En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarElevenLabs Blog→ original

Los agentes de IA por voz resuelven solicitudes complejas con un 32% más de éxito que los chats

Para una pregunta breve resulta más cómodo escribir en un chat, pero la voz empieza a imponerse en conversaciones complicadas o estresantes. Según ElevenLabs, los agentes de voz resolvieron las solicitudes de más de dos minutos con un 32% más de éxito y tardaron una media de 4,6 minutos, frente a 7 minutos. La conclusión para producto es sencilla: el canal debe elegirse según la complejidad de la tarea, no según la moda.

Procesado por IA desde ElevenLabs Blog; editado por Hamidun News
Los agentes de IA por voz resuelven solicitudes complejas con un 32% más de éxito que los chats
Fuente: ElevenLabs Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalElevenLabs Blog ↗
Editor jefe
Dato clave #1En conversaciones de menos de un minuto, el chat superó a la voz en unos 9 puntos porcentuales.
Dato clave #2Una reducción de la latencia del 16% coincidió con un aumento del 26% en las conversaciones exitosas.
Dato clave #3Un agente de voz solo es útil si puede ejecutar por sí mismo la acción necesaria en el sistema.

A un cliente le han cancelado el vuelo. Necesita encontrar un nuevo itinerario, comprobar la conexión, confirmar el suplemento y recibir el billete. En un chat, una conversación así se convierte rápidamente en un largo intercambio: la persona responde por fragmentos, vuelve a mensajes anteriores y se irrita más con cada aclaración. La voz permite explicarlo todo de una vez, pero solo si el agente de IA responde sin pausas exasperantes y realmente sabe completar la operación.

ElevenLabs comparó llamadas de voz y chats de varios cientos de agentes de IA operativos. La muestra incluyó agentes que, entre mayo y julio de 2026, mantuvieron al menos 50 conversaciones en cada canal. Para cada empresa, el resultado se evaluó según sus propios criterios, y se compararon entre sí las versiones de voz y texto de un mismo agente.

Después de dos minutos, cambia el equilibrio

En conversaciones de menos de un minuto, el chat obtuvo un resultado unos 9 puntos porcentuales mejor. Entre uno y dos minutos casi no hubo una diferencia apreciable. Después de dos minutos, la voz tomó la delantera: la proporción de solicitudes resueltas con éxito fue 10,9 puntos porcentuales mayor, o un 31,7% superior en términos relativos frente al chat. Casi dos tercios de los agentes mostraron un resultado notablemente mejor en el canal de voz.

Las conversaciones telefónicas largas que terminaron con éxito duraron una media de 4,6 minutos, mientras que el intercambio por chat duró 7 minutos. Entre los 90 agentes con suficientes solicitudes exitosas de ambos tipos, el 78% completó más rápido las conversaciones por voz.

En el ejemplo del vuelo cancelado, la diferencia resulta tangible. En lugar de una cadena de diez mensajes, el cliente dice: “Necesito un vuelo para hoy, sin una conexión nocturna, y el suplemento no puede superar los diez mil.” El agente aclara un único parámetro ambiguo, comprueba las opciones disponibles y tramita el cambio. Aquí la voz no hace que el modelo sea más inteligente. Acorta el trayecto entre la intención de la persona y la acción del sistema.

La latencia puede anular toda la ventaja

En un grupo independiente de 315 conversaciones, los agentes pasaron a utilizar un modelo de lenguaje más rápido. La latencia media de extremo a extremo se redujo un 16% y la proporción de llamadas exitosas aumentó un 26%. Las conversaciones que se cortaron durante los primeros 15 segundos bajaron del 21,1% al 3,8%.

Se trata de una correlación, no de una prueba de causalidad directa: junto con el cambio de modelo también pudieron variar otros parámetros. Aun así, la señal para producto está clara. Los primeros segundos son especialmente importantes: si después de que habla el cliente se hace el silencio, puede pensar que se ha perdido la conexión y colgar.

En un pequeño estudio de usuarios, 98 participantes resolvieron un problema simulado de cancelación de vuelo mediante voz y chat en un orden aleatorio. El 85% prefirió la voz, y los motivos mencionados con mayor frecuencia fueron la rapidez y la sensación de empatía. Sin embargo, un escenario de laboratorio y una muestra de 98 personas no permiten extrapolar el resultado a todos los sectores y públicos.

Qué implementar en la práctica

No conviene sustituir toda la interfaz por voz. Para solicitudes breves —consultar un estado, obtener un enlace o cambiar un solo parámetro— el chat sigue siendo más cómodo. Tiene sentido activar la voz para tareas con varias condiciones, un alto coste del error y tensión emocional.

El equipo debe medir la acción completada, no la duración de la llamada por sí sola: si se tramitó el reembolso, se modificó la reserva o se cerró la reclamación. También es útil controlar por separado el tiempo hasta la primera respuesta, la latencia de cada contestación, la proporción de abandonos durante los primeros 15 segundos y la frecuencia con la que la conversación se transfiere a una persona.

El estudio fue publicado por un proveedor de plataformas de voz que, al mismo tiempo, promociona ElevenAgents, por lo que las cifras requieren una verificación independiente. La duración también es solo una medida aproximada de la complejidad: en un chat, el usuario puede simplemente distraerse. Aun así, la conclusión práctica es sólida: para solicitudes complejas, un agente de voz puede ofrecer una ventaja notable si responde rápido, conserva el contexto y tiene acceso a operaciones reales de la empresa. Una voz atractiva sin esas tres capacidades no basta.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Después de dos minutos, cambia el equilibrio?

En conversaciones de menos de un minuto, el chat obtuvo un resultado unos 9 puntos porcentuales mejor. Entre uno y dos minutos casi no hubo una diferencia apreciable. Después de dos minutos, la voz tomó la delantera: la proporción de solicitudes resueltas con éxito fue 10,9 puntos porcentuales mayor, o un 31,7% superior en términos relativos frente al chat. Casi dos tercios de los agentes mostraron un resultado notablemente mejor en el canal de voz.

¿Qué se sabe sobre La latencia puede anular toda la ventaja?

En un grupo independiente de 315 conversaciones, los agentes pasaron a utilizar un modelo de lenguaje más rápido. La latencia media de extremo a extremo se redujo un 16% y la proporción de llamadas exitosas aumentó un 26%. Las conversaciones que se cortaron durante los primeros 15 segundos bajaron del 21,1% al 3,8%. Se trata de una correlación, no de una prueba de causalidad directa: junto con el cambio de modelo también pudieron variar otros parámetros. Aun así, la señal para producto está clara.

¿Qué se sabe sobre Qué implementar en la práctica?

No conviene sustituir toda la interfaz por voz. Para solicitudes breves —consultar un estado, obtener un enlace o cambiar un solo parámetro— el chat sigue siendo más cómodo. Tiene sentido activar la voz para tareas con varias condiciones, un alto coste del error y tensión emocional. El equipo debe medir la acción completada, no la duración de la llamada por sí sola: si se tramitó el reembolso, se modificó la reserva o se cerró la reclamación.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…