Stretto sustituye el formulario web por un agente de voz: el minuto de audio cuesta un 95% menos
Stretto recogía las solicitudes de bancarrota con un formulario web corto, pero los abogados necesitan datos sobre deudas, vehículos e inmuebles. Los usuarios abandonan los formularios largos y contratar operadores humanos sale caro. Por eso, en Bankruptcy.com las llamadas ahora las atiende el agente de voz Tara. El minuto de voz cuesta un 95% menos que con la solución anterior. Conclusión: si el formulario choca con los abandonos, conviene calcular la entrevista de voz por el precio del minuto.
Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
Imagine un formulario web en el que una persona que está pensando en declararse en bancarrota introduce el importe de su deuda, indica si tiene abogado y deja su teléfono. Así funcionaba el sitio Bankruptcy.com, de la compañía Stretto.
Para los abogados, una solicitud así resulta casi inútil: necesitan deudas, activos, vehículos, inmuebles, historial laboral y bancarrotas anteriores. Si se alarga el formulario, la gente lo abandona a medias. Y contratar y formar a operadores que preguntaran todo esto por teléfono es demasiado caro.
Por eso Stretto, junto con el AWS Generative AI Innovation Center y el integrador CI&T, creó el agente de voz Tara sobre el modelo Amazon Nova 2 Sonic. Según la estimación de la compañía, el minuto de voz cuesta un 95% menos que con la solución anterior (con las tarifas on-demand de Amazon Bedrock en us-east-1 de abril de 2026). Para los desarrolladores, es un ejemplo de cómo sustituir un cuestionario largo por una conversación sin arruinarse con el coste del minuto.
Cómo gestiona Tara una llamada
La persona marca el número de Bankruptcy.com, Tara descuelga, se presenta, obtiene el consentimiento para hablar y empieza la entrevista. Recoge datos personales, finanzas, la lista de bienes y el historial laboral, y adapta el tono al estado de ánimo de su interlocutor. Twilio recibe las llamadas: abre un WebSocket y envía el audio sin procesar a AWS. El sonido pasa por el firewall AWS WAF y un balanceador de carga hasta llegar al «puente de voz». Se trata de contenedores en Amazon ECS Fargate que funcionan de forma permanente en tres zonas de disponibilidad. El puente transmite el audio en ambos sentidos a Amazon Nova 2 Sonic a través de Amazon Bedrock.
Nova 2 Sonic es un modelo de «voz a voz»: escucha y responde con voz por sí mismo, sin la cadena de reconocimiento de voz, modelo de texto y síntesis. En principio, esto reduce la latencia y hace la conversación más natural. Según las mediciones de Stretto, en su solución anterior el primer sonido llegaba pasados más de 500 ms, y las pausas resultaban incómodas. Además, gestionaba mal las interrupciones, y las personas bajo estrés suelen interrumpir y corregirse a sí mismas.
Tras la llamada, la transcripción va a una cola de Amazon SQS con cola de mensajes no entregados. Después, Claude 3 Haiku en Bedrock extrae del texto los campos: nombres, importes, direcciones y datos de los vehículos. Se guardan en Amazon Aurora Serverless v2. La decisión sobre la solicitud no la toma el modelo. Unas reglas definidas por los abogados la marcan como apta, no apta o pendiente de aclaraciones. Las solicitudes aptas se envían a los abogados según la jurisdicción, y a los demás llamantes se les ofrecen otros recursos. La última palabra la tiene el abogado.
Qué conviene copiar
Primero, validar la voz antes de escribir código. Durante una semana entera, el equipo probó Nova 2 Sonic con escenarios de llamantes tranquilos, tensos, indecisos e irritados. Se midieron la latencia, las interrupciones y los cambios de tono. El informe final fue la condición para pasar a la integración.
Segundo, sortear el límite de sesión. La entrevista completa dura entre 15 y 20 minutos, mientras que un flujo de Nova 2 Sonic dura menos. El puente vigila el tiempo del flujo y, poco antes del límite, abre uno nuevo con el mismo prompt de sistema y el mismo conjunto de herramientas. Le pasa el historial de la conversación en texto. Cuando Tara termina la frase, el audio cambia al nuevo flujo y se cierra el anterior. El llamante no percibe ningún corte.
Tercero, un lanzamiento por fases. Primero, en tres semanas se montó la integración, y el agente recogía los mismos 13 campos que el formulario web. Eso sirvió como punto de referencia. Después, en cuatro semanas, el cuestionario se amplió a 18+ categorías con ramificación: las preguntas dependen de las respuestas anteriores. La base de datos evolucionó hasta un modelo relacional coherente, en el que una misma persona puede tener varios vehículos, inmuebles, deudas y fuentes de ingresos.
Cifras y salvedades
Stretto informa de un aumento de la conversión del 20% frente al formulario web en tres meses, de una precisión de extracción de campos de alrededor del 96% y de una duración media de la llamada completada de unos 8 minutos. Conviene leer estas cifras con cautela. El artículo se publicó en el blog de AWS junto con el cliente y el socio, y no hay verificación independiente.
El ahorro del 95% se calculó con las tarifas de un momento y una región concretos. No hay comparación con otros modelos de voz: solo se sabe que Nova 2 Sonic es mejor que la solución anterior de Stretto. Además, Amazon Nova 2 Sonic y Amazon Bedrock no están disponibles en todas las regiones de AWS.
Conclusión práctica: si su formulario choca con la negativa de los usuarios a rellenar campos largos, una entrevista de voz puede aportar datos más completos. Resulta rentable cuando el precio del minuto es bajo y las decisiones se sacan del modelo y se pasan a reglas explícitas. Conviene incorporar el límite de duración de la sesión a la arquitectura desde el principio, en lugar de descubrirlo a mitad de una conversación.
- 19 nov 2026Anthropic sale a bolsa y recauda $81,3 mil millones: supera el récord de $75 mil millones de SpaceX
- 19 nov 2026Las participaciones de Amazon y Google en Anthropic se valoran en $308 mil millones con la IPO a $83 por acción
- 19 nov 2026Gemini 4 Neon, de Google, es el doble de rápida que Carbon y un 17% más barata por tarea
- 19 nov 2026La misma Gemma 4 escribió un backend con un 80% de aciertos en opencode y solo con un 41% en OpenHands
Preguntas frecuentes sobre la noticia
Cómo gestiona Tara una llamada?
La persona marca el número de Bankruptcy.com, Tara descuelga, se presenta, obtiene el consentimiento para hablar y empieza la entrevista. Recoge datos personales, finanzas, la lista de bienes y el historial laboral, y adapta el tono al estado de ánimo de su interlocutor. Twilio recibe las llamadas: abre un WebSocket y envía el audio sin procesar a AWS. El sonido pasa por el firewall AWS WAF y un balanceador de carga hasta llegar al «puente de voz».
¿Qué se sabe sobre Qué conviene copiar?
Primero, validar la voz antes de escribir código. Durante una semana entera, el equipo probó Nova 2 Sonic con escenarios de llamantes tranquilos, tensos, indecisos e irritados. Se midieron la latencia, las interrupciones y los cambios de tono. El informe final fue la condición para pasar a la integración. Segundo, sortear el límite de sesión. La entrevista completa dura entre 15 y 20 minutos, mientras que un flujo de Nova 2 Sonic dura menos.
¿Qué se sabe sobre Cifras y salvedades?
Stretto informa de un aumento de la conversión del 20% frente al formulario web en tres meses, de una precisión de extracción de campos de alrededor del 96% y de una duración media de la llamada completada de unos 8 minutos. Conviene leer estas cifras con cautela. El artículo se publicó en el blog de AWS junto con el cliente y el socio, y no hay verificación independiente. El ahorro del 95% se calculó con las tarifas de un momento y una región concretos.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.