Como diseñar para inspirar confianza en Agentforce Voice
Cuando creamos una IA de voz, tanto el sonido como el silencio aportan significado. Es importante elegir las señales adecuadas para indicar a los usuarios que el sistema funciona bien.
Key Takeaways
La IA de voz está en pleno auge. Pero hay mucha diferencia entre una tecnología que funciona sin más y otra que ofrece una experiencia agradable y cómoda para los usuarios.
Esa diferencia depende de la confianza.
Cuando un agente de voz deja de hablar, aunque sea tan solo unos segundos, los usuarios empiezan a preguntarse si algo va mal. ¿Me ha oído? ¿Está haciendo algo? ¿Debería intentarlo otra vez? En el plano vocal, las pequeñas incidencias se convierten en seguida en problemas de confianza.
En Salesforce desarrollamos sistemas de IA transparentes que actúan como un colaborador cualificado. Si nos trasladamos al plano vocal, nuestros sistemas no se limitan a transcribir sin más las palabras que escuchan, sino que tratan de dar naturalidad a las interacciones en vivo: cómo indica el sistema que está escuchando, pensando y respondiendo.
Hemos seguido estos mismos principios para desarrollar Agentforce Voice; de esta manera, cuando usted diseñe sus propios agentes, ya tendrá de antemano un sistema diseñado para generar confianza.
En este artículo trataremos los siguientes temas:
Generar confianza mostrando las acciones del sistema
La transición desde lógicas rígidas a la fluidez de una conversación
Diseño para la diversidad de los usuarios
Implicaciones en el diseño de voz
Generar confianza mostrando las acciones del sistema
En las interfaces visuales, el estado del sistema suele estar visible. En cambio, en las de voz lo normal es que ese estado esté oculto. El silencio no es neutro, genera incertidumbre.
Si un agente se queda callado demasiado tiempo, los usuarios empiezan a cuestionar la interacción. Por eso, cada momento de silencio tiene que ser intencionado, y cada respuesta debe indicar claramente lo que está haciendo el sistema.
Para resolver este problema y generar confianza en la interacción, le recomendamos trabajar en estos tres niveles de feedback:
1. Explicite el estado del sistema
La confianza se genera a través de la interacción continua y predecible. Las señales de audio y el lenguaje directo ayudan a los usuarios a saber lo que ocurre en tiempo real. Cuando un agente dice: "Voy a comprobarlo", confirma que el sistema está trabajando. Gracias al uso de este marcador, el usuario espera sin ansiedad porque sabe que el sistema está trabajando activamente en su caso. En cambio, el silencio o las frases artificiales como "procesando solicitud" indican al usuario que está hablando con una máquina, y no con un colaborador cualificado.
2. Use imágenes para reforzar la voz
Cuando una experiencia combina tecnología por voz y una pantalla, el motion design pasa a ser una parte esencial de la interacción. Por ejemplo, un pulso sutil o una animación indica que el sistema está activo, escuchando, procesando y respondiendo. Es como ver una barra de progreso mientras se carga un panel grande en Salesforce: aunque usted no sepa el estado exacto, ver que la barra se mueve significa que el sistema está trabajando y que no tiene por qué actualizarlo ni pensar que algo va mal. En Agentforce Voice, el movimiento desempeña esa misma función. Un pulso visible indica que la solicitud se está procesando, por lo que disminuyen las dudas y ayuda a los usuarios a saber en qué fase de la conversación se encuentran:
3. Interprete la situación
El agente no puede hablar siempre igual, sino que debe adaptar el tono y el ritmo a la urgencia de la tarea, ya sea resolver una caída grave del sistema o preparar una reunión rutinaria. Es lo que se denomina personalidad situacional, y garantiza que el sistema resulte adecuado y fiable.
En Agentforce Voice esta personalidad puede modificarse mediante un parámetro llamado estabilidad. Se trata de una ruedecilla que le permite adaptar la expresividad del agente al contexto particular de la interacción.
- Cuanta menos estabilidad, más expresividad: habla con un tono de voz dinámico y muy enérgico, por lo que es ideal para momentos distendidos, celebraciones o marcas que apuestan por la emoción, como una empresa de bebidas energéticas.
- Cuanta más estabilidad, más calmada y autoritaria: habla con una voz más pausada y serena, pensada para situaciones o sectores delicados, como los seguros y la asistencia técnica, en los cuales una actitud de calma genera confianza y alivia la ansiedad.
Recapitulando: la idea no es simplemente que el agente "suene bien", sino saber elegir el tono que genere confianza. Esto es lo que debería plantearse al crear un agente: ¿Su voz coincide con la importancia del problema que hay que resolver?
Le invitamos a profundizar en estos temas
La transición desde lógicas rígidas a a la fluidez de una conversación
Diseñar experiencias conversacionales implica tomar conciencia de que los diálogos expresan una intención que un simple texto escrito no puede transmitir. A la hora de diseñar los matices del discurso humano, es un error limitarnos al mero intercambio de información; el objetivo debería ser conseguir que las reacciones y las respuestas sean naturales. Para ello es necesario cambiar de planteamiento: las lógicas rígidas basadas en menús ya no funcionan; es más útil adoptar un ritmo fluido que imite los patrones conversacionales típicos del lenguaje humano.
Y, evidentemente, eso implica diseñar las interrupciones. En una conversación real, las personas se interrumpen entre sí para hacer aclaraciones, corregir o dar continuidad a la conversación. Por lo tanto, los agentes de voz tienen que hacerlo también de la forma más natural posible. Por ejemplo, si un usuario dice "En realidad me refería a otra cuenta", el agente tiene que detenerse de inmediato, procesar la nueva información que ha recibido y adaptar la conversación sin tener que empezar de cero.
También implica permitir el reconocimiento automático del idioma desde la primera palabra. Una experiencia global no debe exigir a los usuarios que cambien la configuración o su comportamiento; el sistema debe ser capaz de reconocer el idioma que habla el usuario y responderle en la misma lengua, para que la interacción sea inclusiva y eficiente.
Diseño para la diversidad de los usuarios
Diseñar para todos significa situar la accesibilidad en el centro de las operaciones, en lugar de tratarla como un complemento extra. En las interacciones por voz, la inclusión no es opcional.
Una forma de fomentar la accesibilidad es ofrecer un acompañamiento visual durante la conversación. Por ejemplo, los subtítulos o la transcripción en tiempo real ayudan a los usuarios a seguir el hilo en entornos ruidosos y a confirmar que el sistema les haya entendido correctamente.
Como cada persona procesa la información a su propio ritmo, los usuarios deben poder ajustar el ritmo del agente. Este control es fundamental para las personas que usan lectores de pantalla y que están acostumbradas a ritmos mucho más rápidos. Dar a los usuarios la posibilidad de ajustar la velocidad significa adaptar la experiencia a ellos, y no al revés.
En el caso de las personas neurodivergentes, como las que tienen TDAH, dislexia o dificultades del procesamiento auditivo, la transcripción en vivo es una prueba concreta y visual de que el agente les ha entendido bien, reduce el trabajo cognitivo y genera confianza. Los usuarios generales también se benefician de estas transcripciones, ya que les resulta más fácil retroceder y volver a consultar una respuesta anterior, ya sea un número de caso, la siguiente acción recomendada o un detalle importante de la cuenta, sin tener que volver a preguntar al agente. Todo el mundo disfruta de una mejor experiencia.
Implicaciones en el diseño de voz
La voz es una de las formas más rápidas de generar o destruir la confianza en la IA. Cuando una interacción resulta clara, receptiva y natural, el usuario mantiene la sensación de control y prosigue con la conversación. En cambio, si percibe que no tiene ningún control, hasta los pequeños momentos de incertidumbre pueden estropear la experiencia completa.
El diseño de voz implica saber diseñar estos momentos, usar el movimiento para indicar el estado del sistema, ofrecer una conversación natural y crear, desde el principio, una solución pensada para una gran variedad de usuarios.
Así es como concebimos Agentforce Voice: no como una simple función, sino como un sistema intuitivo diseñado para transmitir comprensión y confianza.
Ese es nuestro objetivo. Y creemos que merece la pena darlo a conocer.
