La voz no es un chat con micrófono: qué cambia cuando el agente de IA habla

Un agente de voz tiene que responder dentro del ritmo del habla: se espera una respuesta en unos 200 milisegundos, no se puede mostrar una lista ni releer, y se lo puede interrumpir en cualquier momento. Todo lo pensado para texto necesita tres cambios: turnos más cortos, confirmación hablada de lo que importa y un plan para el silencio.

Los equipos que ya operan un agente de chat suelen suponer que la voz es el mismo agente con una capa de habla encima. El conocimiento se reutiliza. La redacción no.

¿Qué tan rápido se responden las personas entre sí?

Más rápido de lo que permitiría un indicador de "escribiendo". Un estudio sobre la alternancia de turnos en distintos idiomas encontró el mismo patrón en todos:

todos los idiomas muestran una distribución similar de los tiempos de respuesta (pico unimodal de respuesta dentro de los 200 ms posteriores al final de la pregunta).

El estudio trata sobre personas, no sobre máquinas, y es la razón por la que una pausa de un segundo en una llamada se siente larga. En un chat nadie nota dos segundos de "escribiendo". En una llamada, dos segundos es el momento en que quien llama dice "¿hola?" para chequear que la línea siga viva.

¿Qué hace un agente de IA con un hueco que no puede cerrar?

Elige cómo suena ese hueco. Hay tres opciones honestas y una deshonesta.

• Un reconocimiento breve. "Dejame revisarlo" le dice a quien llama que la línea está viva y que algo está pasando.
• Empezar a hablar antes de tener toda la respuesta. El agente arranca con la primera frase antes de tener el resto, siempre que esas primeras palabras no dependan de lo que sigue.
• Una pausa deliberada, usada pocas veces, antes de algo que quien llama debería escuchar con atención.

La opción deshonesta es el silencio sin ninguna señal. Quien llama no puede saber si el agente está trabajando, trabado o desconectado, y algunos cortan o le hablan encima.

¿Por qué un agente de voz no puede leer una lista?

Porque quien llama no la ve, no puede volver atrás ni copiar un código. Una respuesta de chat puede ofrecer cinco opciones. Una respuesta hablada puede ofrecer dos o tres, en el orden en que quien llama más probablemente las quiera, y después frenar y preguntar.

Los números son el caso más delicado. Un mensaje de chat con un código de reserva se puede leer dos veces. Uno hablado hay que partirlo en tramos, repetirlo y confirmarlo. Tratá todo lo que quien llama va a anotar, como un monto, una fecha, un código o una dirección, como algo que el agente dice despacio y confirma en voz alta.

¿Qué pasa cuando quien llama interrumpe?

Va a pasar en la mayoría de las llamadas, y un buen agente deja de hablar. Las personas interrumpen para corregir, para responder antes de tiempo o para decir que ya escucharon suficiente. Un agente que termina su frase pisando a quien llama le enseña que no lo está escuchando.

La consecuencia de diseño es que los turnos tienen que ser lo bastante cortos como para cortarlos en cualquier punto sin perder el hilo. Un agente que deja el dato importante para la última cláusula de una frase larga diseñó para alguien que nunca interrumpe.

¿Y el ruido, los acentos y una línea mala?

Tratá toda entrada como incierta. En el chat el texto es exacto. En una llamada el agente recibe una transcripción que puede estar mal, y un nombre o un número equivocado sale caro. La regla que se desprende es simple: cuanto más cuesta un error, más confirma el agente. Un saludo no necesita confirmación. Un monto de pago sí.

El número de teléfono es una pista sobre quién llama, no una prueba. Todo lo que mueva plata o cambie una cuenta debería pedir algo que solo quien llama sabe, igual que en cualquier otro canal.

¿El agente tiene que decir que es una IA?

En algunos países sí, y una llamada es donde más cuesta disimularlo. En Estados Unidos la FCC resolvió en 2024 que las voces generadas por IA son una voz artificial bajo la TCPA, lo que trae consigo reglas de consentimiento y de baja. En la UE, el artículo 50 de la Ley de IA exige, desde el 2 de agosto de 2026, avisar a las personas que están interactuando con una IA, salvo que sea evidente. Resumimos las reglas por país en otro artículo, y la pregunta de cuándo decirlo es una decisión de diseño que tratamos en una herramienta.

¿Qué pasa cuando una persona tiene que tomar la conversación?

El traspaso a una persona en una llamada es una transferencia, y quien llama espera mientras ocurre. La persona que atiende ya debería tener el motivo de la llamada y lo que hizo el agente, para que lo primero que diga no sea "¿en qué puedo ayudarte?". Qué tiene que viajar con la llamada lo vemos en el artículo sobre traspasos.

¿Dónde está StudioChat en voz?

Nuestra lista publicada de canales incluye un agente de llamadas telefónicas con transcripción en vivo y ejecución de herramientas, junto con el chat web, WhatsApp Business y el correo. El mismo conocimiento y las mismas acciones atienden todos los canales, y el trabajo específico de la voz está en el diseño de turnos descrito arriba. Para entender qué significa orquestar entre canales, mirá nuestro artículo sobre plataformas.