Deja de decir «un momento»: comprueba tu agente de voz contra el contrato de trabajo en curso

Un agente de voz dice un momento y luego no dice nada. El usuario oye una pausa, no una tarea. Ese silencio es un fallo de diseño, no un problema de latencia.

El usuario decide si confiar en una tarea en segundo plano antes de que llegue el primer resultado. El agente debe reconocer la solicitud, narrar solo el progreso significativo y cerrar con un estado de finalización sobre el que el usuario puede actuar. Llámalo contrato de trabajo en curso.

El contrato es la UX

La voz en dúplex completo elimina el indicador de carga: el usuario puede seguir hablando mientras el modelo trabaja, por lo que el agente debe decir lo que está ocurriendo. Si dice demasiado poco, el usuario asume que el sistema se ha detenido. Si dice demasiado, asume que está atascado.

Google presentó Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking el 15 de septiembre de 2026. Gemini 3.8 Live puede gestionar tareas de herramientas y API en segundo plano mientras la conversación por voz continúa. Gemini 3.8 Live Extended Thinking utiliza indicios verbales tempranos y narración de progreso en vivo para reconocer las solicitudes y guiar a los usuarios a través de tareas en segundo plano de varios pasos.

Gemini 3.8 Live Extended Thinking admite la invocación de funciones solo en modo asíncrono. La capa de voz debe sostener al usuario mientras se realiza el trabajo. Gemini 3.8 Live puede detectar y cambiar automáticamente entre 97 idiomas durante una conversación. El mismo contrato debe mantenerse en todos esos idiomas.

Las puntuaciones de calidad no sustituyen al contrato. Gemini 3.8 Live Extended Thinking ocupó el primer puesto general en el Artificial Analysis Speech to Speech Quality Index con una puntuación de 82,6. Una puntuación alta aún puede dar lugar a una mala experiencia de espera si el agente no puede decir lo que está haciendo.

El contrato rige antes, durante y después

Antes del primer resultado, reconoce sin demorar. Confirma la solicitud de una manera que preserve la intención del usuario. Un simple un momento es un estado de fallo. Le dice al usuario que se detenga, pero no le dice lo que está ocurriendo. El silencio es peor. Elimina la evidencia de que el sistema ha oído la solicitud.

Nombra la tarea, nombra la siguiente acción y mantén la conversación abierta. Di estoy revisando tu calendario para ese hueco, no un momento. Si la tarea puede tardar un poco, di lo que harás a continuación: te lo diré cuando tenga los conflictos. El usuario debe poder interrumpir sin perder la tarea.

Durante la tarea, narra solo lo que cambia el siguiente movimiento. Una actualización es útil solo cuando cambia lo que el usuario debe hacer a continuación. En caso contrario, es ruido. La sobrenarración es un estado de fallo porque hace que el agente suene ocupado en lugar de útil. Google fijó el precio de Gemini 3.8 Live estándar en $0.005 por minuto para entradas de audio y $0.018 por minuto para salidas. Cada actualización innecesaria es tiempo de emisión facturable.

El progreso significativo tiene tres tipos. Un cambio de estado: he encontrado dos reuniones coincidentes. Un punto de decisión: ¿Quieres que mueva la primera?. Un riesgo: la segunda se solapa con una llamada con un cliente. Todo lo demás pertenece a los registros, no al canal de voz.

Después de la tarea, cierra con un estado de finalización. Debe decir lo que se hizo, lo que no se hizo y lo que el usuario puede hacer a continuación. Si el agente solo dice hecho, el usuario tiene que reconstruir el resultado. Si dice no he podido hacer eso sin un siguiente paso, el usuario tiene que adivinar el paso de recuperación.

Moví la reunión al hueco posterior y dejé la llamada con el cliente intacta es un estado de finalización. He actualizado tu calendario es una confirmación vaga. Para errores, nombra el obstáculo y la siguiente acción: no he podido encontrar la reunión. Inténtalo de nuevo dándome la fecha.

Pon a prueba el contrato en un minuto

Ten esta lista junto al guion de pruebas. Cada elemento es una comprobación de un minuto para un agente de voz que realiza tareas en segundo plano.

• El reconocimiento nombra la solicitud. Pide una tarea en segundo plano y escucha una respuesta que nombre la tarea, no solo una pausa.
• Sin «un momento» sin más. Si el agente dice un momento, debe decir también lo que está haciendo o lo que dirá a continuación.
• Las actualizaciones de progreso cambian el siguiente movimiento. Cada actualización debe añadir un estado, una opción o un riesgo al que el usuario pueda responder.
• Sin estado repetido. El agente no debe decir el mismo estado dos veces a menos que el usuario lo pida.
• El manejo de interrupciones preserva el estado de la tarea. El usuario puede interrumpir, hacer una pregunta o cambiar la solicitud, y el agente retoma con la tarea intacta.
• Los estados de finalización son accionables. La respuesta final dice lo que se hizo, lo que no se hizo y lo que el usuario puede hacer a continuación.
• Los estados de error incluyen recuperación. El agente nombra el obstáculo y da una siguiente acción que el usuario puede tomar.
• El idioma y el acento no rompen el contrato. Si el agente admite voz multilingüe, los mismos estados de reconocimiento, progreso y finalización se mantienen entre idiomas.