> ## Documentation Index
> Fetch the complete documentation index at: https://docs.famulor.io/llms.txt
> Use this file to discover all available pages before exploring further.

# Análisis posterior a la llamada

> Puntúa automáticamente el sentimiento y el éxito, y extrae datos estructurados de cada llamada

Cuando termina una llamada, un **análisis con IA** puede evaluar la transcripción. Puede puntuar el sentimiento de quien llama, decidir si la llamada cumplió un criterio de éxito y extraer campos estructurados como un número de devolución de llamada, un ID de pedido o una respuesta de sí/no. El resultado está disponible en [Historial](/es/monitoring/history), la API pública y MCP.

## Qué produce el análisis

Para cada llamada analizada, el resultado puede incluir:

* **Sentiment** — `positive`, `neutral` o `negative` (sentimiento general de quien llama).
* **Success** — `true` / `false` (o `null` cuando la evaluación de éxito está desactivada), más una breve **razón** que explica el veredicto.
* **Data** — un mapa de los campos estructurados que definiste, indexado por nombre de campo.
* **Analysis time** — cuándo se produjo el resultado.

Usa los filtros de sentimiento y éxito en Historial, o `GET /api/v1/calls?sentiment=&success=`, para encontrar rápidamente las llamadas correspondientes.

<Note>
  El análisis se ejecuta **después** de la llamada y nunca afecta a la conversación en curso. Si no está disponible, la llamada y su transcripción permanecen sin cambios y no se muestra ningún resultado.
</Note>

## Configurar el análisis

Abre la tarjeta **Analysis** del asistente y activa las partes que necesites. Todo es opcional; una configuración vacía significa que no se ejecuta ningún análisis.

<Steps>
  <Step title="Sentimiento">
    Activado de forma predeterminada. Desactívalo si no necesitas el sentimiento por llamada.
  </Step>

  <Step title="Criterio de éxito">
    Activa **Success** y describe, en lenguaje sencillo, cómo es una llamada exitosa — por ejemplo, *«La persona que llama reservó una cita»* o *«La persona que llama confirmó su dirección de entrega»*. El resultado contiene un valor booleano más una razón.
  </Step>

  <Step title="Campos estructurados">
    Añade los campos que quieras extraer. Cada campo tiene un `name` (snake\_case, único), un `type` (`string`, `number`, `boolean` o `enum`) y una `description` que explica qué extraer (máx. 500 caracteres), y — para `enum` — una lista de `choices`. Se intenta extraer todos los campos siempre; no hay ningún control en el editor para hacer que uno sea opcional, aunque el indicador `required` de la API sigue existiendo en el esquema.
  </Step>
</Steps>

### Ejemplo de configuración

```json theme={null}
{
  "sentiment": true,
  "success": {
    "enabled": true,
    "criteria": "The caller booked an appointment"
  },
  "fields": [
    { "name": "callback_number", "type": "string", "description": "Phone number the caller wants a callback on" },
    { "name": "appointment_day", "type": "enum", "description": "Requested weekday", "choices": ["mon", "tue", "wed", "thu", "fri"] },
    { "name": "is_existing_customer", "type": "boolean", "description": "Whether the caller is already a customer" }
  ]
}
```

Un `calls.analysis` resultante se ve así:

```json theme={null}
{
  "sentiment": "positive",
  "success": true,
  "success_reason": "Caller agreed to a Tuesday appointment and gave a callback number.",
  "data": {
    "callback_number": "+493012345678",
    "appointment_day": "tue",
    "is_existing_customer": false
  },
  "analyzed_at": "2026-07-05T09:12:44Z"
}
```

## Usar los resultados del análisis

* **History filters** — filtra la lista de llamadas por sentimiento y éxito para encontrar, por ejemplo, todas las llamadas negativas que *no* tuvieron éxito.
* **API pública** — toda llamada en `GET /api/v1/calls` y `GET /api/v1/calls/{id}` incluye `analysis`, `sentiment` y `success`. Filtra la lista con `?sentiment=negative` y `?success=false`.
* **MCP** — los mismos campos de la llamada se exponen mediante las herramientas `list_calls` / `get_call` de MCP.

<Note>
  Volver a ejecutar el análisis de una llamada pasada — **History → Re-evaluate** — sobrescribe el sentimiento, el éxito y los campos extraídos guardados con un resultado nuevo. Consume créditos adicionales al ritmo **History re-evaluate** del espacio de trabajo; las tarifas actuales están en la [página de uso](https://app.famulor.io/usage).
</Note>

## Cuadros de puntuación de AI QA

Los **AI QA scorecards** (Beta) puntúan cada llamada terminada según tu propia lista de comprobación de calidad — un resultado independiente y complementario al análisis de sentimiento/éxito/campos anterior. Se configuran en la misma pestaña **Analysis & QA** que el análisis posterior a la llamada.

<Steps>
  <Step title="Activar los cuadros de puntuación">
    Desactivados de forma predeterminada. La tarjeta solo aparece una vez que las **Beta features** están activadas para el espacio de trabajo en [Settings → Workspace](/es/settings/workspaces), y activarla requiere un plan que incluya los cuadros de puntuación de AI QA.
  </Step>

  <Step title="Definir un umbral de aprobación">
    Una puntuación global de 0 a 100; una llamada aprueba en cuanto alcanza o supera este valor.
  </Step>

  <Step title="Añadir hasta 20 criterios">
    Cada criterio tiene un nombre, un peso (cuánto cuenta en la puntuación global) y una fuente:

    * **LLM judge** — la IA revisora lee la transcripción y puntúa el criterio a partir de una descripción en texto libre que tú escribes. Cuesta una evaluación adicional por criterio.
    * **Reuse success** — reutiliza el indicador de éxito del análisis de esta llamada (sí = 1, no = 0), sin coste adicional.
    * **Reuse sentiment** — reutiliza el sentimiento del análisis de esta llamada (positivo = 1, neutro = 0,5, negativo = 0), sin coste adicional.
  </Step>
</Steps>

Los resultados aparecen en **History**, en la vista de detalle de la llamada. Los cuadros de puntuación se configuran igual que el análisis — desde el editor del asistente, `PATCH /api/v1/assistants/{id}` o la herramienta MCP `update_assistant`.

<Note>
  Esto es distinto de la herramienta [AI Quality Assurance](/es/assistants/ai-quality-assurance) a nivel de cohorte, que ejecuta un paquete de control de calidad que tú eliges contra un lote de llamadas pasadas, bajo demanda. Los cuadros de puntuación se ejecutan automáticamente, por llamada, en cuanto esta termina.
</Note>

## Configurar mediante la API

Usa `PATCH /api/v1/assistants/{id}` o la herramienta MCP `update_assistant` para actualizar mediante programación las mismas opciones de análisis. Una configuración vacía significa que el análisis no se ejecuta. Consulta la [referencia de la API](/es/api-reference/introduction) para conocer el esquema de la solicitud.

## Convertir una llamada real en una prueba de simulación

En una llamada terminada, dentro de **History**, usa **Create Simulation Test**. Famulor prepara una persona, un guion y criterios de éxito a partir de la transcripción y el análisis, y luego abre el panel de [Simulations](/es/assistants/simulations) del asistente para su revisión.

La misma acción está disponible como:

* `POST /api/v1/assistants/{id}/tests/from-call` con `{ "call_id": "…" }` (`assistants:write`; Simulations debe estar incluido en el plan)
* la herramienta MCP `create_assistant_test_from_call`

Al hacer clic en una línea de la transcripción en Historial, la grabación salta a ese momento.