Plantilla de implementación · secundario-restauracion
Atiende reservas telefónicas, confirma con respuesta del comensal y reduce no-shows sin saturar a tu equipo de sala.
Esta plantilla está pensada para un perfil concreto de restaurante, no para cualquier local de hostelería. Si tu negocio no encaja, lo decimos antes y no te hacemos perder un Discovery.
Encaja bien en restaurantes con reserva, entre 40 y 200 cubiertos, con servicio en mesa y concepto no de comida rápida. El patrón habitual es un local que recibe entre el 30% y el 50% de sus reservas por teléfono, sufre cola en la centralita los jueves, viernes y sábados al mediodía, y arrastra una tasa de no-show concentrada en franjas punta. Suele tener Cover Manager, TheFork Manager o un sistema propio con API documentada, una persona en sala que coge el teléfono entre comandas, y un dueño que ya ha intentado resolverlo con un contestador o con WhatsApp manual sin éxito.
El objetivo de la plantilla no es sustituir al equipo de sala. Es liberar la centralita en franja punta y cerrar el círculo de la confirmación con el comensal antes de que la mesa quede vacía. Cubre el canal telefónico durante todo el horario y mete WhatsApp Business para las confirmaciones, recolocaciones y FAQ no operativo.
Tres perfiles que NO encajan, y por qué:
Si tu restaurante encaja en el primer grupo, agendamos una llamada de 30 minutos para revisar volumen real de llamadas, tasa de no-show y sistema de reservas. Si no encaja, lo decimos en esa misma llamada.
<h2 id="arquitectura">Arquitectura de referencia</h2>La arquitectura se apoya en cinco componentes. Cada decisión está justificada por una restricción concreta del entorno restauración, no por moda.
1. Retell AI como orquestador de voz. Retell gestiona el ciclo de la llamada (turn-taking, interrupciones, silencios), expone webhooks de eventos a N8N y permite configurar tools personalizadas para consultar disponibilidad y crear reservas. Es el componente que mantiene la latencia por debajo de 700 ms en condiciones normales, lo que en una reserva telefónica marca la diferencia entre una conversación fluida y un comensal que cuelga porque "parece un robot lento".
2. Deepgram Nova-3 para transcripción en tiempo real. Reconocimiento en español con buen comportamiento en entornos con ruido de fondo (cocina, sala llena, móviles desde la calle). Captura nombres compuestos, alergias declaradas y números de comensales con menos errores que alternativas. La transcripción se usa también para el resumen post-llamada que llega al sistema de reservas.
3. ElevenLabs Multilingual v2. Voz de timbre adulto, cadencia pausada, sin entonación de marketing. Una sola voz, no varias: el comensal espera consistencia entre llamadas. La voz puede personalizarse al estilo del local cuando el dueño quiere, con DPA firmado y huella vocal restringida al workspace del cliente.
4. GPT-4o como LLM conversacional. Maneja la lógica de la reserva: comprueba disponibilidad contra el sistema, propone alternativas si la franja pedida está llena, registra alérgenos declarados y deriva a humano cuando detecta queja, evento privado o cualquier patrón fuera de catálogo. Las llamadas pasan por nuestro wrapper openai_budget_guard.py, con límite de tokens por sesión y corte automático de bucles.
5. Integración Cover Manager / TheFork Manager. Cover Manager es la opción que mejor documenta su API REST y la que recomendamos por defecto para locales de gama media-alta. TheFork Manager funciona también, con matices: cuotas más estrictas en algunos endpoints y dependencia del marketplace TheFork para parte del tráfico. Para sistemas propios el coste de integración se valida en Discovery: si el API no expone disponibilidad y creación de reserva con respuesta inmediata, la plantilla no entra como está.
Componentes auxiliares:
Hand-off a humano. El agente nunca se aferra a una llamada que no le toca. Si detecta queja formal, evento privado, intolerancia grave que requiera consulta con cocina o cualquier patrón que el dueño marque como "transfer always", la llamada salta al teléfono de sala con resumen escrito en pantalla.
<h2 id="vector-de-valor">Vector de valor</h2>Cuatro vectores. Para cada uno enumeramos qué hace, qué supone que hay detrás y qué no promete. Sin testimoniales inventados.
1. Atender reservas telefónicas fuera de horario o en cola. El agente coge la llamada al primer tono, en cualquier franja, y mantiene la conversación hasta cerrar reserva o capturar lead con teléfono y franja deseada. Recoge nombre, comensales, fecha, hora, alérgenos y notas. Supone que el sistema de reservas expone disponibilidad en tiempo real. No promete convertir todas las llamadas perdidas en reservas: convierte las que ya tenían intención clara y se perdían por centralita ocupada o llamada fuera de horario.
2. Confirmaciones automáticas con respuesta del comensal. WhatsApp programado a la mañana del servicio, en idioma del comensal cuando el sistema lo registra, pidiendo confirmación con respuesta de un toque ("confirmo / cancelo / cambio"). Las cancelaciones disparan el flujo de recolocación (vector 3). No garantizamos un porcentaje concreto de reducción de no-show; depende de tu concepto, ticket medio, franja horaria y tipo de comensal (corporate, ocio, OTA gastronómico). En Discovery acordamos un benchmark inicial con tus datos de los últimos tres meses.
3. Recolocación automática de cancelaciones tardías. Cuando un comensal cancela en menos de 12 horas, el agente activa la lista de espera registrada (waitlist Cover Manager / TheFork) y llama o escribe en orden de prioridad ofreciendo la mesa liberada. Si la lista está vacía, libera la franja en el sistema y la pone visible en los canales digitales. No promete rellenar el 100% de las cancelaciones tardías: rellena las que la lista de espera permita y libera el resto sin que la mesa quede en limbo hasta el servicio.
4. FAQ no operativo (horarios, alérgenos, parking, accesibilidad). El agente responde en llamada y por WhatsApp a las preguntas repetidas que hoy distraen al equipo de sala: horarios reales (no los de Google Maps si difieren), carta del día si la suministras al sistema, alérgenos declarados por el local, parking cercano, accesibilidad para silla de ruedas y similares. No promete sustituir consulta especializada con cocina sobre intolerancias graves: ese caso se deriva a humano siempre.
<h2 id="calculadora">Calculadora ROI</h2>Esta plantilla es secundaria del pack restauración y no incluye calculadora ROI integrada en la página. La estimación de retorno se trabaja en el Discovery con tus datos de los últimos tres meses (volumen de llamadas, tasa de no-show, ticket medio, franjas punta) y se entrega como hoja de cálculo aparte. Cuando la pieza principal del pack restauración entre en producción, su calculadora cubrirá también esta plantilla con un escenario combinado.
<h2 id="benchmarks">Benchmarks sectoriales</h2>Los benchmarks que aparecen en esta página están sacados de fuentes públicas con autoría identificable: Hostelería de España (Anuario sectorial), datos sectoriales de Cover Manager y TheFork, y agregados de INE para CNAE 56. Cuando una cifra es estimación nuestra a partir de varias fuentes, lo marcamos con [Estimación] y citamos la base.
No usamos cifras de "estudios internos" sin fuente verificable. Si una cifra no se puede atribuir, no entra. La razón es simple: en restauración hay datos abiertos suficientes para no inventarse nada, y un dueño con experiencia detecta a la primera una estadística sospechosa.
Las cifras de no-show y mix de canales son rangos amplios porque la variabilidad real entre conceptos, ciudades y temporadas es alta. En Discovery cruzamos estos benchmarks con los datos concretos de tu sistema (Cover Manager Stats, TheFork Manager Reports) para tener una baseline propia antes del soft-launch.
<BenchmarkTable /> <h2 id="plan">Plan de implementación</h2>El plan se divide en tres fases con entregables observables. El cliente puede parar el proyecto al final de cualquier fase si no ve valor; en ese caso solo paga lo entregado hasta ese punto.
<ImplementationRoadmap />Los honorarios concretos se cierran tras el Discovery de 30 minutos, una vez verificadas tres variables: sistema de reservas exacto y nivel de acceso API, volumen mensual de llamadas y mensajes, tasa de no-show real de los últimos tres meses. Sin esas tres no se puede dar cifra responsable. La estructura es honorarios de implementación (one-time) más honorarios mensuales fijos por mantenimiento, soporte y consumo de APIs. El consumo (Retell, Deepgram, ElevenLabs, OpenAI, WhatsApp) se factura a coste con margen transparente, no oculto en una tarifa plana inflada.
El audio del demo (~10 segundos) y la voz del agente en producción son sintéticos. Por aplicación del Reglamento de Inteligencia Artificial (UE) 2024/1689, artículo 50.2, todo contenido de audio generado por sistema de IA debe ser identificable como tal, en formato legible por máquina y detectable por personas. La voz del agente se anuncia al inicio de cada llamada con una fórmula breve ("Le atiende el asistente virtual del restaurante, conversación gestionada con IA") y el archivo de audio publicado en esta página incluye marcado SHA-256 más transcripción adjunta. No hay clonado de voz de persona real sin contrato firmado y consentimiento expreso de esa persona.
<AudioPlayerCompliant src="/audio/templates/restauracion-reservas-noshow.mp3" transcriptPath="audio/transcripts/restauracion-reservas-noshow.txt" />
| Métrica | Valor | Año | Fuente |
|---|---|---|---|
| Locales hostelería España (CNAE 56) | ~280.000 locales activos | 2023 | Hostelería de España · Anuario sectorial |
| Facturación restauración España | ~94.000 M€ | 2023 | Hostelería de España · Anuario 2024 |
Las cifras sectoriales no son proyecciones para Vexakon ni promesas para tu organización. Son referencias del sector. Tus números reales dependen de tu volumen, conversión y procesos.
Las duraciones son orientativas: dependen de la calidad de integración con tu software actual y de la disponibilidad de tu equipo para los gates de validación.
Voz sintetizada generada por inteligencia artificial. Vexakon, plantilla demostrativa. Transcripción pendiente · audio no generado todavía.
ElevenLabs/eleven_multilingual_v2. Metadata ID3v2 aplicada post-síntesis con disclosure v1.0. Conforme con EU AI Act art. 50.2 (vigente desde 2026-08-02). Capa de declaración oral embebida en los primeros 1.8 segundos.