Por qué la voz funciona mejor en conversaciones complejas y estresantes

Cuando un problema es complejo o estresante, nuestras investigaciones indican que la gente prefiere hablarlo en lugar de escribirlo. Para comprobarlo, comparamos llamadas de voz —por teléfono y WhatsApp— con sesiones de chat en cientos de agentes en producción que usan ambos canales, y realizamos un estudio con usuarios para contar con otro punto de comparación.

Descubrimos que la voz era la mejor opción para problemas complejos. En conversaciones de más de dos minutos, la voz tuvo un 32 % más de éxito que el chat basado en texto. Y cuando esas conversaciones más largas se resolvían, la voz lo hacía aproximadamente un tercio más rápido.

La gente también prefería la voz cuando la situación se volvía estresante. En un escenario simulado con un vuelo cancelado, el 85 % de participantes la eligió.

Eso no convierte el chat en algo obsoleto. En conversaciones cortas, el chat tiene una ligera ventaja. Pero cuanto más se alarga una conversación, más ayuda la voz.

La voz destaca en incidencias de soporte complejas

Usamos la duración de la conversación como indicador de complejidad y observamos un patrón. En conversaciones de menos de un minuto, el chat funcionaba mejor por unos 9 puntos porcentuales. Entre uno y dos minutos, ambos canales estaban bastante igualados. A partir de los dos minutos, la voz tomaba la delantera: las tasas de éxito eran 10,9 puntos más altas —un aumento del 31,7 %— y casi dos tercios de agentes obtenían resultados significativamente mejores con voz.

La voz también resuelve antes las conversaciones más largas. Entre las conversaciones exitosas de más de dos minutos, la voz tuvo una media de 4,6 minutos frente a los 7 minutos del chat, y el 78 % de los 90 agentes con suficientes conversaciones largas exitosas en ambos canales las resolvieron antes por voz.

La duración es una medida imperfecta de la complejidad, especialmente en el chat, donde clientes pueden hacer pausas entre mensajes. Pero el patrón es claro: cuanto más se alarga la conversación, más ayuda la voz.

Parte de la razón puede ser que la voz permite a clientes avanzar más. La gente habla unas tres veces más rápido de lo que escribe, y una conversación hablada mantiene a ambas partes implicadas en vez de esperar entre mensajes. Cuando una conversación se vuelve compleja, la voz es el camino más rápido para resolverla.

La fórmula ganadora de la voz: velocidad y empatía

No todas las conversaciones de voz tienen éxito, y uno de los principales motivos es la latencia. En 315 conversaciones de agentes que cambiaron a un LLM más rápido para reducir la latencia, una reducción del 16 % en la latencia media de extremo a extremo se correlacionó con un aumento del 26 % en la tasa de éxito. Al mismo tiempo, la proporción de llamadas que terminaban en menos de 15 segundos bajó del 21,1 % al 3,8 %.

Esto indica que la latencia importa más al principio de una llamada, cuando la gente decide si seguir al teléfono. Si un agente tarda en responder, es probable que quien llama piense que la línea se ha cortado o que el sistema no funciona y cuelgue. Las respuestas más rápidas hacen que sigan al teléfono el tiempo suficiente para recibir ayuda.

La velocidad es solo una parte. Cuando una conversación es estresante, también importa cómo suena un agente. En un estudio con usuarios que realizamos, 98 participantes se enfrentaron a un escenario simulado de vuelo cancelado, similar al de este vídeo, y volvieron a reservar su vuelo tanto con un agente de voz como con un agente de chat en un orden aleatorio. En una encuesta tras completar sus escenarios, el 85 % indicó que prefería la voz y citó la rapidez de resolución y la empatía entre sus principales motivos.

Por qué es importante acertar con la voz

La fidelidad de clientes se gana o se pierde cuando más está en juego: el vuelo cancelado, el cargo impugnado, el problema que ya ha ocupado demasiado tiempo de un cliente. Da igual el canal: no resolver el problema te cuesta la siguiente conversación.

Para las conversaciones más difíciles, la voz te ofrece la mejor oportunidad de resolverlas, si está bien diseñada. Todo empieza con un agente capaz de completar la tarea. Las conversaciones largas requieren un agente que mantenga el contexto y se conecte a tus sistemas para poder cambiar la reserva del vuelo o emitir el reembolso por sí mismo, en lugar de derivar al cliente. Una baja latencia es igual de importante, porque mantiene la conversación natural y a quien llama al teléfono. Además, la propia voz debe sonar calmada y empática, sobre todo cuando el cliente no lo está.

Eso es lo que estamos creando con ElevenAgents. Es un único agente, con el mismo conocimiento e integraciones tanto para voz como para chat, para que clientes puedan resolver su problema en el canal que prefieran. Pero cuanto más se alarga una conversación, más ayuda la voz y más rápido se llega a una solución. Las empresas que resuelven las conversaciones más difíciles son aquellas a las que clientes vuelven.

Nuestra metodología

Analizamos agentes que gestionaron al menos 50 conversaciones de voz y 50 de chat entre mayo y julio de 2026. Cada uno se evaluó según los criterios de éxito que la empresa definió para su propio caso de uso.

Para que la comparación fuera justa, comparamos el rendimiento de cada agente en voz y chat consigo mismo, en lugar de combinar todas las conversaciones. Las empresas difieren en casos de uso, volumen y en cómo definen el éxito. Si combináramos todas las conversaciones, una empresa que utiliza principalmente la voz y que casualmente tiene altas tasas de éxito haría que la voz pareciera mejor, incluso si no supusiera ninguna diferencia para esa empresa. Comparar cada agente consigo mismo elimina ese problema.