Diseño de IA conversacional: cómo crear experiencias de usuario más humanas

El diseño de IA conversacional antes consistía en crear un árbol de decisiones. Los primeros chatbots y menús de respuesta de voz interactiva funcionaban con ramas rígidas y guionizadas: pulsa 1 para facturación, di «sí» o «no» y espera que la pregunta del cliente coincida con alguna de las rutas previstas. Ese modelo solo funcionaba mientras la conversación se mantuviera dentro de lo que ya habías creado.

Los agentes de IA eliminaron esa limitación. Ahora pueden razonar sobre una conversación en tiempo real, consultar una base de conocimiento, llamar a herramientas y recordar lo que ya se ha dicho, por lo que ya no están limitados a un guion fijo.

Sin embargo, este cambio no eliminó la necesidad de diseñar la IA conversacional. Al contrario, elevó el nivel de exigencia. Sin un guion rígido al que recurrir, la personalidad, el workflow y los puntos de decisión de un agente deben estar lo bastante bien definidos como para funcionar en una conversación abierta y en tiempo real, en lugar de una predeterminada.

Esta guía explica qué significa realmente el diseño de IA conversacional para el chat y los agentes de voz, por qué es importante para las métricas con las que ya se evalúa tu trabajo y qué debes optimizar para que resulte más natural. Si lo haces bien, podrás implementar agentes de IA que conecten con clientes y ofrezcan un servicio mejor y más rápido.

Resumen

• El diseño de IA conversacional se refiere a cómo se estructura y optimiza la comunicación de un agente de IA para que una conversación resulte natural.
• La IA de voz es menos tolerante que el texto, ya que los problemas de voz, latencia y sincronización que pasan desapercibidos en una interfaz de chat pueden hacer que una conversación de voz parezca robótica.
• ElevenAgents está diseñado para crear agentes de IA de voz y chat con un comportamiento humano, gracias a funciones que te permiten controlar la voz, la personalidad y el flujo de conversación, y optimizar la latencia en todos los canales.

¿Qué es el diseño de IA conversacional?

El diseño de IA conversacional es la práctica de UX de configurar cómo se comporta un agente de IA. Incluye desde su personalidad hasta las barreras de seguridad, los workflows y las bases de conocimiento que utiliza, todo ello trabajando en conjunto para que la conversación resulte tan cuidada como cualquier otra parte de la experiencia del producto.

Sin embargo, esa configuración no es igual en todas partes. Los agentes pueden operar en varios canales, como chat, voz o SMS, desde una sola configuración. Cada uno tiene sus propias limitaciones, pero en la voz son más estrictas. Cuando la voz es uno de los canales de un agente, debe elegir y emitir una voz, gestionar el ritmo y los turnos en tiempo real, y responder antes de que una pausa dé la impresión de que la llamada se ha cortado. Nada de esto es opcional como puede serlo en el chat, donde una respuesta algo lenta o imperfecta rara vez interrumpe la interacción.

Esto es lo que debes tener en cuenta al implementar el diseño de IA conversacional para un agente de chat y lo que añade la voz.

Los clientes no evalúan conscientemente cada uno de estos factores. Simplemente perciben cuando algo no encaja, y esa sensación basta para debilitar la confianza en el agente en conjunto, poniendo en riesgo los objetivos para los que lo implementaste.

Por qué el diseño de IA conversacional es importante para una buena experiencia de usuario

Todos los factores mencionados, desde la gestión de turnos hasta la latencia y la personalidad, afectan a cómo percibe un cliente tu marca en un momento clave que puede convertirlo en defensor o detractor. Esa percepción se refleja directamente en las métricas con las que se evalúa a los equipos.

• Mayor satisfacción y tasa de resolución: Los clientes valoran mejor una interacción cuando el agente responde con rapidez y no interrumpe de forma incómoda.
• Menor abandono: Los clientes abandonan una conversación por algo más que largas esperas. Una respuesta que no cumple sus expectativas, ya sea una pausa incómoda en una llamada o una respuesta rígida y ajena a la marca en el chat, puede provocar el mismo impulso de terminar la conversación.
• Resolución más rápida: Una configuración clara del flujo de conversación y workflows bien definidos implican menos callejones sin salida, preguntas repetidas y momentos de «voy a transferirte».
• Menos escalados a agentes humanos: Cuando un agente gestiona el flujo de conversación de forma natural y sigue un workflow definido, resuelve más casos en el primer intento, en lugar de confundir al cliente hasta que pide hablar con una persona.

Por ejemplo, piensa en eDreams ODIGEO, una de las mayores plataformas de viajes online del mundo. Implementaron agentes de IA con ElevenAgents en cinco idiomas principales y lograron una mejora de dos dígitos en la velocidad de resolución y una reducción de dos dígitos en las tasas de transferencia de llamadas, impulsadas en parte por la síntesis de voz de baja latencia y un reconocimiento de intención más preciso al inicio de cada llamada. Resultados como estos dependen de muchas variables, más allá del diseño de la conversación, pero muestran lo que un buen diseño de IA conversacional puede hacer posible.

Cómo funciona el diseño de IA conversacional en ElevenAgents

En ElevenAgents puedes optimizar aspectos como la personalidad, la voz, la gestión de turnos, las transferencias y la latencia: los mismos factores que determinan si un agente parece humano. Así puedes configurar y optimizar cada uno para que tu agente esté a la altura en una conversación real.

Selección de personalidad y voz

La personalidad define la primera impresión del cliente, y cualquier desajuste debilita la confianza antes de que empiece la conversación. Una personalidad demasiado rígida para una marca de retail cercana hace que clientes duden del agente antes de que haya dicho algo útil. Empieza a definirla en el prompt del sistema, donde defines el rol, la personalidad y las barreras de seguridad del agente antes que nada.

En los agentes de voz, esa personalidad también debe reflejarse en la voz. Una voz demasiado informal para una llamada financiera transmite la misma sensación que una personalidad desajustada en texto, por lo que la selección de voz forma parte del mismo trabajo. Aquí tienes por dónde empezar:

• Selección de voz: Adapta la voz a tu marca, tu audiencia y el tema. El acento, el género y el tono ayudan a generar confianza con cada persona que llama y definen el tono de la conversación.
• Compatibilidad multilingüe: Selecciona una voz para cada idioma que admitas, en lugar de usar una sola voz para todos los mercados. Una sola voz forzada en varios idiomas tiende a sonar extranjera en al menos uno de ellos, lo que debilita la confianza que buscas generar.

ElevenAgents te da acceso a más de 11.000 voces en la Biblioteca de voces, donde puedes buscar por acento, carácter y caso de uso, por lo que rara vez empiezas desde cero. Si ninguna encaja, tienes dos opciones más: clonar una voz existente a partir de una breve muestra de audio o diseñar una desde cero con un prompt de texto que describa la edad, el acento, el tono y el ritmo que quieres.

Configuración del flujo de conversación

La voz es el canal en el que la conversación sigue un ritmo más estricto. A diferencia del chat, donde una pausa es solo un espacio en blanco, una ruptura del ritmo en una llamada se percibe enseguida como silencio incómodo o una conexión caída. Lograr el ritmo adecuado es el factor más importante para que un agente de voz parezca un participante natural en la conversación, y empieza por el propio modelo de gestión de turnos.

El modelo de gestión de turnos de ElevenLabs es un sistema basado en investigación diseñado para detectar cuándo una persona realmente ha terminado de hablar, en lugar de limitarse a hacer una pausa. Esto le permite determinar cuándo debe responder un agente en vez de basarse en una espera fija.

Además, aquí tienes algunos ajustes que puedes modificar para configurar correctamente el flujo de conversación:

• Tiempo de espera de turno: El tiempo que el agente espera en silencio antes de responder, para no intervenir mientras el cliente aún está pensando ni dejarle esperando después de que haya terminado. 
• Tiempo de espera suave: Una breve frase de relleno que el agente utiliza para cubrir una pausa de procesamiento, como «Un momento» o «Déjame comprobarlo», para que clientes no crean que la llamada se ha cortado. Evita frases de relleno que prometan un plazo concreto, como «un segundo», ya que los tiempos de respuesta reales varían.
• Interrupciones: Determina si el agente deja de hablar cuando el cliente empieza a hablar por encima de él. Actívalo para una conversación natural. Desactívalo cuando sea importante transmitir el mensaje completo, como en avisos legales, instrucciones de seguridad o cualquier contenido que deba escucharse íntegramente.
• Rapidez de turno: La rapidez con la que el agente interviene una vez que el cliente deja de hablar. «Rápido» es adecuado para atención al cliente, donde las respuestas ágiles son prioritarias. «Paciente» funciona mejor al recopilar información del cliente, como un número de teléfono o una dirección de correo electrónico, para que el agente no interrumpa a mitad de un dígito. «Normal» es una buena opción predeterminada para conversaciones generales.

Los pequeños ajustes aquí tienen un gran impacto. Incluso un cambio leve en el tiempo de espera puede marcar la diferencia entre un agente que parece atento y otro que da la impresión de interrumpir a la gente. 

Workflow, diseño de transferencias y guionización

Workflows es donde gran parte del diseño de IA conversacional se lleva a la práctica en ElevenAgents. Definen qué sucede y cuándo: los puntos de decisión, las rutas de escalado, las transferencias; todo lo que, de otro modo, se dejaría a la improvisación del agente. 

Los workflows funcionan junto con otros dos sistemas para perfeccionar tu agente. El prompt del sistema define el comportamiento principal del agente: su función, tono y lo que dirá o no dirá, en momentos clave como los saludos o las transferencias. Los procedimientos son una opción más prescriptiva para una tarea concreta y bien definida, como verificar la identidad de un cliente o gestionar una devolución. En lugar de ramificarse según lo que diga el cliente, siguen una secuencia fija de principio a fin, paso a paso, independientemente de cómo avance la conversación.

La forma más sencilla de empezar a crear tu agente es usar plantillas de agentes prediseñadas, que incluyen una base tanto para los workflows como para los prompts del sistema, para que ajustes los detalles en lugar de crear desde cero. Estos son algunos de los cambios con los que puedes empezar para adaptarlas a tus necesidades:

• Mapa de decisiones: Define exactamente qué hace el agente en cada punto de decisión, de modo que toda la conversación quede definida desde el inicio hasta la resolución. Nodos de subagentes te permiten ajustar el prompt del sistema, el modelo o incluso la voz en puntos específicos del flujo, para que un paso de verificación sensible opere con barreras de seguridad más estrictas que una conversación informal al inicio de la llamada.
• Desencadenantes de escalado: Define desencadenantes claros para transferir a una persona, incorporados al workflow en lugar de dejar que el agente decida en el momento. Por ejemplo, escala el caso cuando un problema no se resuelva tras dos intentos, cuando el cliente pida un supervisor o cuando la transacción sea lo bastante sensible o valiosa como para requerir una persona.
• Contexto de transferencia: En el prompt del sistema, define qué debe recopilar el agente antes de transferir, como un ID de pedido o número de cuenta, y las condiciones que activan una transferencia. Después, asigna esos datos guardados a la configuración de la herramienta de transferencia, para que se transmitan automáticamente y el cliente no tenga que repetirse ante un representante humano.
• Frases guionizadas: Define el texto exacto para los momentos críticos en el prompt del sistema. Los saludos iniciales, los mensajes de error, los avisos legales y las transferencias por escalado nunca deben dejarse a la improvisación del agente. Una frase exacta como «Ahora mismo tengo problemas para acceder a esa información» es más fiable que dejar que el agente adivine cómo expresarlo cuando algo falla.

El workflow se crea como un gráfico visual en ElevenAgents, con cada punto de decisión y desencadenante de escalado representado como un nodo que puedes ver y editar directamente.

Una vez activo, las analíticas superponen datos de conversaciones reales sobre ese mismo gráfico para que veas exactamente dónde se bloquean o abandonan clientes y lo soluciones sin tener que adivinar.

Latencia y rendimiento

La latencia es uno de los principales factores que determinan si una interacción parece humana o no. Una respuesta lenta es una de las formas más rápidas de recordar a un cliente que está hablando con una máquina, incluso si todo lo demás en la conversación va bien.

Cada parte del proceso añade su propia latencia, tanto si el agente opera por chat como por voz. Algunas se aplican en ambos casos. Otras solo se aplican cuando interviene la voz.

• LLM: Cada elección de modelo implica un equilibrio entre coste, calidad de razonamiento y velocidad, y el balance adecuado depende de la conversación. Las interacciones sencillas y frecuentes, como las preguntas frecuentes o las confirmaciones de citas, pueden ejecutarse con un modelo más rápido y ligero sin perjudicar la experiencia. Para tareas más complejas, como el asesoramiento financiero o la resolución de problemas en varios pasos, suele merecer la pena utilizar un modelo de razonamiento más potente, aunque responda algo más despacio. 
• Base de conocimiento y RAG: Cada consulta a una base de conocimiento añade un viaje de ida y vuelta antes de que el agente pueda responder, por lo que una base de conocimiento ligera y centrada responde más rápido que una que el agente debe buscar de forma amplia.
• Integraciones y llamadas a herramientas: Cada llamada a una herramienta externa, como consultar un pedido en Salesforce o comprobar la disponibilidad en un calendario, añade su propio viaje de ida y vuelta. Escribe descripciones claras de las herramientas para que el agente no dude cuál debe llamar, y utiliza solo las que la conversación realmente necesita.
• Geografía y alojamiento de datos: Haz coincidir tu región de ElevenAgents con la región donde se alojan tus datos y, en implementaciones telefónicas, también con la región de tu proveedor de telefonía, ya sea Twilio, SIP u otro. Si la región de tu agente y la región de tu pasarela de llamadas están en extremos opuestos del mundo, esa distancia añade latencia antes incluso de que empiece la conversación.
• Voz a Texto (solo voz): Scribe transcribe lo que dice el cliente antes de que el agente pueda razonar sobre ello. Utiliza la versión en tiempo real (Scribe v2 Realtime) para conversaciones en directo en lugar de la versión por lotes, que está diseñada para priorizar la precisión sobre la velocidad.
• Gestión de turnos (solo voz): Determina cuándo decide responder el agente, como se ha explicado en detalle antes. Conviene recordarlo como un factor de latencia por sí mismo, ya que un modelo que tarda en detectar el final de un turno añade demora antes de que empiece el resto del proceso.
• Texto a Voz y selección de voz (solo voz): Las voces predeterminadas y sintéticas, junto con los clones de voz instantáneos, responden más rápido que los clones de voz profesionales. Utiliza clones de voz profesionales solo cuando la fidelidad adicional compense el coste en latencia.

Para analizar más de cerca la latencia, consulta las prácticas recomendadas para optimizar la latencia y cómo se mide y comunica la latencia en todo el proceso.

Diseña tu primer agente con ElevenAgents

Los elementos tratados aquí son lo que el diseño de IA conversacional significa en la práctica para un agente de IA. Todo está integrado de forma nativa en ElevenAgents y se puede configurar desde una consola sin código, para que puedas crear un agente que mantenga una conversación real en lugar de limitarse a responder preguntas correctamente.

Para los equipos que quieran ayuda práctica para conseguirlo, los Forward Deployed Engineers de ElevenLabs trabajan directamente con tu equipo para definir el alcance, crear y lanzar un agente listo para producción, y siguen colaborando para perfeccionar su rendimiento una vez está activo.

Tanto si lo creas por tu cuenta como si cuentas con apoyo, la forma más rápida de ver la diferencia es probarlo. Empieza hoy creando un agente o hablando con nuestro equipo de ventas.

Preguntas frecuentes sobre diseño de IA conversacional