Synthesia pasa del vídeo corporativo al roleplay con avatares

Synthesia presentó el 22 de julio AI Roleplay Sessions, un formato en el que el empleado deja de mirar un vídeo corporativo y se pone a hablar con el avatar. La sesión es interactiva, el avatar responde durante la conversación y al terminar devuelve feedback, una puntuación y analítica agregada para que la empresa pueda comprobar si la formación sirve de algo. Lo contó TechCrunch el mismo día del anuncio.

El movimiento tiene menos que ver con los avatares que con la última palabra de esa frase: medir. Synthesia se hizo grande vendiendo producción de vídeo corporativo sin cámara, sin estudio y sin actores, un negocio con un techo bastante evidente. El departamento de formación entrega el vídeo, registra que el empleado le ha dado al play y ahí termina la evidencia. Un roleplay puntuado convierte esa entrega de contenido en un dato.

Del catálogo de vídeos a la sesión con puntuación

La diferencia operativa es mayor de lo que parece. Un curso en vídeo es un activo que se produce una vez y se distribuye a toda la plantilla. Una sesión de roleplay es una interacción distinta cada vez, con una salida que hay que evaluar en caliente. De ahí las tres piezas que describe el anuncio: feedback sobre lo que ha dicho el empleado, una puntuación de la conversación y analítica que agrega esos resultados a nivel de equipo y de organización.

La parte de analítica es la que interesa a quien firma el presupuesto. Las habilidades conversacionales (negociar, gestionar un conflicto, atender a un cliente enfadado) se han evaluado siempre con encuestas de satisfacción y tests de opción múltiple, que miden recuerdo y no comportamiento. Una sesión grabada y puntuada no resuelve ese problema del todo, pero al menos observa a la persona haciendo la tarea en lugar de preguntarle si le ha gustado el curso.

Por qué ahora

El roleplay con actores profesionales funciona bien y cuesta caro. Es la razón por la que se reserva a comités de dirección y a programas de ventas de ticket alto, y por la que el resto de la plantilla se queda con el vídeo y el cuestionario final. Un avatar que aguanta cien conversaciones simultáneas con coste marginal cercano a cero ataca justo ese hueco.

Hay además una lectura de mercado. Las plataformas de vídeo generativo llevan un par de años compitiendo por sincronía labial, catálogo de idiomas y realismo del avatar, una carrera en la que la diferenciación se agota rápido porque todos acaban llegando al mismo sitio. Meterse en el flujo de trabajo del cliente, en este caso el ciclo completo de formación y su medición, es la salida habitual de esa trampa.

Para quién es útil

Tres perfiles encajan bien:

Equipos de formación con plantillas grandes y rotación alta, donde el coste por empleado formado manda sobre cualquier otra consideración.
Ventas y atención al cliente, los dos departamentos donde la conversación es literalmente el trabajo.
* Onboarding y compliance, donde hace falta demostrar ante un auditor que la formación existió y quién la completó.

Encaja peor cuando la conversación depende de contexto que el avatar no tiene: el historial con ese cliente concreto, la política interna no escrita, los matices culturales de un mercado local. Y hay un punto que conviene resolver antes de desplegar nada: una puntuación generada por un modelo sobre cómo habla un empleado es, a efectos prácticos, un dato de rendimiento. En España y en la UE eso entra de lleno en RGPD, en información al comité de empresa y en el debate sobre decisiones automatizadas. No es letra pequeña.

Nos parece un movimiento sensato y poco espectacular, que en formación corporativa suele ser buena señal. La pregunta que haríamos antes de firmar un contrato no es si el avatar resulta convincente, sino qué mide de verdad esa puntuación y quién va a leerla.