¿Cuándo debe callarse un agente telefónico de IA?
ElevenLabs presentó un motor para gestionar turnos, interrupciones y el paso entre modelos. Un cambio de cita permite poner a prueba toda la conversación.
Un agente telefónico automatizado empieza a confirmar una cita para el jueves por la mañana. La persona que llama interviene. «Perdón, quería decir el jueves de la semana que viene». Aunque hable con fluidez, el agente puede complicar la conversación si sigue leyendo la confirmación anterior o cambia la fecha antes de escuchar el resto. La pregunta es si sabe ceder la palabra y retomar el diálogo con el estado correcto.
El 11 de noviembre de 2026, ElevenLabs presentó un adelanto de Interaction Engine en su cumbre de Nueva York. La empresa afirma que el sistema gestiona los turnos y las interrupciones, y puede elegir distintos modelos de lenguaje para diferentes partes de la conversación. Describió un modelo de menor coste para clasificar la solicitud al inicio y otro más capaz para las tareas complejas. El anuncio de la cumbre presentó una vista previa sin fecha de disponibilidad general. Anuncio de la cumbre de ElevenLabs
Cambiar una reserva es un buen ejemplo para evaluar la idea. La persona que llama necesita que la escuchen, la nueva intención debe reemplazar a la anterior y la confirmación final tiene que coincidir con el sistema de reservas. Escuchar pausas y solapamientos es solo el primer paso.
Una buena pausa deja terminar a quien llama
Hay al menos tres motivos para hablar mientras lo hace el agente. La persona puede corregir un detalle importante, decir «vale» para indicar que sigue la conversación o dirigirse a alguien que está cerca. Un detector de interrupciones necesita distinguir esos casos con suficiente frecuencia para ser útil. Parar con cualquier sonido parece ágil una vez y resulta frágil durante una llamada entera. Seguir hablando mientras alguien corrige un dato puede convertir cinco segundos en una explicación repetida.
Escucha dos versiones del ejemplo. En la primera, la persona dice «de acuerdo» mientras el agente lee la nueva hora. El agente puede continuar. En la segunda dice «espera, quería decir el jueves de la semana que viene, después de comer». La frase anterior debe detenerse y el agente tiene que ceder el turno el tiempo suficiente para escuchar el cambio de semana y la nueva preferencia de horario. La prueba se supera si la siguiente respuesta refleja ambos detalles.
Ceder la palabra da tiempo a que una corrección se convierta en una instrucción completa. Ilustración original de Telli.sh.
El audio telefónico complica ese límite. Alguien puede hacer una pausa antes de dar una fecha, usar una muletilla o repetir una frase mientras falla la conexión. Prueba la interacción en los canales habituales y registra las condiciones de audio. Una demostración limpia establece que el diseño es posible. Un conjunto de llamadas corrientes con ruido puede mostrar si tu versión tolera las interrupciones reales.
Mide del audio al audio. Ante una corrección real, registra el tiempo desde el primer sonido significativo de quien llama hasta el fin de la voz audible del agente. Incluye el audio que el canal ya tenía en el búfer. Mide también desde el final del turno de la persona hasta la primera palabra útil de la respuesta. Un «un momento» rápido puede hacer previsible una consulta larga, pero mídelo por separado si la información útil tarda varios segundos más.
Lo que se dice y lo que consta en la reserva pueden desincronizarse
Supón que el agente solo había encontrado un hueco para este jueves cuando lo interrumpieron. Puede descartar la propuesta, buscar el jueves siguiente y ofrecer una hora disponible. Ahora imagina un sistema que envía la actualización en cuanto alguien dice «el jueves me va bien», antes de repetir la fecha completa. Cuando llega la corrección, el cambio anterior puede haber llegado al servicio de reservas. Silenciar la respuesta no deshace ese cambio.
Incluye ambos casos de forma explícita en la prueba. Una reserva propuesta requiere repetir los datos actualizados. Una reserva con una modificación en curso requiere confirmar el resultado en el sistema. Si la actualización se completó, el agente tiene que describir el estado actual y seguir el procedimiento de corrección aprobado. Si falló o agotó el tiempo de espera, debe comprobar el estado antes de afirmar que tuvo éxito o volver a actualizar. La reparación concreta depende de las reglas del sistema de reservas.
| Intervención de la persona | Comportamiento audible esperado | Resultado esperado de la reserva |
|---|---|---|
| «De acuerdo» durante la confirmación | Continuar salvo que la persona tome la palabra | Ninguna escritura adicional |
| «Espera, el jueves siguiente» antes de aprobar | Parar la confirmación anterior y recoger toda la corrección | No actualizar hasta confirmar la fecha nueva |
| Corrección con una actualización pendiente | Reconocerla y comprobar el resultado | Comunicar el estado verificado antes de otra acción |
| Petición de hablar con una persona | Confirmar y activar el procedimiento de transferencia existente | Pasar el estado actual y la petición pendiente |
Usa un entorno de pruebas con citas sintéticas. Registra la cronología de la llamada y la de la reserva. Las marcas de tiempo necesitan la misma referencia o un desfase conocido. Busca momentos en que el agente dé por hecho un cambio que el sistema no registró, o en que una escritura se completó después de que la persona retirara la instrucción. Son fallos distintos de un saludo lento.
El modelo elegido debe corresponder al trabajo de cada turno
ElevenLabs presenta su adelanto como una forma de elegir qué modelo usar durante una conversación. Una llamada para concertar una cita aclara la idea. Reconocer que alguien quiere cambiar la fecha, buscar el registro con una herramienta autorizada, interpretar una política poco habitual y decidir si hace falta transferir la llamada pueden exigir distintos grados de razonamiento. Buscar una fecha común puede ser fácil. Un cambio que afecta a varios servicios con reglas en conflicto puede requerir más atención o un especialista.
Elige la ruta según las consecuencias del trabajo y conserva el estado de la conversación en cada traspaso. Ilustración original de Telli.sh.
Importa más qué información cruza entre las etapas que los nombres de los modelos. Cuando una petición habitual se complica, conserva los datos verificados, como el identificador de reserva, el estado actual y las dudas pendientes. En una transferencia, resume qué quiere la persona y qué pasos ya se han completado. Así evitas que tenga que repetir los datos y das al siguiente interlocutor margen para verificarlos.
Mide cuántas veces el enrutador manda un caso por el camino equivocado. Si alguien dice «mueve las dos citas», puede que haga falta otro proceso que para cambiar una sola fecha. Comprueba si el agente detecta las dos reservas antes de pedir aprobación. Si un caso complejo comienza en la clasificación inicial y pasa pronto a la ruta adecuada con contexto suficiente, la recuperación puede ser aceptable. Si deja las citas anteriores y las nuevas en un estado incoherente, el ahorro inicial tiene un coste posterior real.
La vista previa plantea el menor uso de tokens como posible ventaja de usar un modelo más barato para clasificar. El coste real del centro de contacto también depende de las llamadas repetidas, las escaladas y las sesiones abandonadas. Compara el coste por tarea correctamente resuelta e incluye cualquier seguimiento humano que genere el sistema. Una llamada que termina en 40 segundos pero obliga a llamar de nuevo al día siguiente desplaza el coste a otro sitio.
Diseña una prueba pequeña que puedas repetir
Empieza por un caso con resultado conocido, como mover una cita sintética de un jueves al de la semana siguiente. Escribe la respuesta hablada y el estado esperados en el sistema. Añade versiones con una interrupción antes de confirmar, una corrección a mitad de frase y una señal breve de que la persona sigue escuchando. Incluye un silencio intencionado. Quien para para mirar el calendario debería poder retomar la conversación sin recibir una respuesta que no viene al caso.
- Marca cuándo empieza y acaba cada corrección y cuándo deja de oírse de verdad al agente.
- Comprueba si la respuesta conserva todos los detalles corregidos y anota si la persona tuvo que repetir alguno.
- Contrasta lo que se dijo con el estado del sistema. Busca escrituras duplicadas, fechas equivocadas y afirmaciones de finalización sin respaldo.
- Ejecuta el mismo guion con poco y con más ruido, distintas voces y varias condiciones de conexión.
- Compara la finalización, el tiempo hasta el resultado verificado y los errores de enrutamiento entre implementaciones.
Haz la evaluación lo bastante amplia para detectar fallos relevantes y lo bastante pequeña para escuchar llamadas completas. Si dos sistemas se diferencian por una fracción de segundo en un turno limpio, examina los casos con consecuencias antes de elegir. Una confirmación fiable y una transferencia clara pueden pesar más que una pequeña ganancia de tiempo. Si la diferencia hace que alguien tenga que interrumpir dos veces con más frecuencia, la misma cifra sí se vuelve importante.
Mide los turnos más lentos además de la media
Imagina diez llamadas sintéticas. En nueve, el agente detecta pronto la corrección. En la décima, la persona habla por encima de una frase larga y repite el cambio antes de que el sistema ceda. El retraso medio puede parecer razonable y, aun así, la última llamada es la que más probablemente haga perder confianza. Conserva los ejemplos y muestra el extremo lento de la distribución cuando haya suficientes llamadas. En un piloto pequeño, indica el intervalo real y escucha los casos más lentos.
Una pausa puede dar una falsa impresión de mejora si el agente se detiene con sonidos ajenos al turno. Reproduce la misma conversación de fondo durante una confirmación breve y durante una explicación larga. Mide las paradas falsas y comprueba si el agente retoma en un punto comprensible. Después haz una llamada equivalente con una corrección real en ese momento. El par distingue un detector ágil de uno demasiado sensible. Incluye maneras habituales de discrepar entre tus usuarios, porque un «espera» ensayado solo es una posibilidad.
Decide qué le cuesta a la persona cada resultado. Detenerse por un «ajá» casual puede añadir una pausa breve. Pasar por alto una corrección puede dejar dudas sobre la fecha que se reservó. Un error de enrutamiento puede llevar a un bucle de repeticiones. Una tabla con frecuencia y esfuerzo de recuperación ayuda a priorizar. Comprueba también si el siguiente agente o la persona que recibe la llamada puede explicar la reserva actual sin pedir que se empiece de nuevo.
El tiempo de la voz también cambia según el canal. Una llamada desde el navegador en una habitación silenciosa y una llamada móvil comprimida aportan evidencias distintas. Anota dónde se grabó, si se usó altavoz y si las marcas se refieren al audio que oye la persona o a un evento interno. Usa el mismo método para comparar el sistema anterior con el nuevo. La comparación debe explicar cuándo notará alguien la diferencia.
Antes de un despliegue amplio, pide a un grupo pequeño que puntúe llamadas sin saber qué sistema gestionó cada una. Dales el resultado previsto de la reserva y pregúntales si se entendió la petición, si la corrección tuvo que repetirse y si la confirmación final fue exacta. Une esas comprobaciones a la auditoría de reservas. Así puede aparecer una distancia entre una voz natural y una tarea bien resuelta.
ElevenLabs ya ofrece ElevenAgents para configurar y operar agentes de voz y chat. El artículo de la cumbre presenta Interaction Engine como una vista previa independiente y describe otras funciones anunciadas con calendarios propios. Puedes hacer la prueba con tu sistema de voz actual y repetirla cuando tengas acceso a la vista previa. Así la comparación empieza con los mismos guiones y resultados esperados. Anuncio de la cumbre y la plataforma de ElevenLabs
Una corrección es mejor demostración que un guion impecable
Si un cliente puede cambiar de idea a mitad de una frase, escuchar la confirmación corregida y encontrar después la cita correcta, el sistema completo ha gestionado una conversación ordinaria. Es un objetivo más sólido que un ejemplo con voz natural en el que la persona sigue un guion perfecto.
Fuentes
- Anuncio de ElevenLabs Summit NYC y vista previa de Interaction Engine, 11 de noviembre de 2026
- Programa y demostraciones de ElevenLabs Summit
Para organizar notas de llamadas y sesiones de revisión en un registro consultable, crea una cuenta en Telli.sh.