> For the complete documentation index, see [llms.txt](https://docs.dapta.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.dapta.ai/dapta-docs-es/dapta-mcp/skills/voice-agents.md).

# Agentes de Voz

Lo que Claude puede hacer con tus agentes de voz de Dapta una vez conectado: crear, configurar y calibrar agentes, y luego revisar el desempeño de sus llamadas.

Una vez que Dapta está conectado a Claude, puedes gestionar tus agentes de voz en lenguaje natural. Describe lo que quieres y Claude se encarga del trabajo con los agentes de voz en tu workspace.

{% hint style="info" %}
Cuando Claude cambia un agente existente o su prompt, primero te muestra una vista previa y espera tu confirmación antes de aplicarlo. Leer y revisar nunca cambia nada.
{% endhint %}

## Construye y configura

Pídele a Claude que configure un agente de voz nuevo y él te acompaña por unos pocos pasos rápidos: elegir una plantilla inicial, elegir un idioma y compartir los datos de tu empresa. Claude escribe el prompt del agente por ti y lo crea en tu workspace, listo para una llamada de prueba.

{% hint style="info" %}
**Crear un agente a partir de un sitio web.** Si compartes tu sitio web, Claude lo lee con las herramientas web del cliente en el que estás (claude.ai, Claude Desktop y Claude Code las tienen). Si tu cliente no tiene acceso a la web, Claude te pide los datos de la empresa.
{% endhint %}

**Prueba decir:**

* "Quiero crear un agente de voz para mi clínica dental."
* "Configura un nuevo agente de llamadas en frío salientes en inglés."
* "Constrúyeme un agente de voz recepcionista para mi empresa."

Una vez que el agente existe, puedes afinar cómo suena y cómo se comporta. Pídele a Claude que revise la configuración actual o que ajuste cosas como la velocidad al hablar, qué tan natural suena la voz, con qué facilidad el agente deja que lo interrumpan, su webhook, o los datos que extrae después de cada llamada. Cada cambio se muestra en vista previa antes de salir a producción.

**Prueba decir:**

* "Mi agente habla muy rápido, ¿puedes hacerlo más lento?"
* "¿Qué configuración de voz usa mi agente ahora mismo?"
* "Haz que la voz de mi agente suene más natural."

También puedes mejorar cómo habla realmente el agente. Claude puede revisar llamadas recientes, diagnosticar qué funciona y qué no, y luego redactar un mejor prompt (por ejemplo, un manejo de objeciones más sólido o una pronunciación más clara) y, con tu aprobación, aplicarlo al agente en producción.

**Prueba decir:**

* "Mejora el prompt de mi agente de voz y aplícalo."
* "Mi agente no maneja bien las objeciones, arréglalo."
* "Actualiza mi agente para que lea los números de teléfono con más claridad."

**Detrás de escena:** `create_voice_agent` crea el agente. `list_agents`, `get_agent` y `get_agent_complete_analysis` lo leen. `preview_update_voice_agent` y luego `commit_update_voice_agent` aplican cualquier cambio.

***

## Calibra y revisa el desempeño

Más allá de la configuración, Claude puede ayudarte a entender qué captura cada agente y cómo le va en llamadas reales. Pregunta qué registra o extrae un agente, y Claude explica los datos que recopila en cada llamada y con qué frecuencia esos campos realmente se llenan.

**Prueba decir:**

* "¿Qué captura este agente de las llamadas?"
* "¿Qué datos se están llenando realmente?"

**Detrás de escena:** `get_agent_post_call_schema`, `find_input_variables`, `discover_variables_from_calls`, `analyze_variable_usage`, `aggregate_variable_results`.

Cuando quieras saber cómo se está desempeñando un agente, pide los números. Claude trae tus totales de llamadas, tasas de conexión y de éxito, duración promedio, créditos usados, sentimiento, por qué terminaron las llamadas y cómo se distribuyen por resultado.

**Prueba decir:**

* "Analiza mi agente y dame un reporte completo."
* "¿Cuántas llamadas recibí esta semana y cuál fue la tasa de conexión?"
* "Clasifica mis últimas 100 llamadas por resultado."

**Detrás de escena:** `get_call_analytics`, `get_agent_call_statistics`, `list_calls`, `get_call`, `search_calls_by_phone`, `list_call_examples_by_category`, `export_calls`.

También puedes profundizar en el lado humano. Claude puede resumir los votos de pulgar arriba y pulgar abajo y los comentarios escritos que la gente deja en las llamadas, mostrar la satisfacción a lo largo del tiempo y destacar las llamadas que recibieron feedback negativo.

**Prueba decir:**

* "¿Cuál es la tasa de satisfacción de mi agente?"
* "Muéstrame el feedback negativo y los comentarios recientes."

**Detrás de escena:** `get_feedback_summary`, `get_feedback_trends`, `get_comment_sentiment`, `list_negative_feedback`.

Para escuchar lo que realmente se dijo, pídele a Claude las grabaciones de tus llamadas. Presenta las llamadas que tienen grabación en una tabla limpia con los datos clave y un enlace que puedes abrir para volver a escucharlas.

**Prueba decir:**

* "Muéstrame las grabaciones de mis últimas 20 llamadas."
* "Déjame escuchar las llamadas del 3 de febrero."

**Detrás de escena:** `list_calls_with_audio`.

Claude también puede decirte los mejores momentos para contactar a la gente. Revisa tu historial de llamadas para encontrar las horas y los días de la semana más fuertes para llamar, y las franjas que conviene evitar.

**Prueba decir:**

* "¿Cuáles son las mejores horas para llamar con mi agente de ventas?"
* "¿Qué días de la semana tienen las tasas de conexión más altas?"

**Detrás de escena:** `get_hourly_call_distribution`, `get_weekday_call_distribution`, `temporal_heatmap`, `temporal_hourly_by_org`.

Por último, Claude puede encontrar tus leads listos para ventas. Primero determina qué significa "calificado" para ese agente específico, luego trae los leads que coinciden y te muestra un embudo simple desde el total de llamadas hasta las conectadas y las calificadas.

**Prueba decir:**

* "Encuéntrame los leads calificados de mi secuencia saliente."
* "Muéstrame un embudo de conversión de las llamadas de mi agente de ventas."

**Detrás de escena:** `discover_agent_qualification_schema`, `find_qualified_leads`.

{% hint style="success" %}
¿No sabes por dónde empezar? Dile a Claude qué estás tratando de hacer con tus propias palabras. Él elige el enfoque correcto y, para cualquier cosa que cambie un agente existente, confirma contigo antes de aplicarlo.
{% endhint %}

***

## Relacionado

{% content-ref url="/pages/pk2nPC6zQCgMb3h1siTT" %}
[Secuencias de Voz](/dapta-docs-es/dapta-mcp/skills/voice-sequences.md)
{% endcontent-ref %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.dapta.ai/dapta-docs-es/dapta-mcp/skills/voice-agents.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.