Quien lleva el WhatsApp de un negocio en Madrid, Lisboa o Buenos Aires conoce la escena. El cliente no escribe "¿Cuál es el plazo de entrega a Sevilla del pedido 4471?". Mantiene pulsado el micrófono y habla cuarenta segundos, o manda una foto de la etiqueta y un pulgar arriba. Un chat que solo entiende texto escrito responde mal a la mitad de esa gente y a la otra mitad no le responde.
Desde octubre, las notas de voz, las fotos y los documentos funcionan en los dos sentidos en SuperCognit: los clientes pueden enviarlos en todos los canales y tu equipo puede responder con ellos desde la Bandeja de entrada. Esto es lo que pasa con cada tipo de mensaje, según quién responda.
Qué puede enviar el cliente
- Fotos, en el chat web, el widget, WhatsApp y Telegram. Siempre se aceptan.
- PDF y archivos de texto, en los mismos canales, cuando el agente tiene activados los archivos adjuntos.
- Notas de voz. En WhatsApp y Telegram se usa el micrófono de la propia app. En tu chat web y en el widget hay ahora un botón de grabar junto al cuadro de mensaje, con grabaciones de hasta dos minutos. El botón solo aparece cuando el navegador puede grabar, y se desactiva si la persona no da permiso al micrófono.
Cuando responde el agente de IA
Un agente de IA trata cada uno de ellos como parte del mensaje, así que la respuesta los tiene en cuenta:
Los archivos adjuntos se configuran por agente en la pestaña General, con "Aceptar archivos adjuntos". Leer un documento largo cuesta más que leer una frase, así que desactívalo en los agentes que solo necesitan texto. Las fotos no dependen de ese interruptor.
Cuando responde tu equipo
La otra mitad de la historia es el momento en que una persona toma el relevo, ya sea porque la IA le pasó la conversación o porque el agente solo lo atienden personas. Una nota de voz que nadie puede escuchar es un callejón sin salida, así que la Bandeja de entrada se comporta ahora como el móvil que el cliente lleva en el bolsillo.
Ve lo que te han enviado
En los agentes de persona, los que atiende solo tu equipo, las fotos aparecen como miniaturas en la conversación, los documentos como fichas con su nombre y tamaño, y las notas de voz como un reproductor con forma de onda. Los archivos se guardan con la conversación, así que la semana que viene siguen ahí.
Escucha a tu ritmo
El reproductor tiene reproducir y pausa, una forma de onda en la que puedes hacer clic para saltar, y un selector de velocidad en la etiqueta del tiempo: 1×, 1,5× o 2×. El mismo reproductor aparece en tu página de chat y en el widget, así que el cliente escucha su propia nota de la misma forma.
Responde con un archivo o con tu voz
El cuadro de respuesta de la Bandeja de entrada tiene un botón para adjuntar y una grabadora de notas de voz. Una respuesta puede ser texto, archivos, una nota de voz o solo archivos: hasta cinco archivos por respuesta, de 5 MB cada uno, en imagen, audio, PDF o texto.
Llega donde está el cliente
La respuesta va al canal que usa el cliente. En WhatsApp y Telegram, una nota de voz de tu equipo aparece como un mensaje de voz normal, redondo, no como un adjunto raro. En el chat web y el widget se reproduce en el mismo reproductor.
En los agentes que solo atienden personas, las notas de voz se guardan como audio y no se transcriben: el equipo las escucha, como haría en su propio móvil. Ese tipo de agente lo explicamos en un chat sin nada de IA.
Dónde más se nota
- Reparaciones y servicio técnico. Un técnico o un cliente manda una foto de la pieza y una nota de voz explicando qué le pasa. Tu equipo responde con una nota de voz con la solución, porque explicarlo en voz alta es más rápido que escribirlo.
- Hoteles y restaurantes. Los huéspedes mandan una foto de la confirmación de reserva o preguntan, por voz, si la terraza abre esta noche. El agente de IA responde a las dos cosas y reserva cuando puede, como en un agente de reservas con IA para hoteles.
- Tiendas. "¿Lo tenéis en azul?" con una captura. El agente ve el producto; si tiene que intervenir una persona, puede responder con una foto del artículo en la estantería.
- Papeleo. Un cliente manda una factura o un contrato y hace una pregunta sobre ello. Con los archivos adjuntos activados, el agente lee el documento en lugar de pedirle al cliente que copie las cifras.
Privacidad, en breve
Los archivos guardados son privados. Solo los abren los miembros de tu espacio de trabajo con sesión iniciada y acceso a la Bandeja de entrada, y el visitante dentro de su propia conversación. Cuando eliminas una conversación, un espacio de trabajo o una cuenta, sus archivos guardados se eliminan con ella.
Cómo configurarlo
Decide qué hacer con los documentos
En la pestaña General del agente, activa "Aceptar archivos adjuntos" si tus clientes envían PDF o archivos de texto que quieres que el agente lea. Déjalo desactivado en los agentes que solo trabajan con texto.
Conecta tus canales
Las notas de voz y las fotos en WhatsApp y Telegram necesitan el canal conectado en la pestaña Canales. Si empiezas de cero, cómo automatizar WhatsApp Business te guía paso a paso.
Activa los traspasos
Para que una persona pueda responder a los mensajes que el agente no debe atender, configura el soporte humano en la pestaña Equipo del agente. Tu equipo ya puede tomar el relevo del agente de IA explica cómo funcionan los traspasos.
Las respuestas del equipo con archivos también están en la API y en las herramientas MCP de la plataforma, así que un sistema propio puede enviar un documento a una conversación. El resumen de octubre recoge todo lo demás que ha salido este mes.
Preguntas frecuentes
¿Puede un chatbot de IA entender las notas de voz de WhatsApp?
Sí. Un agente de IA de SuperCognit transcribe una nota de voz enviada por WhatsApp, Telegram, el chat web o el widget, y responde a lo dicho como si lo hubieran escrito. La transcripción pasa por las mismas protecciones que un mensaje escrito.
¿Pueden los clientes enviar fotos y PDF al agente de IA?
Las fotos se aceptan siempre, en todos los canales. Los PDF y archivos de texto se aceptan cuando el agente tiene activado "Aceptar archivos adjuntos" en su pestaña General; entonces el agente lee el documento como parte del mensaje.
¿Puede mi equipo responder con una nota de voz?
Sí. El cuadro de respuesta de la Bandeja de entrada tiene una grabadora de notas de voz y un botón para adjuntar: hasta cinco archivos por respuesta, de 5 MB cada uno. En WhatsApp y Telegram, una nota de voz del equipo llega como un mensaje de voz normal.
¿Quién puede abrir los archivos que envían los clientes?
Solo los miembros de tu espacio de trabajo con sesión iniciada y acceso a la Bandeja de entrada, y el visitante dentro de su propia conversación. Los archivos guardados se eliminan al eliminar la conversación, el espacio de trabajo o la cuenta.
