Ganamos la subvención DIMOP Plusz: plataforma inteligente de atención al cliente por voz

Hemos obtenido 14 534 144 forintos de subvención a fondo perdido en la convocatoria DIMOP_PLUSZ-1.1.2/A-24 para desarrollar una plataforma inteligente de atención al cliente por voz. El proyecto arranca oficialmente hoy, 1 de julio de 2025, y es aquel para el que nos ha preparado el trabajo de telecomunicaciones y backend de los últimos años. A continuación, los datos de la subvención y el contenido técnico previsto.

Cofinanciado por la Unión Europea.

Datos de la subvención

• Convocatoria: DIMOP_PLUSZ-1.1.2/A-24
• Identificador del proyecto: DIMOP_PLUSZ-1.1.2/A-24-2025-00236
• Título del proyecto: Desarrollo de una plataforma inteligente de atención al cliente por voz
• Importe de la ayuda: 14 534 144 Ft (14,53 millones de forintos) de subvención a fondo perdido
• Intensidad de la ayuda: 70%
• Periodo de ejecución: 1 de julio de 2025 – 14 de septiembre de 2026

El 30% restante lo pone la empresa con fondos propios. Para una microempresa es un compromiso importante, y por eso en los últimos meses elaboramos al detalle la planificación y los hitos.

La misma petición en cada proyecto

En los últimos años hemos trabajado con telefonía SIP, integración PSTN, canales de SMS y WhatsApp y sistemas SaaS multiinquilino. En cada proyecto de atención al cliente surgía la misma petición: una parte de las llamadas entrantes (reservas de citas, horarios de apertura, consultas de estado sencillas, mensajes) debería resolverse de forma automática, sin intervención humana, a cualquier hora y en varios idiomas.

Los avances en reconocimiento de voz, modelos de lenguaje grandes y síntesis de voz lo han hecho técnicamente posible. Falta una plataforma que conecte esos componentes con la red telefónica convencional y que una pequeña o mediana empresa pueda configurar por su cuenta, sin desarrolladores. Es lo que vamos a construir.

Lo que se ha comprometido

El proyecto consta de siete elementos principales.

Plataforma SaaS multiinquilino. Una sola infraestructura atiende a varios clientes, con datos, configuración y facturación separados por inquilino. Se apoya en los patrones multi-tenant que describimos en entradas anteriores: esquema compartido, row-level security, límites por inquilino.

Editor de flujos no-code. El cliente diseña el recorrido de la llamada en un editor visual en el navegador: saludo, preguntas, ramificaciones, recogida de datos, transferencia a una persona. No hay que programar. La descripción del flujo se guarda en la base de datos y es la que guía al asistente durante la llamada.

Cadena de procesamiento STT–LLM–TTS. El reconocimiento de voz continuo (speech-to-text) convierte el audio entrante en texto, un modelo de lenguaje grande lo interpreta y decide el paso siguiente, y la síntesis de voz (text-to-speech) pronuncia la respuesta. Cada eslabón es sustituible. Reducir la latencia es una de las tareas técnicas centrales del proyecto.

Integración SIP y PSTN. La plataforma recibe y realiza llamadas en números de teléfono reales a través de un SIP trunk, sobre nuestro propio componente PSTN bridge. El audio de la llamada llega en tiempo real a la cadena de procesamiento, y vuelve.

Registro de llamadas y exportación CSV. De cada llamada se generan una transcripción, un resumen y datos estructurados, por ejemplo la cita reservada. Se pueden consultar en la interfaz y exportar en CSV a los sistemas existentes.

Precios según el uso. No hay paquete que pagar por adelantado: el cliente paga por las llamadas realmente atendidas. La facturación se basa en el modelo de eventos de uso ya probado en Abisearch.

Operación en la UE conforme al RGPD. Las grabaciones, las transcripciones y los datos personales se guardan cifrados en servidores dentro de la Unión Europea, con un periodo de retención configurable, política de privacidad y condiciones generales de servicio.

Pruebas con llamadas reales

El desarrollo sigue nuestro método habitual: entorno basado en Docker, pruebas automatizadas, staging y producción separados. Probar sistemas de voz es un terreno nuevo, así que además de las pruebas unitarias recorremos los flujos de llamada con llamadas SIP reales, de forma automatizada.

Iremos contando los avances en este blog: lo que aprendamos al reducir la latencia, las trampas del reconocimiento de voz en streaming y cómo se comporta un modelo de lenguaje con el ruido de una llamada real. El tono será el de ingeniería de siempre. La subvención no cambia qué escribimos ni cómo.

Agradecemos el apoyo del Gobierno de Hungría y de la Unión Europea.