ML @ Meta. Co-founder Zrive
London
Joined March 2011
- Tweets5.7K
- Following548
- Followers2K
- Likes1.1K
IMO la ventana para sacarle ventaja a esto es ahora y será muy corta. En poco tiempo será estándar que se bloqueen llamadas de números que no estén en contactos automáticamente.
Reciprocal connections como primera barrera contra el ruido.
Me han escrito 5 personas en la última semana por privado sobre agentes de voz.
Comparto por aquí mi última respuesta a alguien que quiere montar voice agents para televentas y llamadas inbound.
--
Sobre tus dudas:
1. en mi experiencia el cliente no detecta que es IA. el mayor problema es hacer outbound calls más allá de si habla un humano o un robot. a la gente en general no le mola que le llamen a vender, pero una vez respondido no piensan que puede ser IA. no se dan cuenta
2. recomiendo usar elevenlabs o vapi. depende del contexto, idioma y demás. precio es lo de menos a corto, a largo usaremos modelos open source nosotros
3. principales problemas de montar agentes de voz son los mismos que tendrías si ficharas un comercial junior, pero más fácil de gestionar. porqué tienes datos, transcripts y el bot aprende más rápido que un junior (o cualquier humano). simplemente hay que ser estricto, leer todo, hacer iteraciones, meter guardrails, auto evals, etc.
Para vuestro caso:
1. empezaría con el agente inbound y monitorear transcripts/performance 1 semana. con varios tweaks lo llevas a un punto muy sólido rápido
2. de ahí haría el outbound bot. probaría primero 20 outbound calls, iterar, luego 100. de ahí evaluas performance, revisando todos los transcripts, y decides si meterlo como parte del flow diario.
Lo más importante es el system prompt y que sea bueno con la dualidad de idioma castellano/catalan en base a como responde el cliente. + el script de ventas. El usuario te da 10 segundos primero para después darte 2 minutos. Esos 10 segundos clave. Es lo que tienes que medir en performance. pickup rate, llamadas de 10 segundos, llamadas de + de 10.
Luego obv tener bien montadas las evaluaciones y los guardrails.
Nosotros nos enfocamos en montar estos agentes y luego seguir siendo vuestro partner para mantenerlos, mejorarlos, etc. o simplemente ayudar a montarlos hasta un v1 y luego os los pasamos y los gestionáis vosotros.
Guillermo Barquero retweeted
New Anthropic research: How AI agents shape experts' judgment calls
When experts delegate work to an agent, do they still make the key decisions? We tested this in a randomized trial with 50 professional data analysts.
Hace +2000 años que se entiende que los edificios tienen que ser: útiles, bonitos y duraderos.
Pero con toda nuestra modernidad no podemos aceptar que ya está todo dicho sobre este tema, y simplemente limitarnos a ajustar el diseño a los cánones de belleza y utilidad presentes.
I visited Wurster Hall at UC Berkeley today. It was designed by, and currently houses, the architecture faculty.
The UC Berkeley website notes that "Wurster is often voted Berkeley's ugliest building."
I visited because I was curious about whether it would in person seem as unattractive as it does in photos. And, in short: it does. It's gaunt, austere, and filmed in grime. On an elysian campus, it stands out for its bleak hostility. It reminds me of the German submarine base in Bordeaux.
The UC Berkeley page agrees that it was never designed to be attractive, quoting the curator of their design archives: “Wurster and his handpicked architects didn’t want anything romantic, or sentimental — they hated the idea of ‘making pretty buildings. They wanted a serious building.”
I guess we have to concede success relative to their stated goals, but it does make one wonder what it all says about architecture as a discipline.
Francia construyó 40 reactores nucleares en la decada de los 80. Es antes de ayer como quien dice.
Cómo es posible que en una generación hayamos pasado de esos despliegues técnicos y de recursos a la incapacidad más absoluta para construir (e incluso mantener) nada en occidente?
Iterar agentes de forma sistematica es uno de los problemas más interesante actualmente.
El hecho de que los agentes puedan explorar de forma libre hace que montar sistemas de evaluación que reflejen fielmente la realidad de forma eficiente sea complejo para muchos problemas.
Algunas cuestiones a resolver:
- Qué datos se pueden almacenar y hacer replay? Cómo elegir qué partes almacenar y cuales no.
- Hay partes del entorno que es mejor simular?
- Como es mejor interceptar las request del agente para asegurar redirigirlas al entorno de evaluación que garantice "point-in-time retrieval".
- Permiten mis sistemas de producción garantizar "point-in-time retrieval"? Si no, es mejor modificarlos o crear un storage de evaluacion paralelo?
Para los que controlais de esta red social: esto es bait, ignorancia o mala fe?
Vivimos en el futuro.
Muse me acaba de cambiar la tarifa energética de principio a fin, pero aun hay margen de mejora. Hubiese sido mejor que lo hubiese sugerido proactivamente sin que yo le pidiese que lo mirase.
Guillermo Barquero retweeted
notice how meta never talks about automating labor and replacing jobs
muse doesn't do work for you
muse does stuff for you
Guillermo Barquero retweeted
Gracias a la inteligencia artificial asistimos al nacimiento de un nuevo género: el vídeo a lo GTA
Un problema de fondo en todo el debate sobre trabajo, carrera y paternidad es la dualidad artificial entre vida personal y profesional.
Vida solo hay una y vivirla empieza por decidir cuánta energía y tiempo queremos dedicar en cada momento a cada cosa.
Desde que tengo Muse:
- No uso ninguna otra IA fuera del curro.
- Uso la IA mucho más que antes: cualquier duda/necesidad cotidiana, planificar viajes, tracking de productos, gestión de burocracia, proyectos personales, etc
El uso es más fácil, más contextualizado, más útil.
Habrá grandes oportunidades para empresas medianas que construyan con IA soluciones para problemas que no pueden solucionarse con IA.
Si fuese a montar algo hoy, por ahí irían los tiros.
Por qué un mercado gestionado por agentes iba a acabar en precios medios por debajo de equilibrio? No tiene mucho sentido IMO
Al final el precio en un marketplace lo determina la oferta-demanda. Los agentes corregirán casos donde el precio esté desviado en cualquier dirección
How important is AI to Meta? Here’s one easy tell:
One of the launch features of the Muse app was auto-negotiating for stuff on Facebook Marketplace.
The poor product manager who owns Marketplace knows that millions of bots lowballing sellers will eventually kill the product.
But this was escalated to Zuck by the Muse team and he said: “OK, we’ll poison Marketplace…but just a little.”
Primeros ejemplos
The Spotify connector in Muse feels like the start of Cursor for music and podcasts.
It can find create playlists for content you’re interested in and update your playlists everyday on a recurrent basis. It can also generate brand new podcasts and add those podcasts to a playlist in Spotify.
It’s now clear more consumer actions are going to happen directly in LLM chats, with the businesses behind them becoming connectors with reusable UI components.
