Menús por voz o por teclado: qué entrada de IVR funciona mejor
Compara los menús telefónicos por voz y por teclas en precisión, accesibilidad, ruido, coste de cambio y experiencia, y descubre cuándo combinar ambos.
Durante décadas, los menús telefónicos consistían en pulsar teclas. El reconocimiento de voz prometía algo más amable: basta con decir lo que necesitas. En la práctica, ninguna de las dos entradas es mejor sin más. Cada una se adapta a ciertas personas, situaciones y estructuras de menú. Esta guía las compara, explica dónde falla cada una y muestra cómo combinarlas. Para una visión más amplia de los sistemas de voz, consulta IVR frente a agente de voz con IA.

Cómo funciona cada enfoque
Un menú por teclado (a menudo llamado DTMF, por los tonos que emiten los teléfonos) indica qué tecla pulsar. El sistema oye un tono y aplica una regla. Un menú por voz pide que se diga algo. El sistema convierte el audio en texto y decide qué significa, ya sea comparándolo con una lista de palabras previstas o interpretando lenguaje libre.
Teclado y voz de un vistazo
| Teclado (DTMF) | Voz | |
|---|---|---|
| Esfuerzo para quien llama | Pulsar una tecla; hay que recordar el número | Decir lo que quiere; no hay números que recordar |
| Opciones | Unas pocas por menú | Muchas opciones posibles sin leer una lista |
| Ruido | Funciona bien en lugares ruidosos | Tiene dificultades con el ruido de fondo y las líneas de mala calidad |
| Acentos y nombres | No le afectan | Puede reconocer mal acentos, nombres y números |
| Uso con manos libres | Necesita una mano libre y no estar mirando la pantalla del móvil | Funciona al conducir o con las manos ocupadas |
| Previsibilidad | Muy alta | Varía según quien habla y la línea |
| Cambiar el menú | Volver a grabar y reasignar teclas | Actualizar frases o entrenamiento; puede requerir nuevas pruebas |
Dónde ganan los menús por teclado
- Menús cortos y estables. Tres o cuatro opciones que rara vez cambian son más rápidas de pulsar que de decir.
- Lugares ruidosos. A quien llama desde una tienda, un vehículo o una obra a menudo no se le entiende, pero sus pulsaciones son claras.
- Información privada. Introducir un número de referencia con el teclado suele ser más cómodo que decirlo en voz alta en público.
- Acentos e idiomas variados. A las teclas les da igual cómo suene cada persona.
- Calidad de audio limitada. Una mala cobertura móvil degrada el reconocimiento de voz mucho más que los tonos.
Dónde ganan los menús por voz
- Muchos destinos. Si quien llama tuviera que recorrer tres niveles de menú, una sola pregunta como «¿En qué podemos ayudarte?» puede llevarle al equipo adecuado.
- Personas que no pueden usar las teclas. Alguien que conduce o que tiene una destreza manual limitada puede decir lo que necesita.
- Vocabulario que ya conoce quien llama. A la gente le resulta natural decir «facturación» o «una persona» sin aprenderse tu mapa de teclas.
- Menús profundos sustituidos por una pregunta. Un buen diseño por voz puede eliminar ramas enteras.
La voz también revela lo que la gente dice realmente, lo que te da vocabulario para mejorar el menú y las páginas de ayuda. Reconocimiento de voz en llamadas telefónicas explica por qué el audio telefónico es una prueba más difícil de lo que la mayoría espera.
Cómo puede fallar cada uno
Lo que sale mal
- Entender malLos sistemas de voz eligen la opción equivocada, sobre todo con acentos, nombres y números.
- Hablar a destiempoLa gente habla demasiado pronto, demasiado tarde o con frases completas que el sistema no esperaba.
- Confusión de teclasSe pulsa la tecla equivocada o se olvidan las opciones antes de que termine la lista.
- Opciones ocultasQuien llama no sabe qué puede decir o pulsar.
- Bucles frustrantesUn «No le he entendido» repetido sin escapatoria agota la paciencia.
Elijas lo que elijas, la salida importa más que la entrada. Limita los reintentos a dos y luego cambia al otro modo o a una persona.
Usa ambos, con las teclas como red de seguridad
La mayoría de los menús que funcionan bien aceptan las dos entradas. La locución explica qué hacer con palabras sencillas: «Puedes decirlo o pulsar. Para pedidos, di pedidos o pulsa 1». Esa redacción enseña las teclas y deja que quien se sienta seguro hable. Si la voz falla dos veces, el sistema debe pasar a las teclas sin complicaciones.
Un flujo combinado
- LocuciónOfrece una lista corta con palabras y teclas a la vez.
- EscuchaAcepta voz o una pulsación en cualquier momento, también durante la locución.
- Confirma si hay dudasSi el sistema no está seguro, repite lo que ha entendido y pide un sí o un no.
- AlternativaTras dos fallos, ofrece solo teclas y después una persona.
- AprendeRevisa las frases mal reconocidas y añádelas al vocabulario o reformula la locución.
Accesibilidad y privacidad
Algunas personas no pueden hablar con claridad y otras no pueden pulsar teclas. Ofrecer ambas opciones es la opción predeterminada más inclusiva. Las grabaciones de voz también pueden considerarse datos personales, así que informa cuando el audio se procesa y se conserva, y guarda solo lo necesario. Menús telefónicos accesibles para todas las personas y Datos personales en las llamadas tratan estos puntos.
Cómo elegir para tu empresa
Decidas lo que decidas, deja por escrito la decisión y sus motivos. La tecnología y los clientes cambian, y saber por qué elegiste teclas, voz o ambas ayuda a la siguiente persona a valorar si la respuesta sigue siendo válida.
Preguntas para tomar la decisión
- ¿Cuántos destinos necesita el primer menú?
- ¿Desde dónde suelen llamar tus clientes: casas tranquilas o lugares concurridos?
- ¿Hacen falta nombres, números de referencia o direcciones en el menú?
- ¿Quién mantendrá el vocabulario de voz o las locuciones?
- ¿Puedes probar con personas de tu público real, no con compañeros?
- ¿Hay una vía fiable para llegar a una persona cuando falla cualquiera de las dos entradas?
Redactar locuciones para cualquier entrada
Las locuciones deciden si la gente lo consigue por voz o con las teclas. Empieza con una pregunta corta, ofrece algunos ejemplos de lo que se puede decir y coloca las teclas después de las palabras. Por ejemplo: «¿Con qué departamento quieres hablar? Puedes decir ventas, soporte o facturación, o pulsar 1, 2 o 3». Quien se siente cómodo con la voz responde enseguida, y el resto simplemente pulsa.
Evita las preguntas abiertas cuando solo hay unas pocas respuestas posibles, porque la gente contestará de formas que el sistema no sabe interpretar. Evita las explicaciones largas antes de la pregunta. Y mantén el mismo estilo de redacción en todos los menús para que el patrón se aprenda una sola vez.
Probar bien la voz y las teclas
Los menús que solo prueban sus autores suelen funcionar de maravilla. La gente real usa el móvil en el coche, habla deprisa y dice cosas que nadie había previsto. Forma un grupo de prueba que refleje a tu público y dale tareas, no guiones: «Averigua si tu pedido ya se ha enviado». Observa dónde duda.
- Prueba desde móviles y desde fijos, con el altavoz y con ruido de fondo.
- Incluye hablantes con distintos acentos y velocidades de habla, y personas mayores o menos familiarizadas con la tecnología.
- Prueba nombres, números y deletreos, que son lo más difícil para los sistemas de voz.
- Registra lo que la gente dijo y el sistema no esperaba. Esa lista será tu próxima mejora.
- Repite la prueba tras cualquier cambio en las locuciones o el vocabulario.
Probar un IVR antes de la puesta en marcha ofrece una lista de comprobación más completa, que incluye los recorridos de error y el comportamiento fuera de horario.
Teclas y voz en Call
En Call, la forma principal de ofrecer opciones es el menú telefónico, formado por opciones que llevan a colas, con el horario de atención y los festivos decidiendo adónde van las llamadas. Los agentes de IA de voz también pueden contestar una línea, hablar con quien llama y pasarle con una persona cuando lo pide; están diseñados para entender el habla natural, aunque la precisión varía con la calidad del audio, así que prueba tus propias líneas. Trata las teclas como la vía fiable y la voz como una comodidad. Consulta Configurar el IVR y el horario de atención en Call para el menú, y Probar agentes de IA de voz para saber cómo comprobar una línea gestionada por voz.
Preguntas frecuentes
¿El reconocimiento de voz es más preciso que las teclas?
No. Las teclas son casi siempre exactas; la voz es cómoda, pero puede entender mal. Lo mejor es dejar que se use cualquiera de las dos y volver a las teclas como alternativa.
¿La gente prefiere hablar a pulsar teclas?
Depende de la persona y de la situación. A muchas les gusta hablar cuando hay muchas opciones; otras prefieren las teclas en entornos ruidosos o poco privados. Ofrecer ambas zanja la discusión.
¿Un menú por voz es más caro?
Normalmente exige más esfuerzo crearlo, ajustarlo y probarlo, aunque los costes varían según la tecnología. Compara el esfuerzo de mantener cada uno, no solo el de adquirirlo.
¿Los menús por voz entienden acentos y nombres?
Pueden tener dificultades. Prueba con hablantes de tu clientela real y ofrece una forma de pasar a las teclas.
¿Debo pasar a voz un menú antiguo por teclado?
Solo si ves un problema real, como demasiados niveles o una baja tasa de finalización. Un menú corto por teclado que funciona es difícil de superar.
¿Cómo mido cuál funciona mejor?
Compara las tasas de finalización, la proporción de personas que llegan al lugar correcto, los reintentos y cuántas piden hablar con una persona. Si puedes, mantén ambas versiones durante un tiempo.