Vocalize AI — PollyReach MVP

Concepto

Agentes de voz con IA que ejecutan llamadas salientes repetitivas (cualificación de leads, concertación de citas, encuestas) de forma autónoma, liberando a equipos de ventas (SDRs), agencias inmobiliarias y pymes de servicios (clínicas, talleres) de la marcación manual. El equipo sube una lista de contactos (CSV), define el objetivo de la campaña, y el agente de IA llama, conversa, transcribe, clasifica el resultado y notifica cuando logra el objetivo (ej. "Cita agendada").

Arquitectura

Monolito modular Spring Boot 4.0.4 / Java 25, capas %%INLINE0%% → %%INLINE1%% → %%INLINE2%% → %%INLINE3%%, persistencia JPA (H2 embebido en memoria si no hay DATABASE_URL, Postgres en producción).

controller/   REST endpoints (dashboard + webhooks de telefonía)
service/      lógica de negocio (campañas, telefonía, IA conversacional, notificaciones)
repository/   Spring Data JPA
model/        entidades JPA (User, Campaign, Contact, CallLog) + enums
dto/          records inmutables (requests/responses)
security/     JWT stateless (io.jsonwebtoken)
client/       Feign hacia Twilio
config/       @ConfigurationProperties (jwt, twilio, notification), Jackson, Feign
exception/    ApiException + @RestControllerAdvice

Pipeline de llamada (%%INLINE5%% + %%INLINE6%%):

1. CampaignService.launchCampaign despacha una llamada por contacto pendiente

en threads virtuales (Executors.newVirtualThreadPerTaskExecutor()), vía %%INLINE9%% → %%INLINE10%% (Feign). Sin credenciales reales de Twilio, degrada a modo simulado (SID local) para que el MVP corra sin cuenta externa.

1. Al conectar, Twilio invoca POST /api/calls/webhook/voice → TwiML con saludo

inicial (simulación de TTS) y <Gather> de voz.

1. Cada turno del contacto llega a POST /api/calls/webhook/speech (simulación de

STT) → ConversationAiService.nextAgentReply decide la respuesta (simulación de LLM, reglas por palabras clave) → nuevo TwiML.

1. Al finalizar, POST /api/calls/webhook/status dispara clasificación

(%%INLINE16%%), resumen (%%INLINE17%%) y NotificationService (email simulado por log + webhook opcional si notification.webhook-url está configurado).

ConversationAiService es el punto de extensión para sustituir las reglas por llamadas reales a Whisper (STT) / GPT-4 (LLM) / ElevenLabs (TTS) sin tocar el resto del pipeline.

Endpoints

Método	Path	Auth	Descripción
POST	/api/auth/register	pública	Alta de usuario
POST	/api/auth/login	pública	Login, devuelve JWT
POST	/api/campaigns	JWT	Crear campaña
GET	/api/campaigns	JWT	Listar campañas del usuario
GET	/api/campaigns/{id}	JWT	Detalle + métricas
POST	/api/campaigns/{id}/contacts	JWT	Importar contactos (multipart CSV)
GET	/api/campaigns/{id}/contacts	JWT	Listar contactos
POST	/api/campaigns/{id}/launch	JWT	Lanzar llamadas salientes
GET	/api/campaigns/{id}/calls	JWT	Transcripciones, resúmenes y resultados
POST	/api/calls/webhook/voice	pública (Twilio)	TwiML al conectar
POST	/api/calls/webhook/speech	pública (Twilio)	TwiML por turno de voz
POST	/api/calls/webhook/status	pública (Twilio)	Cierre, resumen, notificación

CSV esperado: fullName,phoneNumber (con o sin encabezado).

Referencias

• PollyReach — Product Hunt: https://www.producthunt.com/leaderboard/monthly/2026/5
• Twilio Voice API (TwiML %%INLINE34%%/%%INLINE35%%): patrón de integración de telefonía.
• Spring Boot 4.0.4 / Spring Framework 7 / Jackson 3 (tools.jackson.*).

Análisis de negocio

• Problema: llamadas repetitivas de bajo valor (cualificación, citas) consumen

tiempo caro de personal humano, no escalan, generan agotamiento.

• ROI medible: minutos de agente humano ahorrados por minuto de agente de IA;

tasa de citas agendadas por lead, directamente visible en CampaignResponse.

• Monetización: SaaS por niveles — Básico (minutos + 1 agente), Profesional

(más minutos, multi-agente, CRM), Empresa (volumen + soporte). El modelo de datos (%%INLINE38%%, minutos vía %%INLINE39%%/endedAt) ya soporta medir consumo por plan.

• Mercado: SDRs de startups, inmobiliarias, pymes de servicios — alto volumen

de llamadas repetitivas, acostumbrados a pagar por productividad.

Cómo ejecutar

cd solutions/2026-07-25-vocalize-ai-service
mvn spring-boot:run

Por defecto usa H2 en memoria (sin configurar spring.datasource.*). Ejemplo de flujo:

# 1. Registro
curl -X POST localhost:8080/api/auth/register \
  -H 'Content-Type: application/json' \
  -d '{"email":"sdr@pyme.com","password":"secreto123","fullName":"Ana SDR"}'

# 2. Crear campaña (usar el token devuelto)
curl -X POST localhost:8080/api/campaigns \
  -H "Authorization: Bearer <token>" -H 'Content-Type: application/json' \
  -d '{"name":"Q3 Leads","objective":"Agendar demo de producto","voiceProfile":"Polly.Lupe"}'

# 3. Importar contactos CSV
curl -X POST localhost:8080/api/campaigns/1/contacts \
  -H "Authorization: Bearer <token>" -F "file=@contactos.csv"

# 4. Lanzar campaña
curl -X POST localhost:8080/api/campaigns/1/launch -H "Authorization: Bearer <token>"

# 5. Ver resultados
curl localhost:8080/api/campaigns/1/calls -H "Authorization: Bearer <token>"

Config opcional vía variables de entorno / application.yml: twilio.account-sid, %%INLINE43%%, %%INLINE44%%, twilio.voice-webhook-base-url, %%INLINE46%%, %%INLINE47%%, jwt.expiration-ms.

---

Análisis FinOps para Vocalize AI

Introducción

Este análisis FinOps proporciona una estimación de los costos operativos y el margen de beneficio para 'Vocalize AI' en su fase inicial de MVP, asumiendo un modelo de negocio B2B SaaS. El objetivo es identificar los principales impulsores de costos y proponer estrategias de optimización para asegurar la viabilidad financiera.

Supuestos Clave

• Volumen de Clientes: 20 clientes iniciales.
• Modelo de Precios: Plan Básico de $25/mes por cliente.
• Volumen de Llamadas: Cada cliente realiza 50 llamadas al mes, totalizando 1000 llamadas/mes.
• Duración de Llamada: Promedio de 2 minutos por llamada.
• Uso de IA por Llamada:

* LLM (gpt-4o-mini): Aproximadamente 2000 tokens por llamada (incluyendo prompts de sistema, transcripciones de usuario, respuestas de IA y procesamiento post-llamada). * STT (OpenAI Whisper): 2 minutos de audio por llamada. * TTS (AWS Polly): 1 minuto de audio generado por IA por llamada (equivalente a ~900 caracteres).

• Infraestructura Cloud: Configuración básica en AWS para una aplicación Spring Boot (EC2, RDS).

Desglose de Costos Mensuales Estimados

Categoría	Descripción	Costo Mensual Estimado
LLM (OpenAI)	gpt-4o-mini para 2M tokens/mes (entrada/salida)	$1
Cloud Hosting	EC2 t3.small, RDS db.t3.micro, EBS, Networking	$35
Telefonía (Twilio)	2000 minutos salientes, 1 número de teléfono	$27
STT (Whisper)	2000 minutos de transcripción	$12
TTS (AWS Polly)	900,000 caracteres generados	$5
Total de Costos	$80

Ingresos Mensuales Estimados

• Clientes: 20
• Precio por Cliente: $25/mes (Plan Básico)

Ingreso Total: 20 $25 = $500/mes

Cálculo del Margen de Beneficio

• Ingresos Mensuales: $500
• Costos Mensuales: $80
• Beneficio Bruto: $500 - $80 = $420

Margen de Beneficio: (($500 - $80) / $500) 100 = (420 / 500) * 100 = 84%

Recomendaciones FinOps para Optimización de Costos

1. Optimización de LLM: Aunque gpt-4o-mini es extremadamente económico, la optimización de prompts para ser más concisos y el uso de técnicas de few-shot learning pueden reducir aún más el consumo de tokens. Considerar el caching de respuestas comunes para evitar llamadas repetitivas al LLM.
2. Caché de STT/TTS: Para frases recurrentes (saludos, despedidas, confirmaciones), se puede pre-generar y almacenar el audio TTS. Esto reduce la dependencia de la API de TTS en tiempo real y sus costos.
3. Gestión de la Duración de Llamadas: Diseñar los scripts de los agentes de IA para ser eficientes y directos, minimizando el tiempo de conversación improductivo. Cada segundo cuenta en los costos de telefonía y STT/TTS.
4. Revisión de Proveedores de API: A medida que el volumen de llamadas crezca, explorar acuerdos de volumen con Twilio, OpenAI (para Whisper) y AWS (para Polly) o investigar proveedores alternativos que ofrezcan mejores tarifas para grandes volúmenes sin comprometer la calidad.
5. Optimización de Infraestructura Cloud:

* Right-sizing: Asegurarse de que los recursos de EC2 y RDS estén dimensionados correctamente para la carga de trabajo actual, evitando el sobreaprovisionamiento. * Escalabilidad Elástica: Implementar auto-escalado para los componentes de procesamiento de llamadas para manejar picos de demanda eficientemente y reducir costos durante períodos de baja actividad. * Planes de Ahorro/Instancias Reservadas: Una vez que se tenga una carga base predecible, adquirir planes de ahorro o instancias reservadas en AWS para reducir los costos de EC2 y RDS a largo plazo.

1. Monitoreo de Costos en Tiempo Real: Configurar alertas de presupuesto y paneles de control de costos en la nube para identificar rápidamente cualquier anomalía o aumento inesperado en el gasto.

Conclusión

'Vocalize AI' demuestra un modelo de negocio con un margen de beneficio saludable en su fase MVP, principalmente debido a la elección de modelos de IA de bajo costo (gpt-4o-mini, AWS Polly) y una infraestructura cloud básica. Los principales impulsores de costos son la telefonía y los servicios de STT. La implementación proactiva de estrategias FinOps, enfocadas en la optimización del uso de APIs y la gestión eficiente de la infraestructura, será crucial para mantener este margen a medida que la startup escale y adquiera más clientes.