humana.
Argumentar el valor de negocio de la extracción automatizada de documentos en procesos de back-office.
Describir los componentes de Contact Center AI —agente virtual, asistencia al agente y análisis de conversaciones— y su efecto en las métricas de atención.
Distinguir las métricas de un centro de atención automatizado: contención, tiempo medio de atención, resolución en primer contacto y satisfacción.
Diseñar una arquitectura de extremo a extremo que combine voz, documentos, analítica y gobernanza sobre la plataforma de Google Cloud.
Seleccionar la solución adecuada según el tipo de entrada, el volumen, el requisito de idioma, la latencia y la sensibilidad del dato.
Identificar los controles de calidad, revisión y monitorización necesarios para operar estas soluciones en producción.

Contenido Principal

Subtema 1: APIs especializadas: lenguaje, visión, traducción y voz

Las APIs especializadas de Google Cloud exponen modelos entrenados para una capacidad concreta y se consumen mediante peticiones HTTP con contenido de entrada y respuesta estructurada. No exigen preparar datasets ni operar modelos; el trabajo de la organización se reduce a habilitar el servicio, autenticar las llamadas e integrar la respuesta en su proceso.

API	Entrada	Salida principal	Caso de negocio	Métrica de proceso
Natural Language API	Texto	Sentimiento, entidades, categorías, sintaxis, moderación	Clasificar reseñas, tickets y documentos según intención y sentimiento	% clasificado sin mano de obra, tiempo de triaje
Vision API	Imagen	Etiquetas, texto detectado (OCR), logotipos, contenido inapropiado	Digitalizar formularios, inspeccionar fotos de campo, moderar contenido	% procesado automáticamente, tasa de detección
Cloud Translation API	Texto	Traducción y detección de idioma	Soporte multiridioma y localización de contenido	Cobertura de idiomas, tiempo de localización
Speech-to-Text API	Audio	Texto con marcas de tiempo e identificación de hablantes	Transcribir llamadas, reuniones y dictados	% transcrito, calidad de la transcripción
Text-to-Speech API	Texto	Audio con voces neuronales y SSML	IVR, asistentes de voz y lectura automática	Contención, comprensión del usuario

Dos observaciones de uso. Primero, la composición: casi ningún proceso usa una sola API; el patrón habitual encadena Speech-to-Text (transcripción), Natural Language (intención y sentimiento), Translation (idioma) y Text-to-Speech (respuesta hablada). Segundo, la frontera de idoneidad: estas APIs resuelven tareas estándar con precisión alta y coste ligado al uso, pero no conocen el vocabulario, los productos ni los criterios propios de la organización; cuando el caso exige esa especificidad, la respuesta es AutoML o un modelo propio, como se estudia en Google Cloud AI Solutions and Vertex AI.

El requisito transversal es el de datos: la API necesita ver el contenido —texto, imagen o audio—, de modo que la decisión de enviar grabaciones o documentos a un servicio exterior es una decisión de privacidad que se resuelve con minimización de datos, permisos y controles de red de la plataforma, y no con una configuración específica del modelo.

Ejemplo Práctico

# Habilitar el conjunto de APIs de percepción del lenguaje
gcloud services enable language.googleapis.com vision.googleapis.com \
  speech.googleapis.com texttospeech.googleapis.com translate.googleapis.com \
  --project=PROJECT_ID

# Lectura de texto en una imagen (OCR) sin proceso de digitalización propio
curl -s -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  --data '{"requests":[{"image":{"source":{"gcsImageUri":"gs://BUCKET/facturas/recibo-0031.jpg"}},
  "features":[{"type":"TEXT_DETECTION"}]}]}' \
  "https://vision.googleapis.com/v1/images:annotate"

Lectura de la salida en términos de negocio. La respuesta devuelve el texto detectado con su confianza y su localización en la imagen, lo que permite digitalizar un recibo o un formulario sin teclearlo. El valor no está en la precisión aislada del OCR: está en el coste de proceso. Cada campo que la API extrae sin intervención humana es un tiempo de introducción que no se consume, y la métrica que hay que perseguir es el porcentaje de documentos que pasan de entrada a sistema sin tocar —con revisión solo de las excepciones—, no la exactitud en documentos ya limpios. Si ese porcentaje es bajo, conviene revisar la calidad de la imagen y la plantilla del documento antes de pensar en otro modelo.

Subtema 2: Document AI: de documentos a datos estructurados

Document AI resuelve el problema del back-office documental: la mayor parte de la información de una empresa llega en formato de documento —PDF, imagen, correo adjunto— y necesita convertirse en campos para entrar en un sistema. El servicio procesa documentos con procesadores especializados y devuelve una estructura con los campos extraídos, su valor, su posición en el documento y un nivel de confianza, listo para validación y carga.

La oferta de procesadores se agrupa en tres familias con lógicas distintas:

OCR y análisis de documentos: extrae texto y estructura básica (títulos, tablas, párrafos) de cualquier PDF o imagen. Es la base sobre la que se apoyan los demás.
Procesadores especializados: modelos orientados a tipos de documento concretos —facturas, órdenes de compra, recibos, contratos, formularios— que devuelven directamente los campos de interés (emisor, importe, fechas, cláusulas) con su ubicación en el original.
Procesadores personalizados y reglas: combinación de extracción aprendida con reglas de negocio y validaciones, para documentos propios con formato particular.

El diseño del flujo es el que distingue una automatización fiable de un piloto frágil. Los documentos entran (correo, API, almacenamiento), se procesan, se someten a validación por confianza —lo claro pasa, lo dudoso va a revisión humana—, los resultados se cargan en sistemas operativos y en BigQuery para su análisis, y los estadísticos de proceso (volumen, tasa de extracción correcta, excepciones) se monitorizan con la misma disciplina que cualquier servicio de producción.

El valor de negocio tiene tres componentes. Coste por documento: el trabajo manual de lectura y captura se reduce a la revisión de excepciones. Tiempo de ciclo: una factura validada y conciliada en minutos en lugar de días acorta el periodo de pago y mejora la relación con proveedores. Calidad del dato: la extracción estructurada con confianza y conservación del original como evidencia elimina el error de tecleo, que es la fuente clásica de discrepancias entre lo facturado y lo registrado. Document AI no automatiza la decisión de pago —eso sigue gobernado por reglas y personas—, pero entrega el dato de entrada listo para que la decisión sea verificable.

Etapa del flujo	Qué ocurre	Control de negocio
Entrada	Llegada del documento por correo, API o bucket	Trazabilidad de origen y de expediente
Procesamiento	OCR y extracción con procesador adecuado	Selección correcta por tipo de documento
Validación	Confianza por campo; por debajo del umbral, revisión	Umbral definido con el dueño del proceso
Carga	Escritura en ERP/CRM y en BigQuery	Conciliación y conservación del original
Monitorización	Volumen, tasa de éxito y excepciones	Revisión periódica de la calidad de extracción

Ejemplo Práctico

# Habilitar Document AI y procesar un documento de ejemplo
gcloud services enable documentai.googleapis.com --project=PROJECT_ID

PROCESSOR_ID="MI_PROCESADOR"   # creado en la consola (p. ej. parseador de documentos)
LOCATION="us"

curl -s -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  "https://document.googleapis.com/v1/projects/PROJECT_ID/locations/${LOCATION}/processors/${PROCESSOR_ID}:process" \
  --data '{"rawDocument":{"mimeType":"application/pdf","content":"BASE64_DEL_DOCUMENTO"}}'

Lectura de la salida en términos de negocio. La respuesta incluye el documento procesado con sus páginas y las entidades o campos detectados según el procesador, cada uno con su valor y su confianza. Esa confianza es el mecanismo de gobernanza del flujo: los campos por encima del umbral acordado se aceptan solos y los que no, se envían a revisión, de modo que la automatización escala sin esconder errores. Si en un periodo sube el volumen de documentos con confianza baja, el hallazgo de negocio no es "el modelo empeoró" sino que cambió la fuente —un proveedor envió un formato nuevo, un escaneo de menor calidad—, y la respuesta es corregir el proceso de entrada o ajustar el procesador, con dueño y fecha asignados.

Subtema 3: Contact Center AI: automatización de la atención

Contact Center AI es la solución de Google Cloud para la atención al cliente conversacional. No es una API aislada: combina tres componentes que cubren el ciclo de la interacción y se despliegan con la identidad, la red y los registros de la plataforma.

Agente virtual (Virtual Agent). Un asistente conversacional —construido sobre la tecnología de Dialogflow— que entiende la intención del usuario, mantiene el contexto de la conversación, consulta sistemas para obtener datos (estado de pedido, saldo, citas) y resuelve o escala. Funciona en canales de texto y de voz —incluida la telefonía— y puede combinar flujos diseñados con respuestas generativas sobre fuentes de conocimiento autorizadas, patrón que se estudia en Generative AI, Foundation Models and LLMs in Enterprise.

Asistencia al agente (Agent Assist). Mientras el agente humano atiende, el sistema ofrece en tiempo real el siguiente mejor paso: sugerencia de respuesta, resumen automático de la conversación, extracción de datos de la interacción y acceso al conocimiento relevante. El valor no es sustituir al agente, sino reducir el tiempo de búsqueda y de redacción y elevar la consistencia entre agentes con distinta experiencia.

Análisis de conversaciones (Conversation Analytics). Transcribe, detecta intención y sentimiento, identifica temas y mide el comportamiento de la interacción sobre el conjunto de las conversaciones, no solo sobre una muestra revisada manualmente. Es lo que convierte el centro de atención en una fuente de datos de producto y de calidad: las quejas emergentes, los motivos de contacto y la evolución del sentimiento se leen en el mismo lugar donde se mide la operación.

El valor de negocio se expresa con las métricas que un centro de atención ya usa, de modo que la inversión es auditable:

Contención: porcentaje de contactos resueltos sin intervención humana; es la métrica principal de automatización.
Tiempo medio de atención (AHT): se reduce con sugerencias y resúmenes automáticos para los contactos humanos.
Resolución en primer contacto (FCR): mejora cuando el agente ve el contexto completo sin pedir información repetida.
Satisfacción (CSAT): efecto combinado de espera menor y respuesta consistente.
Cobertura de análisis: proporción de conversaciones analizadas, que con revisión manual era una muestra pequeña y con análisis automático puede ser el conjunto.

La secuencia de adopción que suele funcionar es gradual: primero asistencia y transcripción —bajo riesgo, valor inmediato sobre agentes existentes—; después automatización acotada de consultas de alta frecuencia con ruta de escalamiento clara; y solo al final procesos completos de resolución autónoma, donde la calidad de la conversación y el coste del error son mayores.

Subtema 4: Arquitectura de extremo a extremo sobre la plataforma

Los componentes anteriores adquieren sentido cuando se ensamblan en un proceso completo. Dos arquitecturas de referencia cubren los casos más frecuentes y muestran cómo cada pieza entrega un tramo del valor.

Atención al cliente conversacional. La llamada entra (telefonía o mensaje); Speech-to-Text transcribe en tiempo real o el canal ya es texto; el agente virtual resuelve lo que puede con flujos y conocimiento autorizado; si escala, Agent Assist asiste al agente con sugerencias y resumen; Conversation Analytics analiza la interacción; y los datos —motivo, sentimiento, resolución, duración— se consolidan en BigQuery para la analítica de operaciones, consumida en dashboards como los que se construyen con Looker.

Back-office documental. El documento llega por correo o API; Document AI lo procesa y extrae los campos; los campos por debajo del umbral van a revisión y los demás se cargan automáticamente; los resultados y sus estadísticos se escriben en BigQuery; y la conciliación, los errores y la evolución del coste por documento se vigilan en la misma capa analítica. Pub/Sub y Dataflow sostienen la ingesta cuando el volumen es continuo, tal como se describe en Data Governance, BI and Visualization with Looker.

En ambas, los componentes transversales son los mismos que en el resto de la plataforma: identidad y permisos por recurso, segmentación de red y controles de acceso a servicios de Google, registros de auditoría, etiquetado de costes por proceso y ubicación de los recursos. La ventaja de construir sobre la plataforma no es estética: es poder responder con las herramientas habituales a "quién puede invocar este flujo", "cuánto cuesta" y "qué pasó en este caso".

Componente	Tramo del proceso que cubre	Dato que produce	Métrica de negocio asociada
Speech-to-Text / Text-to-Speech	Entrada y salida de voz	Transcripción y audio	Tiempo de espera, comprensión
Natural Language / Vision	Comprensión de texto e imagen	Intención, sentimiento, campos	% automatizado, precisión de triaje
Document AI	Documento a dato estructurado	Campos extraídos con confianza	Coste y tiempo por documento
Contact Center AI	Ciclo completo de conversación	Resolución, sentimiento, temas	Contención, AHT, FCR, CSAT
BigQuery + Looker	Analítica y gobernanza del conjunto	Indicadores de proceso y coste	Tablero de dirección del proceso

Ejemplo Práctico

# Superficie de servicios de estos flujos, habilitada y auditada en el proyecto
gcloud services list --enabled \
  --filter="name:documentai.googleapis.com OR name:dialogflow.googleapis.com OR name:contactcenterinsights.googleapis.com OR name:speech.googleapis.com"

# Quién puede operar los flujos de atención y de documentos
gcloud projects get-iam-policy PROJECT_ID \
  --flatten="bindings[].members" \
  --format="table(bindings.role,bindings.members)" | grep -E "dialogflow|documentai|aiplatform|roles/owner"

# Base analítica compartida por ambos flujos
gcloud bigquery datasets list --project=PROJECT_ID \
  --format="table(datasetId,lastModifiedTime)"

Lectura de la salida en términos de negocio. La lista de servicios habilitados es el inventario de la automatización: servicios activos que nadie recuerda haber habilitado son superficie de exposición y coste latente, y services enabled en proyectos de prueba conviene revisarlos con el mismo criterio que el resto de la configuración. La política de identidades responde a la pregunta de rotación y de responsabilidad: si los permisos de estos flujos están concedidos a personas individuales en lugar de a grupos con dueño, la baja de un empleado deja el proceso de atención sin operación identificable. Y la frecuencia de modificación de los datasets de analítica indica si el proceso se está midiendo de verdad: un dataset de métricas de atención sin tocar en meses significa que la automatización avanza sin que nadie esté mirando sus resultados.

Subtema 5: Criterios de selección y control en producción

La elección entre APIs especializadas, Document AI y Contact Center AI responde a la naturaleza del proceso, no a la preferencia por un producto. Cuatro preguntas ordenan la decisión:

¿Cuál es la forma de la entrada? Texto aislado → Natural Language u otra API de texto. Imagen o PDF escaneado → Vision (OCR) o Document AI (documento completo con campos). Audio → Speech-to-Text. Conversación completa → Contact Center AI. Documento con estructura de negocio que hay que poblar en un sistema → Document AI con procesador adecuado.

¿La tarea es estándar o específica del negocio? Las APIs cubren tareas estándar con la menor fricción posible; la especificidad —terminología, formatos propios, criterios internos— empuja hacia procesadores especializados o personalizados, AutoML o modelos propios.

¿Qué latencia y qué volumen? Una interacción en vivo exige respuesta en línea con límites de tasa y degradación definida; la ingesta nocturna de miles de documentos admite proceso por lotes con reintentos. La distinción entre vía en línea y por lotes condiciona coste, arquitectura y modo de fallo.

¿Qué sensibilidad tiene el dato? Llamadas, documentos contractuales y datos personales exigen minimización, permisos granulares, controles de red y una decisión explícita sobre la ubicación y el tratamiento de los datos enviados a los servicios.

El control en producción se mide con métricas de proceso y con calidad de servicio, no con demostraciones puntuales. Convienen revisar con periodicidad: tasa de automatización y tasa de escalamiento (¿cuánto resuelve el flujo y cuánto deriva a personas?), calidad de extracción o de transcripción sobre una muestra revisada, coste por contacto o por documento, latencia y errores del servicio, y satisfacción de los usuarios finales. Un flujo que automatiza mucho pero escala mal —o que escala bien mientras nadie mide la calidad— degrada el servicio sin que las alertas técnicas lo señalen.

Decisión	Opción ligera	Opción profunda	Cuándo pasar
Texto a clasificar	Natural Language API	AutoML sobre texto propio	Categorías propias y volumen alto
Imagen con texto	Vision API (OCR)	Document AI con validación	Hay campos de negocio que poblar
Documento de negocio	Document AI especializado	Procesador personalizado con reglas	Formato propio y reglas de conciliación
Conversación	APIs de voz + flujo propio	Contact Center AI completo	Atención a escala con métricas de operación
Contenido multiridioma	Cloud Translation API	Traducción entrenada con glosario propio	Terminología propia de marca o producto

Temas relacionados: Google Cloud AI Solutions and Vertex AI, Generative AI, Foundation Models and LLMs in Enterprise, Data Governance, BI and Visualization with Looker

Conceptos Clave

Concepto	Descripción	Cuándo usarlo
Natural Language API	Análisis de texto: sentimiento, entidades, clasificación y moderación	Cuando el texto debe clasificarse o medirse sin entrenar un modelo
Vision API	Análisis de imágenes: etiquetas, OCR, logotipos y contenido sensible	Para leer texto en imágenes o clasificar archivos visuales
Cloud Translation API	Traducción y detección de idioma gestionadas	Soporte multiridioma y localización de contenido
Speech-to-Text API	Transcripción de audio con marcas de tiempo y hablantes	Llamadas, reuniones, dictados y auditoría de conversaciones
Text-to-Speech API	Síntesis de voz con voces neuronales y SSML	IVR, asistentes y lectura automática de contenidos
Document AI	Servicio que convierte documentos en campos estructurados con confianza	Back-office: facturas, órdenes, contratos y formularios
Procesador (Document AI)	Modelo o configuración que extrae un tipo concreto de documento	Según el tipo de documento de origen
Umbral de confianza	Nivel por debajo del cual un campo extraído va a revisión humana	Para escalar la automatización sin ocultar errores
Contact Center AI	Solución de atención conversacional: virtual agent, agent assist y analytics	Centros de atención que quieren automatizar y medir
Virtual Agent	Agente conversacional que entiende intención, mantiene contexto y resuelve o escala	Consultas de alta frecuencia con ruta de escalamiento
Agent Assist	Asistencia en tiempo real al agente humano con sugerencias y resumen	Para reducir tiempo de atención y elevar consistencia
Conversation Analytics	Análisis de intención, sentimiento y temas sobre las conversaciones	Para usar el centro de atención como fuente de dato de producto
Contención	Porcentaje de contactos resueltos sin intervención humana	Métrica principal de la automatización de atención
Proceso por lotes	Ingesta y procesamiento diferidos de muchos elementos	Cuando no hay latencia exigible y prima coste

Comparaciones

Eje	APIs especializadas	Document AI	Contact Center AI
Alcance	Tarea concreta (texto, imagen, audio, traducción)	Documento completo a campos estructurados	Ciclo completo de conversación de atención
Forma de la entrada	Contenido suelto	Archivo de documento	Conversación en texto o voz
Integración	Llamada directa a la API	Procesador con flujo de validación	Solución con agentes, flujos y analítica
Operación de modelos	No existe	Configuración de procesadores y umbrales	Diseño de flujos y conocimiento
Métrica típica	Precisión de la tarea y coste por llamada	Coste y tiempo por documento, % automático	Contención, AHT, FCR, CSAT
Cuándo elegirlo	Tarea estándar y rapidez	Existe expediente que debe poblar sistemas	La atención es un proceso de negocio a escala

Eje	OCR con Vision API	Document AI especializado
Salida	Texto detectado con localización	Campos semánticos con valor y confianza
Interpretación	Hay que reconstruir la estructura a partir del texto	La estructura de negocio viene resuelta
Validación	Depende de la lógica propia de la aplicación	Umbral de confianza y revisión integrados
Caso típico	Imágenes sueltas, inspección, texto no estructurado	Facturas, órdenes de compra, contratos, formularios

Eje	Conversación con persona	Agente virtual con escalamiento
Disponibilidad	Horario y capacidad del equipo	Continua, con escalado a persona
Consistencia	Varía por agente y por carga	Respuesta homogénea según diseño
Coste por contacto	Alto y poco escalable	Bajo en lo automatizado; el humano se reserva para lo complejo
Riesgo principal	Calidad desigual	Respuesta inadecuada si el escalamiento es deficiente
Métrica de control	CSAT, FCR, AHT	Contención y calidad del escalamiento

Errores Comunes

Error: Medir el éxito de un agente virtual solo por contención, empujando a resolver aunque la respuesta no sea correcta. → Solución: Combinar contención con calidad de la resolución y tasa de recontacto: un contacto contenido que obliga a llamar otra vez duplica el coste. El objetivo es contener lo que se resuelve bien y escalar rápido lo demás, con métricas de calidad sobre una muestra revisada.
Error: Automatizar procesos completos de atención o de documentos en la primera fase, sin haber medido el proceso manual. → Solución: Empezar por asistencia y transcripción —bajo riesgo, valor inmediato—, capturar la línea base del proceso manual (coste, tiempo, errores) y avanzar hacia la resolución autónoma solo con evidencia de calidad. La automatización sin línea base impide demostrar el retorno y hace invisibles las regresiones.
Error: Tratar el OCR y la extracción de documentos como un problema resuelto y cargar en los sistemas todo lo que el servicio devuelve. → Solución: Introducir umbral de confianza, revisión humana de las excepciones, conservación del original como evidencia y conciliación periódica con el sistema de destino. El coste del error de captura —una factura mal registrada— supera con creces el ahorro de revisar unos campos.
Error: Enviar llamadas, contratos o documentos completos a los servicios sin revisar privacidad, permisos y ubicación del dato. → Solución: Aplicar los controles de la plataforma antes del despliegue: minimizar y enmascarar lo que la tarea no necesita, permisos granulares por recurso, controles de red, registro de auditoría y decisión explícita sobre tratamiento y ubicación. La revisión de seguridad precede al piloto, no lo sucede.
Error: Implementar cada capacidad como un proyecto aislado —una transcripción aquí, un OCR allá— sin capa analítica común. → Solución: Consolidar los resultados en BigQuery con un modelo de datos de proceso y exponerlos en dashboards, para que motivos de contacto, coste por documento y evolución de calidad se midan con los mismos indicadores. Sin esa capa, cada automatización se justifica por separado y ninguna se compara con el resto.

Puntos para el Examen

🎯 Punto clave 1: Las APIs especializadas cubren tareas acotadas con modelos preentrenados: Natural Language (sentimiento, entidades, clasificación), Vision (etiquetas y OCR), Cloud Translation (traducción e idioma), Speech-to-Text (transcripción) y Text-to-Speech (voz). Las preguntas tipo "necesitamos X con la menor fricción posible" se resuelven emparejando tarea y API.

🎯 Punto clave 2: Document AI convierte documentos en campos estructurados con nivel de confianza, y su valor de negocio está en el back-office: menos coste y tiempo por documento, menos error de captura y conciliación verificable. El elemento de control que hay que recordar es la revisión de las excepciones por debajo del umbral.

🎯 Punto clave 3: Contact Center AI combina agente virtual, asistencia al agente y análisis de conversaciones. Sus métricas de negocio son de operación de atención —contención, tiempo medio de atención, resolución en primer contacto, satisfacción—, y su adopción correcta es gradual: asistencia primero, resolución autónoma después.

🎯 Punto clave 4: En todos estos casos la decisión de diseño responde a cuatro preguntas: forma de la entrada (texto, imagen, audio, documento, conversación), especificidad frente a tarea estándar, latencia y volumen, y sensibilidad del dato. El examen presenta escenarios; la respuesta identifica la entrada y el nivel de control requerido.

🎯 Punto clave 5: Estas soluciones se integran en la plataforma con identidad, red, auditoría y analítica comunes: los resultados viven en BigQuery y se gobiernan como cualquier otro dato. La automatización sin capa analítica no se puede demostrar, comparar ni corregir, y esa ausencia es un hallazgo de madurez tan relevante como un fallo técnico.

Recursos Externos

Natural Language API documentation — Análisis de sentimiento, entidades, clasificación y moderación de texto.
Vision API documentation — Detección de texto (OCR), etiquetas, logotipos y contenido sensible en imágenes.
Speech-to-Text API documentation — Transcripción de audio en tiempo real y por lotes, con hablantes y marcas de tiempo.
Document AI documentation — Procesadores, extracción estructurada y flujos de validación de documentos.
Contact Center AI documentation — Agentes virtuales, asistencia al agente y análisis de conversaciones.

Autoevaluación Rápida

Pregunta: Necesitas leer el importe y la fecha de miles de facturas en PDF y cargarlos en un sistema. ¿Qué solución eliges y qué control añades? Respuesta: Document AI con un procesador especializado para facturas: devuelve los campos semánticos (emisor, importe, fechas) con su confianza y su ubicación en el documento, que es exactamente lo que el sistema destino necesita. El control imprescindible es el umbral de confianza con revisión humana de las excepciones, más la conservación del original como evidencia; usar solo OCR obligaría a reconstruir la estructura con lógica propia y a asumir el error de interpretación sin ese filtro.
Pregunta: ¿Cuál es la diferencia de negocio entre Speech-to-Text y Contact Center AI en un centro de atención? Respuesta: Speech-to-Text es la pieza que convierte audio en texto: transcribe, pero no entiende intención, no resuelve ni asiste. Contact Center AI es la solución de ciclo completo: agente virtual que resuelve o escala, asistencia en tiempo real al agente y análisis de las conversaciones con métricas de operación. La decisión es entre añadir transcripción a un proceso existente y adoptar una capacidad completa de atención automatizada, con el consiguiente trabajo de diseño de flujos y de gobierno de la conversación.
Pregunta: El equipo reporta un 70% de contención en el agente virtual y la satisfacción del cliente cae. ¿Qué está ocurriendo y qué mides ahora? Respuesta: Que se está maximizando la contención sin control de calidad: el contacto se "resuelve" en el canal automático pero no resuelve el problema, y el cliente vuelve o se frustra. Las métricas adicionales son tasa de recontacto, calidad de la resolución sobre muestra revisada y quejas asociadas, además del escalamiento a persona. La corrección es rediseñar el flujo para contener solo lo que se resuelve bien y escalar rápido lo demás, ajustando el objetivo de contención al resultado de negocio, no a la cifra aislada.
Pregunta: Un proceso transcribe llamadas con Speech-to-Text, analiza el sentimiento con Natural Language y almacena en BigQuery. ¿Qué papel juega la analítica en esa arquitectura? Respuesta: Es el tramo que convierte la automatización en dirección. Sin la capa analítica, cada llamada se procesa y nadie puede responder cuántos contactos hay por motivo, cómo evoluciona el sentimiento, qué problemas emergen ni cuánto cuesta el contacto. Con BigQuery y un dashboard, el centro de atención pasa a ser fuente de datos de producto y de calidad, y las decisiones —qué flujo rediseñar, dónde formar, qué automatizar después— se toman con evidencia y se comparan entre periodos.
Pregunta: La dirección quiere enviar todos los documentos y grabaciones a los servicios de IA sin mayor trámite. ¿Qué exiges antes de aprobar? Respuesta: Una revisión explícita de tratamiento de datos: qué información sensible contienen, si la tarea necesita todo el contenido o basta con enmascarar lo irrelevante, qué permisos y controles de red aplican, dónde se procesan y almacenan los resultados, y quién queda como responsable del flujo. Sobre esa base se habilitan los servicios, se restringen los accesos por recurso, se activa el registro de auditoría y se etiqueta el consumo por proceso. La aprobación no depende de la tecnología —que es la habitual de la plataforma— sino de que el diseño minimice el dato enviado y deje trazabilidad de quién invocó qué y cuándo.