Cómo diseñar el guion de un agente de voz: tono, límites y primeras frases

Misma clínica, misma voz sintética, misma integración con la agenda. Un martes por la mañana salen dos llamadas de confirmación de cita. En la de las 9:04, el agente abre con un párrafo de treinta y ocho segundos: quién es, horario del centro, política de cancelación, aviso de grabación. El cliente interrumpe en el segundo doce; el agente termina su párrafo igualmente; el cliente repite la pregunta; a los tres minutos y cuarenta segundos la llamada muere en un "ya llamaré yo". En la de las 9:11, el agente abre en siete segundos, hace una pregunta, confirma la respuesta y cuelga. Setenta y cuatro segundos, cita confirmada.

Lo único distinto entre las dos llamadas es el guion. Y la palabra engaña: el guion de un agente de voz no es el texto que recita, sino el conjunto de decisiones sobre cómo conversa —el tono, la longitud de cada turno, qué hace cuando lo interrumpen, qué frases están fijadas palabra por palabra y qué se deja a criterio del modelo con reglas—. La voz del agente es la voz de la empresa.

Este artículo recorre esas decisiones una a una, del tono a las pruebas. Damos por hecho que ya has decidido dónde termina el agente y empieza tu equipo —ese límite va por delante del guion, y ahí lo argumentamos—; lo que viene ahora es cómo suena ese límite en la práctica.

Un guion no es un monólogo: es una especificación

La intuición heredada de los IVR clásicos es escribir el guion como un árbol: si dice A, responde B. Ya explicamos por qué ese enfoque se rompe: los clientes se salen del camino previsto casi siempre, porque mezclan asunto, urgencia y contexto en la misma frase. Con un modelo de lenguaje detrás, el guion cambia de naturaleza: deja de ser un texto que se recita y pasa a ser una especificación que se cumple.

Esa especificación tiene tres capas. Identidad y tono: quién es el agente, cómo habla, qué vocabulario usa y cuál tiene prohibido. Reglas de conversación: cuánto dura un turno, cómo gestiona interrupciones y silencios, cómo reformula cuando no entiende, cuándo cede el caso. Frases fijas: un puñado de líneas escritas palabra por palabra que el agente pronuncia siempre igual. La pregunta de diseño más útil es qué va en la tercera capa y qué se queda en las dos primeras.

El criterio de la columna izquierda es simple: se fija literalmente lo que tiene riesgo legal o de marca. La apertura, porque es la primera impresión del canal; la privacidad y el opt-out, porque son compromisos, no conversación —el opt-out ya lo tratamos al diseñar las llamadas de recordatorio de citas, y aquí solo importa que sea una cadena fija, no una improvisación—; el traspaso y el cierre, porque son los momentos que el cliente recuerda. Todo lo demás son reglas, no párrafos. El guion no le dice al agente qué decir en cada momento; le dice quién es y qué no puede decir jamás.

El tono es una decisión de negocio, no un ajuste técnico

La primera decisión de la primera capa parece menor y no lo es: ¿el agente tutea o habla de usted? "Le llamo de la clínica por su cita de mañana" y "Te llamo de la clínica por tu cita de mañana" son la misma información y dos empresas distintas. Una clínica dental tutea con naturalidad; una gestoría que lleva herencias probablemente no. No hay respuesta universal —hay coherencia con cómo ya habla tu empresa por teléfono—, pero sí hay un error universal: no decidirlo y dejar que el modelo elija en cada llamada.

La decisión se escribe, no se supone. Y no se queda en el tratamiento: el tono incluye el registro —cercano, neutro, formal— y dos listas cortas de vocabulario. La de palabras propias del negocio que el agente debe usar, y la de palabras prohibidas: jerga interna, códigos de herramienta, anglicismos de backoffice que ningún cliente ha pronunciado nunca. Si tu equipo dice "incidencia" y tus clientes dicen "problema", el agente dice "problema".

La longitud de las frases también es tono. Las frases largas y subordinadas suenan a locución grabada; las cortas, a una persona atendiendo. El tono no es cómo suena el agente: es cómo suena tu empresa cuando tú no estás delante.

Las primeras frases: diez segundos que deciden todo lo demás

Qué debe contener la apertura ya lo escribimos al hablar de cómo presentar al agente y qué exige la norma: qué es, de parte de quién, qué puede resolver y cómo llegar a una persona, las cuatro piezas en la primera frase. Lo que faltaba por decir es la restricción que hace difícil cumplirla: el presupuesto de tiempo.

La apertura completa debe caber en unos ocho segundos —veinticinco o treinta palabras—, con una sola idea y una sola pregunta. El agente de las 9:04 de la introducción no fallaba por ocultar información, sino por darla toda en la puerta: horario, políticas y grabación son cosas que se dicen cuando tocan, no antes de que el cliente haya podido hablar. Una apertura saliente bien presupuestada suena así: "Soy el asistente virtual de Clínica Ribera. Llamo por tu cita de mañana a las 10:30. ¿Te va bien confirmarla ahora?".

El presupuesto cambia según el contexto. La llamada entrante en horario comercial admite una apertura mínima; la saliente necesita justificar en la primera frase por qué suena el teléfono; la nocturna tiene sus propias reglas de expectativa, que ya detallamos en las llamadas fuera de horario. Las tres variantes comparten una propiedad: son frases fijas por excelencia. Se escriben literales, se leen en voz alta y se cronometran.

Una pregunta por turno: ritmo, interrupciones y silencios

El error más común al escribir un guion es escribirlo. Sobre el papel, cuarenta palabras son un párrafo razonable; al teléfono son quince segundos de audio ininterrumpido, y el cliente medio empieza a hablar encima mucho antes. La regla operativa: turnos de una o dos frases, en torno a veinte palabras, y una sola pregunta por turno. Si haces dos, el cliente responde una, la otra se pierde y el agente acaba repreguntando.

Las interrupciones no son un fallo del cliente: son la forma natural de conversar por teléfono. Cuando el cliente habla encima, el agente se calla y escucha; un agente que termina su párrafo mientras le hablan convierte la llamada en dos monólogos simultáneos. De ahí una consecuencia de diseño poco intuitiva: lo importante va al principio de cada frase, porque el final puede no llegar a oírse nunca.

El silencio también se guioniza. Al primer silencio —unos cuatro segundos—, un reenganche suave que devuelva el contexto: "¿Sigues ahí? Te preguntaba por la cita de mañana". Al segundo, una pregunta cerrada que baje el esfuerzo de responder: "¿Te la confirmo entonces?". Al tercero, cerrar con elegancia y dejar la puerta abierta: "Parece que no te escucho bien. Te llamamos en otro momento, sin problema". Un guion que solo contempla respuestas es medio guion.

Reformular sin repetir: el guion de los malentendidos

Habrá turnos que el agente no entienda. La regla de oro es no repetir jamás la misma frase palabra por palabra: la repetición literal es lo que delata a las máquinas y lo que desespera a las personas.

En su lugar, una escalera de tres peldaños. Primero, reformular con otras palabras: "Perdona, no te he entendido bien. ¿Llamas por una cita o por una factura?". Segundo, estrechar a opciones cerradas: "Vamos a hacerlo fácil: ¿es por la cita de mañana, sí o no?". Tercero, dejar de intentarlo: el tercer fallo de comprensión es exactamente uno de esos disparadores del límite que habías decidido antes de escribir el guion, y ahí la conversación cede el paso al traspaso con todo lo capturado hasta el momento.

Un matiz de redacción que cambia el tono de toda la escalera: la culpa es siempre del agente, nunca del cliente. Se dice "no te he entendido", jamás "no me lo has dicho bien" ni "no le escucho". Y el remate conceptual es fácil de recordar: la tercera reformulación no existe; existe el traspaso.

La frase del traspaso y el plan B cuando no hay nadie

El traspaso a una persona tiene su propia frase fija, y merece serlo porque hace tres cosas en un segundo: anuncia el cambio, da expectativa y quita el miedo a repetirlo todo. "Te paso con una compañera del equipo. Ya tiene tus datos, no tendrás que contarlo de nuevo". Qué información viaja con el cliente no es asunto de este artículo: es el paquete de contexto que describimos con detalle en el diseño del traspaso agente-persona. El guion solo pone la voz a ese momento —pero si la voz promete "ya tiene tus datos", el paquete tiene que hacerlo verdad.

Queda el caso incómodo: el cliente quiere una persona y no hay nadie disponible. La regla la heredamos de los flujos entrantes: no prometer lo que no se va a cumplir. Nada de "un momento, por favor" seguido de música infinita, nada de "le llamarán ahora" si nadie va a llamar ahora. La alternativa honesta es concreta y con ventana de tiempo: "Ahora mismo no puedo pasarte con nadie del equipo. Puedo pedir que te llamen mañana antes de las doce, ¿te va bien?". La frase del traspaso es la más importante del guion, porque es la que se pronuncia cuando el guion ya no basta.

Un guion por idioma, no una traducción

Si atiendes en castellano, catalán, inglés o portugués, no tienes un guion: tienes cuatro. La parte que más se resiste a la traducción es justamente la primera capa, el tono. El tuteo castellano y el tu/vostè catalán son decisiones separadas —la misma clínica puede tutear en castellano y preferir el vostè con parte de su clientela en catalán—, y el inglés aplana la distinción por completo: el registro hay que reconstruirlo con otras herramientas.

Las frases fijas se escriben en cada idioma y las revisa alguien nativo del equipo; traducirlas al vuelo es donde aparecen los giros que ningún cliente diría. Y el propio cambio de idioma se guioniza: si el cliente responde en catalán a una apertura en castellano, el agente no lo ignora ni lo convierte en un problema —"Si prefereixes que parlem en català, cap problema"— y sigue la conversación en el idioma del cliente.

Lo que sí se comparte entre idiomas es la especificación: las mismas intenciones, los mismos límites, los mismos peldaños de reformulación, las mismas reglas de silencio. Cambia la superficie; la estructura, no. El guion se localiza; el límite, no.

Las métricas que importan

El guion se ajusta con números, no con impresiones, y tiene los suyos propios. La tasa de no-entendidos: qué porcentaje de turnos acaba en una petición de repetir o reformular. Es el termómetro directo de la calidad del guion; si sube tras un cambio, el cambio se revierte. Las interrupciones por llamada, sobre todo las que llegan en el primer tercio del turno del agente: muchas interrupciones tempranas significan turnos demasiado largos o información en el orden equivocado. La duración media del turno del agente, medida en segundos por intervención y no por llamada: es el detector de monólogos, y se compara contra el presupuesto de unas veinte palabras. Y la tasa de éxito por intención: qué porcentaje de llamadas completa el objetivo de su intención sin traspaso ni abandono, segmentada intención a intención, porque dice qué parte del guion falla y no solo que algo falla.

Las cuatro se miran juntas. Una tasa de éxito alta con turnos largos describe un guion que resuelve pero cansa: funcionará hasta que deje de hacerlo. Muchas interrupciones con pocos no-entendidos significan que el cliente va por delante del guion: sobra texto, no falta comprensión. Y los cuelgues en los primeros segundos no van en esta lista a propósito: son señal de la presentación, territorio del artículo de transparencia, no del cuerpo del guion.

Cómo encaja BeeAgent

En BeeAgent el guion no es una función añadida sobre el agente: es parte de su diseño. El tono y el tratamiento se definen por agente y por idioma; las frases fijas —apertura, privacidad, opt-out, traspaso, cierre— se escriben literales y separadas de las instrucciones; y las reglas de reformulación, silencio y cesión a una persona se configuran como lo que son, reglas, conectadas con los límites de escalado que el guion pone en voz.

Y como es una plataforma sin código, ajustar el guion no es un proyecto: el equipo de operaciones lee las transcripciones de la mañana y cambia una apertura o acorta un turno en minutos, sin ticket a desarrollo; el proceso completo está en la guía para montar tu primer agente sin escribir código. Una advertencia honesta, eso sí: si todavía no está claro qué debe resolver el agente, el guion no lo va a arreglar. Primero el proceso, luego las palabras.

Tu guion en tres semanas

La primera semana es de decisiones y de escritura. Se decide el tono y el tratamiento por idioma, se escriben las frases fijas y la lista de intenciones con sus reglas, y se hace la prueba más barata y más rentable que existe: la lectura en voz alta. Una persona del equipo lee las líneas del agente a otra que hace de cliente, cronómetro en mano; todo lo que suene a locución, se acorta.

La segunda semana es de romper el guion adrede. Quince o veinte llamadas internas de prueba en las que el equipo interrumpe, murmura, cambia de tema a mitad de frase y se queda callado, y una sesión con las transcripciones delante para ajustar turnos, reformulaciones y silencios. Es más barato que el agente se encuentre a tu equipo de mal humor que a tu primer cliente.

La tercera semana es el piloto real, acotado a una intención y una franja horaria, con lectura diaria de transcripciones y las cuatro métricas de la sección anterior como criterio. La disciplina que lo hace funcionar: un solo cambio cada vez, con nombre, fecha y vuelta atrás posible. Un guion no se termina: se versiona.

Conclusión

El guion es la parte del agente que tus clientes escuchan. Todo lo demás —integraciones, enrutado, datos— trabaja en la sombra; el tono, la longitud de los turnos, la reformulación tras un malentendido y la frase del traspaso son la experiencia entera del canal para quien está al otro lado del teléfono. Por eso no son ajustes técnicos que se dejan al modelo: son decisiones de negocio que se escriben, se prueban y se corrigen con transcripciones reales delante.

Si estás dibujando el guion de tu primer agente de voz, en los casos de uso puedes ver cómo suenan agentes reales en atención al cliente, o escríbenos y escribimos contigo las cinco frases fijas de tu primer flujo.