PickMyCall × Amazon Nova Sonic
Primer despliegue en producción en EMEA de Amazon Nova Sonic (IA speech-to-speech), entregado para Roojoom en 5 semanas con un 99,9% de fiabilidad en llamadas y un 82% menos de latencia.
Lo que Aprendí
En un agente de voz, la latencia cambia la conversación. Los usuarios interrumpían al agente mientras pasaba por etapas separadas de transcripción, razonamiento y síntesis de voz. Eliminar esos pasos permitió responder antes y hacer las llamadas más fiables.
El Problema
PickMyCall es el agente de voz con IA de Roojoom para pequeñas y medianas empresas. Atiende llamadas entrantes, capta leads, agenda citas y prioriza llamadas.
Funcionaba con un pipeline clásico en cascada: speech-to-text → LLM → text-to-speech. Cada etapa añadía latencia, y en una llamada telefónica la latencia lo es todo. Con una media de ~4,5 segundos por turno, los clientes interrumpían al agente y los problemas de sincronización llegaban a cortar llamadas.
Lo que Construimos
Sustituimos la cascada por Amazon Nova Sonic, un modelo fundacional speech-to-speech en Amazon Bedrock que entiende y genera voz en un único modelo. Sin transcripción intermedia ni síntesis aparte: el agente escucha y responde directamente.
Fui el Solutions Architect del proyecto, que se convirtió en el primer despliegue en producción de Nova Sonic en EMEA, en producción en 5 semanas.
Resultados
| Métrica | Antes | Después |
|---|---|---|
| Latencia media | ~4,5 s | 800 ms |
| Latencia máxima | 7 s | 2 s |
| Latencia mínima | 2 s | 300 ms |
- 82% menos de latencia media
- 99,9% de fiabilidad en llamadas
- 5 semanas hasta producción