Cómo evaluar las conversaciones de un agente de voz: métricas
Una forma práctica de valorar un agente de voz telefónico: qué métricas seguir, cómo muestrear y puntuar llamadas, y cómo convertir los hallazgos en mejoras.
Cuando un agente de voz ya atiende llamadas reales, la pregunta deja de ser «¿funciona?» y pasa a ser «¿funciona bien?». Muchos equipos responden con una impresión vaga basada en unas pocas llamadas. Un poco de estructura da una información mucho mejor y te dice qué corregir a continuación.

Esta guía propone un enfoque de evaluación sencillo para un agente de voz telefónico: qué métricas seguir, cómo revisar llamadas a mano y cómo convertir los hallazgos en mejoras. Se basa en Cómo probar un agente de IA de voz antes de lanzarlo y en las métricas generales de Los KPI del centro de contacto explicados.
Empieza por definir qué es bueno para ti
Una buena llamada para un restaurante no es lo mismo que una buena llamada para una clínica. Antes de elegir métricas, escribe en una o dos frases cómo es una llamada con éxito para cada tipo de llamada que esperas: se responde a la pregunta, se toma un mensaje con los datos correctos o la persona llega a quien debe. Todo lo demás se deriva de esas definiciones.
Cinco preguntas que plantea toda evaluación
- ¿Se entendió a quien llamaba?¿Oyó el agente correctamente la pregunta y los datos?
- ¿Fue correcta la respuesta?¿Fue precisa, dentro de la información aprobada y sin inventar nada?
- ¿Llegó la llamada a un final útil?¿Se completó la tarea, se tomó un mensaje o se hizo un traspaso?
- ¿Fue aceptable la experiencia?Ritmo, tono, repeticiones y esfuerzo para quien llamaba.
- ¿Fue segura?¿Respetó el agente sus límites y pasó la llamada cuando debía?
Métricas que merece la pena seguir
| Métrica | Qué te dice | Cómo obtenerla |
|---|---|---|
| Tareas completadas | Proporción de llamadas en las que se cumplió el objetivo de quien llamaba | Revisión humana de una muestra, más los resultados de las llamadas |
| Precisión de las respuestas | Si lo dicho coincidía con la información aprobada | Revisión humana frente a tus fuentes |
| Tasa de traspaso | Con qué frecuencia la gente pide o necesita una persona | Resultados de las llamadas y solicitudes en el centro de ayuda |
| Tasa de repetición | Con qué frecuencia el agente pidió a la persona que repitiera algo | Revisión de transcripciones |
| Hueco de respuesta | Tiempo entre el final del turno de quien llama y la respuesta del agente | Tiempos por turno en el historial de llamadas |
| Tasa de abandono | Personas que cuelgan antes de un resultado | Registro de llamadas |
| Opinión de quien llama | Cómo se sintió la gente con la llamada | Encuestas breves o comentarios de seguimiento |
Fíjate en que la mayoría de las métricas útiles requieren cierto criterio humano. Los recuentos de un registro te dicen cuántas, pero solo una persona que lee la conversación puede decir si una llamada fue bien. Cuenta con combinar ambas cosas. Para las métricas aplicables a cualquier tipo de llamada, consulta Resolución en la primera llamada y Tasa de respuesta y tasa de abandono.
Revisar llamadas a mano
Una muestra pequeña y periódica vale más que una gran revisión ocasional. Elige llamadas al azar, más algunas que parezcan inusuales, como las muy cortas o muy largas, las que terminaron en un traspaso y las que terminaron con la persona colgando.
Una rutina de revisión de llamadas
- MuestreaElige un número fijo de llamadas cada semana, mezclando aleatorias e inusuales.
- Escucha y leeReproduce la grabación y lee la transcripción a la vez.
- PuntúaValora cada llamada según tus criterios con una escala sencilla.
- Anota las causasEscribe por qué falló lo que falló.
- Corrige y vuelve a probarCambia la fuente, el prompt o el ajuste y vuelve a probar el mismo caso.
Mantén una puntuación sencilla
Bastan tres niveles: bueno, aceptable y malo, o correcto, en parte e incorrecto para cada afirmación. Las escalas muy detalladas generan discusiones sin aportar nada. De vez en cuando, haz que dos personas puntúen unas cuantas llamadas iguales; si discrepan a menudo, tus criterios necesitan una redacción más precisa.
Recuerda que las transcripciones pueden fallar
La transcripción es la suposición del reconocedor, no la verdad. Si una transcripción parece rara, escucha el audio antes de culpar al agente. Consulta Por qué el audio telefónico es difícil para el reconocimiento de voz.
Medir la velocidad y el ritmo
Quienes llaman notan el retraso más que casi cualquier otro factor. Mide el hueco antes de cada respuesta y mira los peores casos, no solo la media, porque unas pocas pausas muy largas estropean la impresión. Si los huecos son largos, desglosa en qué se va el tiempo; Latencia en la IA de voz muestra cómo. Presta atención también a las interrupciones: ¿cuántas veces habló el agente por encima de quien llamaba y cuántas le dejó esperando?
Revisión manual o puntuación automática
Elegir un método
| Revisión manual | Puntuación automática | |
|---|---|---|
| Punto fuerte | Entiende matices, tono y contexto | Cubre todas las llamadas rápidamente |
| Punto débil | Lenta; solo una muestra | Puede pasar por alto problemas sutiles o equivocarse |
| Mejor uso | Precisión, seguridad y experiencia de quien llama | Señalar las llamadas que merecen una revisión humana |
La puntuación automática, incluidos los modelos que califican a otros modelos, es útil para clasificar: puede ordenar las llamadas por señales de problemas para que las personas miren primero las adecuadas. No debe sustituir al muestreo humano, sobre todo en precisión y seguridad. Uses el control automático que uses, pruébalo comparando sus veredictos con los tuyos en un conjunto de llamadas que ya hayas revisado.
Interpretar las cifras con sensatez
Las muestras pequeñas engañan. Si revisas diez llamadas y dos fueron mal, no puedes decir que una de cada cinco llamadas va mal; solo puedes decir que has encontrado dos problemas que merece la pena corregir. Usa las muestras para encontrar causas, no para anunciar tasas, salvo que la muestra sea lo bastante grande y aleatoria para respaldarlo.
Separa al agente de la situación. Una caída de las tareas completadas en una semana con una incidencia del servicio no es un veredicto sobre el prompt. Anota los acontecimientos junto a tus métricas: un nuevo horario, una campaña que trajo llamadas con una pregunta nueva, un cambio en las fuentes. Un registro sencillo de cambios hace que las tendencias se puedan explicar.
Por último, decide de antemano qué harás con cada resultado. Un aumento de las repeticiones podría llevarte a revisar los ajustes de silencio; un aumento de los traspasos en un tema podría llevarte a añadir una respuesta exacta para él. Una métrica sin una acción asociada es solo decoración.
Comparte los resultados con quienes atienden los teléfonos, además de con los responsables. El personal suele saber por qué existe un patrón, y es quien recogerá las llamadas que el agente traspase. Una breve revisión mensual con ejemplos, incluidas algunas llamadas que fueron bien, mantiene el trabajo anclado en conversaciones reales.
Evaluar en Call
En Call, el historial de llamadas de IA muestra las llamadas de un periodo, con el resultado y, cuando se conoce, el sentimiento, y abre la conversación completa turno a turno. Los responsables pueden abrir una llamada para ver cuánto duró cada turno hablado. El área Revisión automática agrupa las llamadas recientes por tema, ordena las llamadas recientes sin revisión humana según sus señales y ofrece una muestra de resúmenes de IA para que los marques como correctos, en parte o incorrectos, lo que alimenta una vista continua de la precisión de los resúmenes. IA conversacional también te permite buscar una frase en todas las transcripciones guardadas. Juntas, estas herramientas te dan los recuentos y el muestreo que necesitas. Usa el historial de ediciones para ver las correcciones hechas a las palabras del agente.
Checklist semanal de evaluación
- Leer una muestra fija de llamadas, aleatorias e inusuales
- Puntuar las tareas completadas y la precisión
- Contar los traspasos y anotar por qué se produjeron
- Revisar los huecos de respuesta más largos
- Buscar en las transcripciones frases que indiquen confusión
- Registrar cada problema y la corrección aplicada
- Volver a probar los casos corregidos antes de cerrarlos
Preguntas frecuentes
¿Cuál es la métrica más útil para un agente de voz?
No hay una sola. Las tareas completadas te dicen si la gente obtuvo lo que necesitaba, pero también necesitas la precisión, la calidad del traspaso y los tiempos para ver por qué.
¿Cuántas llamadas debo revisar?
Una muestra semanal fija que puedas mantener es mejor que una grande de vez en cuando. Empieza con un número modesto y auméntalo tras cambios en el lanzamiento o cuando aparezcan problemas.
¿Puedo fiarme solo de la puntuación automática?
No para la precisión ni la seguridad. Úsala para ordenar y señalar llamadas, y haz que las personas revisen las señaladas y una muestra aleatoria.
¿Por qué a veces la transcripción no coincide con la grabación?
La transcripción la genera el reconocimiento de voz y puede contener errores. Escucha el audio antes de juzgar al agente.
¿Cómo sé si un cambio ha mejorado las cosas?
Mantén un conjunto fijo de casos de prueba y una rutina de revisión periódica, y compara los resultados antes y después del cambio con los mismos criterios.
¿Conviene encuestar a quienes llaman?
Una pregunta breve después de la llamada puede aportar información útil, pero que sea corta y respeta las normas sobre el contacto con las personas. Combínala con tu propia revisión de la conversación.