Hable con los datos de su Call Center – sin SQL, sin paneles de control, solo preguntas.

Si bien los Modelos de Lenguaje Extenso sobresalen en el razonamiento y la síntesis, solo aportan un valor comercial real cuando se conectan a datos empresariales estructurados y regulados.

En esta publicación, mostramos cómo un Agente de Google creado con el Kit de Desarrollo de Agentes (del inglés ‘Agent Development Kit’ – ADK) y Gemini puede consultar los Registros Detallados de Llamadas (del inglés ‘Call Detail Record’ – CDR) de 3CX almacenados en BigQuery, lo que permite a los supervisores y analistas consultar los datos de su Call Center sin necesidad de escribir SQL ni abrir reportes.

El resultado: una interfaz conversacional para sus CDRs de 3CX que se ejecuta localmente desde una CLI, pero que respeta la Seguridad Empresarial y los Controles de Acceso.

¡Siga leyendo!

¿Por qué Google ADK es Ideal para el Desarrollo de Agentes IA?

El Kit de Desarrollo de Agentes (ADK) de Google proporciona un marco estructurado para crear agentes IA de nivel de producción que pueden consultar una base de datos, extraer información de ella y presentarla de forma legible para los humanos sin necesidad de tener conocimientos previos sobre el esquema de la base de datos ni experiencia en programación SQL. Gemini se encarga del razonamiento y la comprensión del lenguaje natural, mientras que el ADK garantiza que todo el acceso a la base de datos permanezca controlado y observable.

¿Cómo Funciona el Flujo del Agente BigQuery?

A grandes rasgos, el sistema sigue este flujo:

  1. El usuario hace una pregunta a través de CLI.
  2. ADK Runner reenvía la solicitud al agente.
  3. LlmAgent envía las definiciones de comandos y herramientas a Gemini.
  4. Gemini decide qué herramienta llamar (por ejemplo: ejecutar SQL).
  5. BigQueryToolset ejecuta la consulta en BigQuery.
  6. Los resultados se envían a Gemini para su formateo.
  7. El usuario recibe una respuesta clara y estructurada.

Flujo de Agente BigQuery

Esta separación garantiza que el LLM siempre tenga un acceso restringido a la base de datos, lo que hace que la solución sea adecuada para entornos Empresariales reales.

Configuración e Instalación

Requisitos previos

  • Instalación de Python en funcionamiento.
  • Sistema Telefónico 3CX conectado a una fuente de Datos de Google BigQuery.
  • Acceso a la API de Gemini.

Instalación

  • Obtenga las fuentes de Python aquí.
  • Instale las Dependencias.
    pip install -r requirements.txt
  • Genere un archivo .env basado en .env.example e introduzca sus valores:
    GOOGLE_CLOUD_PROJECT=your-project-id
    GOOGLE_API_KEY=your-gemini-api-key
  • Autenticación – Puede autenticarse utilizando cualquiera de las siguientes opciones:
    • Cuenta de Servicio JSON.
    • Credenciales Predeterminadas de la Aplicación.
    • Inicio de sesión predeterminado de la aplicación ‘gcloud auth’.

Ejecutar el Agente

python main.py

Casos Prácticos de Uso

Desde una sencilla interfaz de línea de comandos, los propietarios del PBX, administradores y supervisores del Call Center pueden realizar preguntas como:

  • “¿Qué conjuntos de datos están disponibles?”.
  • “Muéstrame el esquema de la tabla cdroutput”.
  • “¿Cuántas llamadas respondió… en los últimos 30 días?”.
  • “¿Cuáles de esas llamadas eran spam o abusivas?”.
  • “¿Hay alguna llamada relacionada con la suplantación de identidad del Departamento de Hacienda?”.
  • “Genera un resumen del desempeño y sugerencias de entrenamiento para…”.
  • “Enumera todas las preguntas que hice durante esta sesión”.

El agente actúa como un analista de datos bajo demanda, respaldado por datos de CDRs reales.

Síganos para Mantenerse al Día

Únase a la conversación en nuestro Foro dedicado a la IA de 3CX. Síganos en X y LinkedIn para mantenerse al día de las últimas noticias y lanzamientos de funciones.