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 IVR se basaban en ramificaciones rígidas y predefinidas: pulsa 1 para facturación, di «sí» o «no» y espera que la pregunta del cliente encaje en una de las rutas que habías previsto. 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, usar 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 chat y agentes de voz, por qué importa para las métricas con las que ya se evalúa a tu equipo 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 hacer posibles agentes de voz y chat con IA de aspecto humano mediante funciones que te permiten controlar la voz, la personalidad y el flujo de conversación, además de 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 medidas de seguridad, workflows y bases de conocimiento que utiliza, todo trabajando en conjunto para que la conversación resulte tan cuidada como cualquier otra parte de la experiencia de producto.

Sin embargo, esa configuración no es igual en todas partes. Los agentes pueden funcionar en varios canales, como chat, voz o SMS, desde una única configuración. Cada uno tiene sus propias limitaciones, pero en voz son más estrictas. Cuando la voz es uno de los canales de un agente, este debe elegir y emitir una voz, gestionar el ritmo y los turnos de palabra en tiempo real, y responder antes de que una pausa parezca una llamada interrumpida. Nada de esto es opcional como puede serlo en el chat, donde una respuesta algo lenta o imperfecta rara vez rompe 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 aporta la voz además de eso.

Clientes no evalúan conscientemente cada uno de estos factores. Simplemente notan cuando algo no encaja, y esa sensación basta para debilitar la confianza en el agente en su conjunto y poner en riesgo los objetivos para los que lo implementaste desde el principio.

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

Todos los factores tratados anteriormente, desde los turnos de palabra hasta la latencia y la personalidad, afectan a cómo un cliente percibe 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.

• Mayores índices de satisfacción y resolución: Clientes valoran mejor una interacción cuando el agente responde rápido y no interrumpe de forma incómoda.
• Menos abandonos: Clientes abandonan una conversación por más motivos que las esperas largas. Una entonación que no cumple las 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 trazados implican menos callejones sin salida, preguntas repetidas y momentos de «voy a transferirte».
• Menos derivaciones 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 vez de confundir al cliente hasta que pida 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 intenciones 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, los turnos de palabra, las transferencias y la latencia: los mismos factores que determinan si un agente parece humano. Aquí tienes cómo configurar y optimizar cada uno para que tu agente cumpla su parte en una conversación real.

Selección de personalidad y voz

La personalidad define la primera impresión del cliente, y una falta de coherencia debilita la confianza antes incluso 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 nada útil. Empieza a definirla en el system prompt, donde defines el rol, la personalidad y las medidas 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 señal que una personalidad incoherente en texto, así que elegir la voz pasa a formar parte de la misma tarea. Empieza por aquí:

• Selección de voz: Adapta la voz a tu marca, audiencia y temática. El acento, el género y el tono ayudan a generar confianza en cada persona que llama y marcan el tono de la conversación.
• Compatibilidad multilingüe: Elige una voz para cada idioma que admitas, en lugar de usar por defecto una sola voz para todos los mercados. Una única voz forzada a través de distintos idiomas suele sonar extranjera en al menos uno de ellos, lo que debilita la confianza que intentas generar.

ElevenAgents te da acceso a más de 11.000 voces en la Biblioteca de voces, donde puedes buscar por acento, personaje y caso de uso, así que rara vez empiezas desde cero. Si ninguna encaja, tienes dos opciones más: clonar una voz existente a partir de una muestra de audio corta 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 el ritmo más estricto. A diferencia del chat, donde una pausa es solo espacio en blanco, una interrupción del ritmo en una llamada se percibe al instante como silencio incómodo o una conexión caída. Conseguir ese ritmo 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 turnos de palabra.

El modelo de turnos de palabra de ElevenLabs es un sistema respaldado por investigación y diseñado para detectar cuándo una persona ha terminado realmente 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, estas son algunas de las opciones que puedes ajustar para que el flujo de conversación funcione correctamente:

• Tiempo de espera del turno: El tiempo que el agente espera en silencio antes de responder, para no intervenir mientras el cliente sigue pensando ni dejarlo esperando cuando ya ha 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 se ha cortado la llamada. 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 lograr intercambios naturales. Desactívalo cuando sea importante transmitir el mensaje completo, por ejemplo, en avisos legales, instrucciones de seguridad o cualquier contenido que deba escucharse íntegramente.
• Rapidez al tomar el turno: La rapidez con la que el agente interviene para responder cuando el cliente deja de hablar. «Impaciente» es adecuado para atención al cliente, donde lo más importante es responder rápido. «Paciente» funciona mejor al recopilar información del cliente, como un número de teléfono o una dirección de correo electrónico, para que el agente no lo 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 leve cambio en el tiempo de espera puede marcar la diferencia entre un agente atento y otro que parece interrumpir a la gente. 

Diseño de workflows, transferencias y guiones

Workflows es donde buena parte del diseño de IA conversacional se lleva a la práctica en ElevenAgents. Definen qué ocurre y cuándo: los puntos de decisión, las vías de escalado, las transferencias y todo lo que, de otro modo, el agente tendría que improvisar. 

Los workflows trabajan junto con otros dos sistemas para perfeccionar tu agente. El system prompt define el comportamiento básico del agente: su rol, 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 única tarea 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 evolucione la conversación.

La forma más sencilla de empezar a crear tu agente es usar plantillas de agentes prediseñadas, que incluyen un punto de partida tanto para workflows como para system prompts, para que puedas ajustarlos en vez de crearlos desde cero. Estos son algunos 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, para que toda la conversación esté definida desde la apertura hasta la resolución. Nodos de subagentes te permiten ajustar el system prompt, el modelo o incluso la voz en puntos concretos del flujo, de modo que una fase de verificación sensible pueda operar con medidas de seguridad más estrictas que una charla informal al inicio de la llamada.
• Desencadenantes de escalado: Define desencadenantes claros para transferir la conversación a una persona, integrados en el workflow en vez de dejar que el agente decida en ese momento. Por ejemplo, escala el caso si un problema sigue sin resolverse después de dos intentos, si el cliente pide hablar con un supervisor o si la transacción es lo bastante sensible o valiosa como para requerir a una persona.
• Contexto de la transferencia: En el system prompt, define qué debe recopilar el agente antes de transferir, como un ID de pedido o un número de cuenta, y las condiciones que desencadenan una transferencia. Después, asigna esos datos guardados a la configuración de la herramienta de transferencia, para que se transfieran automáticamente y el cliente no tenga que repetirse ante un representante humano.
• Redacción mediante guion: Define el texto exacto para momentos críticos en el system prompt. Los saludos iniciales, los mensajes de error, los avisos legales y las transferencias de 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 propio workflow se crea como un gráfico visual en ElevenAgents, donde cada punto de decisión y desencadenante de escalado se representa como un nodo que puedes ver y editar directamente.

Una vez activo, los análisis 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 factores más importantes para que una interacción parezca humana o no. Una respuesta lenta es una de las formas más rápidas de recordarle a un cliente que está hablando con una máquina, aunque todo lo demás en la conversación vaya bien.

Cada parte del proceso añade su propia latencia, tanto si el agente funciona 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 equilibrio adecuado depende de la conversación. Las interacciones sencillas y frecuentes, como las preguntas frecuentes o las confirmaciones de citas, pueden ejecutarse en 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, normalmente merece la pena pagar por un modelo con mayor capacidad de razonamiento, aunque responda algo más despacio. 
• Base de conocimiento y RAG: Cada consulta a la base de conocimiento añade un ciclo de ida y vuelta antes de que el agente pueda responder, por lo que una base de conocimiento ágil y centrada responde más rápido que una en la que el agente debe buscar de forma extensa.
• Integraciones y llamadas a herramientas: Cada llamada a una herramienta externa, como buscar un pedido en Salesforce o comprobar la disponibilidad en un calendario, añade su propio ciclo de ida y vuelta. Escribe descripciones claras para las herramientas, de modo que el agente no dude sobre cuál debe usar, y llama solo a las herramientas que realmente necesite la conversación.
• Ubicación geográfica y alojamiento de datos: Haz coincidir la región de ElevenAgents con la ubicación 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 de tu pasarela de llamadas están en lados 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, diseñada para priorizar la precisión frente a la velocidad.
• Turnos de palabra (solo voz): Determina cuándo decide responder el agente, como se ha explicado en detalle anteriormente. Conviene recordarlo como un factor de latencia por derecho propio, ya que un modelo que tarda en detectar el final de un turno añade retraso antes de que empiece siquiera 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 la latencia.

Para conocer la latencia más a fondo, 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 factores que hemos tratado aquí son lo que significa el diseño de IA conversacional 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 capaz de mantener una conversación real en lugar de limitarse a responder preguntas correctamente.

Para 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 después continúan afinando su rendimiento una vez esté activo.

Tanto si lo creas tú 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 el diseño de IA conversacional