Exdirectivos de Goldman Sachs y los fundadores de Meta desarrollan una IA de voz para mercados desatendidos

La atención al cliente y los servicios de asistencia se encuentran entre los ámbitos más en boga actualmente en el campo de la IA de voz. Sin embargo, desarrollar un producto que suene humano y responda con un retraso mínimo resulta mucho más complicado en algunos mercados que en otros, y la mayoría de los principales actores del sector no se diseñaron pensando en África y Oriente Medio.

AethexAI, una startup fundada el año pasado para cubrir esta brecha, ha recaudado 3 millones de dólares en una ronda de financiación previa a la semilla liderada por 4DX Ventures, con la participación de Enza Capital, Dorm Room Fund, Mojo Ventures y el Stanford GSB 26 Fund. Entre los inversores individuales se encuentran profesores de Stanford, ejecutivos del sector de las telecomunicaciones e investigadores de IA de Anthropic.

En lugar de basarse en herramientas de orquestación existentes como Vapi y LiveKit, la empresa ha creado desde cero su propio modelo compacto y su propia capa de orquestación para adaptarse a los dialectos locales del inglés, el francés y el árabe que se hablan en sus mercados objetivo —una decisión motivada, como veremos, por las exigencias específicas de operar en la región—.

La empresa también está lanzando su plataforma para que las empresas prueben su tecnología y se suscriban a sus servicios, junto con API y SDK para que los desarrolladores experimenten con sus modelos.

La startup fue fundada por Mariama Diallo y Ayooluwa Odemuyiwa. La directora ejecutiva, Diallo, trabajó anteriormente en Goldman Sachs y más tarde se incorporó a ModelML, una empresa respaldada por YC, como responsable de producto y crecimiento. El director técnico, Odemuyiwa, se graduó en Caltech, trabajó en Meta y estudió en la Escuela de Negocios de Stanford antes de cofundar la empresa. Ambas querían crear algo para los mercados emergentes y comenzaron a buscar oportunidades.

Las empresas de todo el mundo compiten por adoptar herramientas de IA para automatizar parte de sus operaciones. Pero eso no siempre sale bien. En Egipto, un centro de atención telefónica automatizó una gran parte de sus llamadas, pero acabó desactivando el sistema debido a los malos resultados, según descubrieron las fundadoras. Varios centros de atención al cliente de África les comentaron que encontrar y contratar ingenieros para automatizar las llamadas a un coste razonable era un reto constante.

«La latencia y la fluctuación que observamos en las llamadas automatizadas de esta región eran escandalosas. Si nos hubiéramos convertido en orquestadores, quizá hubiéramos tenido que utilizar modelos de gran tamaño alojados fuera de la región, lo que habría provocado una mayor latencia. Nos dimos cuenta de que, para que esto funcionara, teníamos que utilizar modelos muy pequeños y reducir la latencia en cada paso», explicó Odemuyiwa a TechCrunch sobre la decisión de crear los propios modelos y la capa de orquestación de la empresa.

Los laboratorios de IA que implementan sus modelos más recientes suelen invertir millones en entrenarlos y en la adquisición de datos. AethexAI encontró una solución para ambos aspectos. En lugar de perseguir los modelos más grandes posibles, llegó a la conclusión de que los modelos pequeños son suficientes para resolver el problema de la latencia sin perder precisión, y desarrolló su propia serie Kora con parámetros que oscilan entre los 300 millones y los 1.7 mil millones. Eso supone una fracción del tamaño de los grandes modelos de lenguaje, y ahí radica precisamente la clave.

Para entrenar estos modelos, la startup utilizó grabaciones anonimizadas de un centro de atención telefónica asociado. También envió discos duros a emisoras de radio de toda África para recopilar más datos de audio. Para mantener los costes bajos, creó una red de colaboradores formada por estudiantes universitarios para anotar los datos y pronunciar los nombres locales. Como resultado, la startup afirma que ahora gestiona más de 17 000 llamadas al día.

En el ámbito empresarial, la empresa se esmera en guiar a los clientes que se inician en la IA de voz a lo largo del proceso, ofreciéndoles demostraciones presenciales y talleres para ayudarles a identificar los mejores casos de uso para la automatización.

«Siempre les decimos a los clientes que, por ahora, no podemos ser todo para todos. Somos pequeños. Cuando empezamos a hablar con una empresa, les pedimos que elijan, para empezar, un caso de uso que sea el más importante para ellos», explicó Diallo.

La startup está abierta a trabajar en todos los sectores, pero, por el momento, una gran parte de sus casos de uso se centra en llamadas para el cobro de deudas, la activación de clientes o el KYC (Know Your Customer, «Conoce a tu cliente»), el proceso estándar de verificación de identidad utilizado por bancos y empresas de telecomunicaciones. La empresa está contratando a ingenieros sobre el terreno con contratos temporales para atender los mercados locales y está estableciendo alianzas de canal con proveedores de telecomunicaciones para gestionar la telefonía de las llamadas de IA de voz. Según afirma, las soluciones «plug-and-play» simplemente no funcionan aquí.

Walter Badoo, cofundador y socio director de 4DX Ventures, sostiene que el mercado de África y Oriente Medio es fundamentalmente diferente de los mercados para los que se crearon la mayoría de las empresas de IA de voz.

«Las empresas de África y Oriente Medio procesan aproximadamente el triple de volumen de llamadas que sus homólogas occidentales, ya que la voz sigue siendo el canal dominante para la interacción con los clientes», afirmó. «Los sistemas actuales se diseñaron para mercados occidentales caracterizados por una infraestructura de GPU de gama alta, entornos lingüísticos en inglés estándar y europeos, y flujos de trabajo empresariales habituales en EE. UU. y Europa. Esto genera brechas reales cuando las empresas necesitan sistemas que gestionen dialectos, el cambio de código lingüístico y los patrones de habla informal, y que funcionen dentro de su infraestructura de telefonía existente y se ajusten a sus presupuestos reales».

Dicho de otro modo, aunque empresas como ElevenLabs, Deepgram, Sierra y Cognigy se están expandiendo a nivel mundial a un ritmo acelerado, los mercados para los que se crearon y aquellos a los que están entrando no siempre son los mismos. Startups como AethexAI apuestan por que esas brechas —modelos especializados en dialectos locales, colaboraciones sobre el terreno, infraestructura diseñada para la región— representan una oportunidad de mercado que los gigantes no tienen ni el incentivo ni la arquitectura para aprovechar.