Cómo creamos el agente de entrevistas a clientes de ElevenLabs
Cómo creamos el agente de entrevistas a clientes de ElevenLabs
Descubre cómo realizamos 230 entrevistas a usuarios en 24 horas con ElevenLabs Agents
Descripción general
Creamos un entrevistador con IA mediante ElevenLabs Agents para recopilar comentarios cualitativos de usuarios sobre la app ElevenReader a gran escala. Este documento explica el diseño del sistema, la configuración del agente, el flujo de recopilación de datos y el marco de evaluación que utilizamos para realizar más de 230 entrevistas en menos de 24 horas.
El objetivo era reproducir la profundidad y los matices de las entrevistas en directo con clientes, sin las limitaciones de programación, idioma y operativas de las sesiones dirigidas por personas.

Arquitectura del sistema
El entrevistador con IA se implementó íntegramente en ElevenAgents, con los siguientes componentes principales:
- Agente de voz conversacional para entrevistas en tiempo real
- Modelo de lenguaje de gran tamaño para la planificación y el razonamiento del diálogo
- Extracción de datos estructurados para el análisis posterior a la llamada
- Finalización automática de llamadas y control de sesiones
Diseño del agente

Objetivos de investigación
El agente recibió instrucciones para explorar cuatro áreas principales de investigación:
- Solicitudes de funciones y mejoras del producto
- Patrones de uso principales
- Comparaciones con la competencia
- Percepción de precios y valor de marca
Estos objetivos se integraron directamente en el prompt del sistema para garantizar la coherencia entre entrevistas.
Selección de voz
Seleccionamos la voz Hope - The podcaster para la entrevistadora. Elegimos esta voz por su ritmo neutro, calidez y tono conversacional, que redujeron la fricción percibida y ayudaron a usuarios a participar de forma natural durante sesiones prolongadas.
Selección del modelo
Modelo de razonamiento: Gemini 2.5 Flash
Seleccionamos Gemini 2.5 Flash para equilibrar una baja latencia con la profundidad de razonamiento necesaria para hacer preguntas de seguimiento adaptativas durante conversaciones en directo.
Estructura del prompt del sistema
El prompt del sistema indicaba al agente que:
- Formulara preguntas abiertas alineadas con los objetivos de investigación
- Generara preguntas de seguimiento cuando las respuestas fueran vagas o escuetas
- Evitara formulaciones tendenciosas o que indujeran respuestas
- Mantuviera la conversación centrada en el tema y dentro de un tiempo límite fijo
Siguiendo nuestra guía de prompting, este es el prompt del sistema completo que utilizamos:
Seguridad y gestión de casos límite
Antes del lanzamiento en producción, ejecutamos conversaciones simuladas mediante las herramientas de pruebas de ElevenLabs para validar el comportamiento ante:
- Respuestas de una sola palabra o poco informativas
- Intervenciones fuera de tema
- Lenguaje inapropiado
- Silencios o pausas largas
Estas pruebas nos permitieron añadir medidas de protección adicionales al prompt para mantener la calidad de las entrevistas.
Control de la duración de las sesiones
Cada entrevista tenía un límite de diez minutos. El agente utilizaba la herramienta end_call para:
- Concluir la sesión de forma adecuada
- Agradecer al usuario su tiempo
- Evitar conversaciones excesivamente largas o repetitivas
Recopilación y análisis de datos

Procesamiento de transcripciones
Todas las conversaciones se transcribieron y procesaron con la función de análisis de ElevenLabs Agents para extraer datos estructurados de diálogos abiertos.
Hicimos seguimiento de las respuestas a preguntas como:
- “¿Cómo utilizas principalmente ElevenReader hoy?”
- “¿Qué dos cambios mejorarían más la app?”
Resultados estructurados
Los campos extraídos incluían:
- Caso de uso principal
- Funciones solicitadas
- Errores notificados
- Indicadores de sentimiento
Esto nos permitió agrupar los comentarios cualitativos sin revisar manualmente cada transcripción.
Limitaciones y aprendizajes
- Las entrevistas con IA requieren un diseño cuidadoso del prompt para evitar respuestas superficiales
- Establecer límites de tiempo es esencial para controlar el coste y mantener el foco
- La extracción estructurada es fundamental: las transcripciones por sí solas no escalan para el análisis
Próximos pasos
Tenemos previsto ampliar este sistema mediante:
- La incorporación de recorridos de entrevista adaptativos según el segmento de usuario
- La integración de puntuación de sentimiento en tiempo real
- La ampliación de la cobertura de entrevistas multilingües
- La conexión directa de los insights extraídos con sistemas de seguimiento de producto
Empieza a crear tu agente hoy o contacta con nuestro equipo para obtener más información.