Alisa llama y agenda citas por su cuenta: de 5,363 clínicas dentales, el agente de IA eligió solo 4Artículo · digest del 19 de noviembre
Esquema digital isométrico de la selección de clínicas por el agente de IA Alisa con un embudo que filtra 5,363 direcciones a una lista corta de 4 organizaciones.
Artículo3 secciones≈ 9 min

Alisa llama y agenda citas por su cuenta: de 5,363 clínicas dentales, el agente de IA eligió solo 4

Todo parece cotidiano: alguien abre el chat con Alisa y le pide agendar una consulta dental esta semana o llevar a su perro a peluquería cerca de casa. Desde el 12 de noviembre de 2026, el modo «¡Actúa!» en Alisa AI activa tras una petición así toda una cadena de acciones entre bastidores. En el arranque la función se abrió a unos cuantos miles de suscriptores de «Alisa Plus», y en diciembre llegará a todos los usuarios de la suscripción.

En un servidor remoto de Yandex se inicia un Yandex Browser aislado en la nube, donde el agente abre pestañas, lee páginas y rellena formularios por sí solo. Si algún paso exige entrar a una cuenta personal, el control vuelve temporalmente a la persona, mientras que para tareas con socios se conectan complementos de servicios como Aviasales y fuentes externas vía servidores MCP, según explica la página del modo «¡Actúa!». Cuando no existe reserva en línea, el agente toma el teléfono y llama directamente a recepción.

En la pantalla del teléfono de la clínica o salón aparece la identificación transparente «Alisa, solicitud de usuario». Desde un mismo número salen como máximo diez llamadas por hora para no saturar las líneas de las empresas. Mientras tanto, el cliente ve en el chat la transcripción en texto de la conversación en tiempo real y decide si confirma la reserva o el pago: sin el visto bueno humano el agente no cierra la operación y la responsabilidad legal del acuerdo recae en el usuario.

El problema para el negocio local empieza antes de que suene el teléfono. Mientras el recepcionista aprende a no colgar esa llamada pensando que es spam, la red neuronal ya descartó al 99.9% del mercado al armar la lista de a quién vale la pena llamar.

Experimento en Moscú: 22 empresas de 19,592 direcciones y cero de anuncios

El especialista en marketing Alexander Krasnobayev probó el 17 de noviembre de 2026 en Moscú quién entra realmente en esa lista corta y publicó el análisis de la prueba en vc.ru. Como las llamadas por voz siguen en beta cerrada para parte de los suscriptores, evaluó el primer y decisivo paso: la respuesta en vivo de la red neuronal de Yandex ante cinco encargos de cliente del tipo «busca y agenda» o «busca y compara». Precisamente de esa respuesta toma el agente los teléfonos para llamar.

Para dimensionar el filtro, el autor comparó la cantidad de negocios mencionados con el total de direcciones del mismo rubro en el mapa 2GIS. Resultó un embudo severo: en la lista corta entraron apenas 22 negocios de 19,592 puntos, es decir, aproximadamente una empresa de cada novecientas.

| Rubro y consulta en Moscú | Mencionadas por Alisa | Direcciones en 2GIS | Qué entró en los resultados | | --- | --- | --- | --- | --- | | Odontología «para tratamiento esta semana» | 4 | 5,363 | Más dos clínicas públicas una línea abajo, que el autor no contó | | Taller mecánico | 3 | 7,541 | La respuesta aconsejó llamar a un par de sitios por horarios libres | | Peluquería canina «esta semana» | 4 | 1,912 | Los cuatro salones salieron de sus propios sitios con botón de cita | | Remodelación de departamentos, comparar presupuestos | 5 | 2,501 | Contratistas reunidos de rankings y reseñas externas | | Contabilidad para OOO en régimen USN, comparar precios | 6 | 2,275 | Solo entraron empresas con tarifas publicadas abiertamente |

Estas cifras tienen dos limitaciones honestas. Primero, la medición se hizo sobre la respuesta de búsqueda de Alisa, así que la tasa real de contacto y conversión de las llamadas de voz no se probó en el experimento, aunque la lógica de «llamo a quienes recomendé» la confirma la propia Yandex. Segundo, el denominador viene de 2GIS mientras Alisa toma las fichas locales de Yandex Maps, y los resultados de las redes neuronales varían de una consulta a otra. Pero la magnitud del recorte no se suaviza por eso: en lugar de miles de opciones en el mapa, el cliente y su agente miran entre tres y seis nombres.

El hallazgo más doloroso de la prueba afecta al tráfico pagado. Debajo de cada una de las cinco respuestas aparecían uno o dos bloques publicitarios con la etiqueta «Promo», nueve anunciantes en total. Ninguno de esos nueve entró en la lista de la red neuronal. Mientras una persona recorre la pantalla con la vista, el anuncio «Promo» todavía consigue clics, pero en cuanto el agente de IA asume la tarea de «busca y acuerda», la llamada va hacia la selección orgánica de arriba. Esa misma semana OpenAI abrió a las empresas un panel en ChatGPT con estadísticas de menciones y visitas: ambos ecosistemas convirtieron al mismo tiempo la respuesta de la IA en un canal de ventas propio.

Cuatro caminos a la lista corta: qué lee exactamente la máquina

Cuando un comprador abría pestaña tras pestaña, buscaba dos cosas: una respuesta directa a su duda y una confirmación externa de que el proveedor cumplía. Ahora la red neuronal ejecuta esa misma verificación en fracciones de segundo: busca hechos concretos donde las empresas suelen escribir «aproximado» o esconder todo tras un formulario de llamada. En las cinco respuestas de Moscú sobresalieron cuatro mecanismos de selección distintos: el canal clave depende directo del tipo de servicio y del costo de equivocarse.

Para necesidades locales sencillas cerca de casa, como odontología o taller mecánico, la puerta principal fue Yandex Maps. Tres de las clínicas que entraron en la lista corta mantenían una calificación de 5.0 y acumulaban 3,200, 816 y 341 reseñas. La red neuronal leía hasta los horarios y le explicaba directo al usuario que la clínica «atiende todos los días hasta las 23:00, así que puedes agendar incluso hoy por la noche». Las horas nocturnas y de fin de semana se convierten en un argumento directo para el algoritmo.

En peluquería canina todo funcionó distinto: Alisa ignoró los agregadores y tomó los cuatro salones directo de sus propios sitios web. La respuesta resumía casi palabra por palabra la dirección, el horario y el bloque «Cómo agendar: en línea en el sitio o por teléfono», y debajo añadía un botón «Agendar» con la nota «Revisé: en todos hay espacios disponibles ahora mismo». Si en tu sitio el botón de reserva y el horario están ocultos dentro de una imagen o un widget emergente que el robot no logra leer, quedas fuera de esta lista.

En contabilidad para empresas en régimen simplificado (USN), una simple lista de precios en texto lo definió todo. Ante la petición de comparar tarifas, la red neuronal recortó el mercado con una frase: «Abajo tienes empresas concretas con precios publicados». Los seis finalistas mostraban sus planes abiertamente en el texto de sus páginas. La vieja costumbre de escribir «precio a consultar» o «pregunta a un asesor» frena en seco el tráfico de agentes: el algoritmo no tiene datos físicos para armar su tabla comparativa.

En remodelación de departamentos con presupuestos millonarios entró en juego la regla del ticket alto. Aquí el costo de un error es demasiado grande, así que la máquina desconfió tanto de los mapas como de las promesas en las webs de cuadrillas y acudió a publicaciones de terceros: «A quién comparar: 5 empresas de rankings». Entre las fuentes aparecieron Dzen, Pikabu, «Sovershenno Sekretno» y un portal bancario. Cuanto más caro es el servicio y mayor el riesgo para el cliente, menos pesa tu propia landing y más fuerza ganan las reseñas y comparativas independientes en sitios externos.

El momento de la llamada: qué hacer antes de diciembre para no perder solicitudes

Incluso una ficha impecable en mapas y un tarifario abierto se echan a perder en un segundo cuando suena el teléfono en recepción. Un recepcionista sin capacitación ve en pantalla el texto poco habitual «Alisa, solicitud de usuario», escucha una voz sintética y cuelga por reflejo creyendo que es otra llamada automatizada de spam. En ese instante, un cliente listo que un minuto antes eligió tu negocio y espera confirmación en el chat pasa al siguiente competidor de la lista.

Vigila también cómo responde exactamente tu personal a esa llamada. Como el cliente lee en vivo la transcripción de la charla, cualquier titubeo, fastidio o un «llame más tarde, estamos en cambio de turno» aparece de inmediato en la pantalla de su teléfono. Tu equipo de recepción necesita un guion breve y claro: saludar con calma, indicar los horarios libres más próximos, dar un rango de precios y explicar qué dato falta para cerrar la cita.

Para alcanzar a ajustar tu embudo antes del despliegue masivo de diciembre, repasa esta lista rápida.

Preparación de un negocio local para las llamadas de Alisa antes de diciembre

  • Búscate en Alisa con una consulta real de cliente del tipo 'Busca un servicio en la ciudad donde pueda agendar esta semana' y 'compara precios' para ver qué plataformas cita.
  • Publica los precios, el horario real y los pasos para reservar en texto plano dentro de tu web, eliminando tarifarios en imagen y frases como 'consultar con un asesor'.
  • Mejora tus fichas en Yandex Maps y 2GIS: revisa la lista de servicios, destaca horarios nocturnos o de 24 horas y organiza una recolección constante de reseñas.
  • Si tu ticket promedio es alto, trabaja tu presencia en comparativas externas, rankings y publicaciones en plataformas de contenido.
  • Avisa al personal de recepción sobre el identificador 'Alisa, solicitud de usuario' y ensaya con ellos una respuesta ágil con horarios, precios y condiciones de reserva.
Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 3