La detección de fin de turno (en inglés, endpointing o turn detection) es el mecanismo por el que un agente de voz decide que la persona ha terminado de hablar y le toca responder. Parece trivial y es uno de los problemas más difíciles de la conversación por voz: una pausa puede ser el final de la frase o solo un «eh… el jueves». Si el agente decide demasiado pronto, corta al cliente a mitad de frase; si decide demasiado tarde, deja un silencio incómodo y parece lento.
Los sistemas combinan varias señales: la detección de actividad de voz (hay o no sonido de habla), la duración del silencio, la entonación y, en los más avanzados, el sentido de lo dicho (una frase que termina en «para el…» no está completa). Para un negocio con citas, esto se nota en el tipo de llamada más habitual: alguien que da un nombre, un teléfono o una fecha con pausas. «Mi número es seis uno dos… tres cuatro cinco… seis siete ocho» tiene tres silencios y ninguno es el final.
Centralitia está diseñada para esas llamadas: espera cuando la frase no está completa, responde sin demora cuando lo está y acepta interrupciones. No publicamos aquí cifras de tiempo de decisión; explicamos el método en tecnología. Ejemplo: un paciente deletrea su apellido, «Be, erre, a… ene, a», con pausas largas; la IA no responde hasta que termina, repite «Brana, ¿correcto?» y continúa. En otra llamada el cliente dice «el viernes» y se calla: la IA responde al momento con los huecos del viernes. Un sistema que esperara lo mismo en los dos casos fallaría en uno de ellos.
Está muy relacionada con la latencia: parte de lo que se percibe como «tarda en contestar» es, en realidad, el tiempo que el sistema espera para asegurarse de que has terminado.
Un caso práctico
Un restaurante de Valencia recibe una llamada para reservar un sábado. La clienta llama desde la calle, con tráfico de fondo, y va pensando mientras habla: «Somos ocho… bueno, igual nueve… depende de si viene mi cuñado… ponlo para nueve, mejor». Hay tres pausas y una rectificación. Si el agente diera el turno en la primera pausa, reservaría para ocho y la clienta tendría que corregirle; si confundiera el ruido de un autobús con su voz, se quedaría esperando. La IA deja pasar las pausas, ignora el ruido y, cuando la frase está cerrada, confirma: «Mesa para nueve el sábado a las 21:30, a nombre de Marta, ¿correcto?».
Cuando revisa la transcripción, el encargado ve la frase completa en un solo turno del cliente, que es lo que buscas al comprobar este ajuste.
Errores habituales
- Probar solo en silencio. Una demo desde una oficina tranquila no dice cómo responde el agente con tráfico, niños o una cocina de fondo; pruébalo también desde la calle.
- Acortar la espera para que parezca rápido. El agente contesta antes, pero corta a quien dicta un teléfono o duda con la fecha, y la conversación empeora.
- Confundir lentitud con mala detección. Si el agente tarda, comprueba primero si espera de más tras frases completas o si el retraso está en preparar la respuesta.
- No revisar las transcripciones. Una frase del cliente partida en dos turnos se ve a simple vista en la transcripción: es la pista de un ajuste que falla.
Qué preguntar antes de contratar
- ¿Cómo decide vuestro agente que he terminado de hablar: solo por el silencio o también por el sentido de la frase? — Si solo mira el silencio, fallará con números y fechas dictados con pausas.
- ¿Puedo probarlo dictando un teléfono y un apellido con pausas desde un sitio con ruido? — Esa es la llamada real de un negocio con citas, no la de la demo.
- ¿La espera se adapta cuando el agente pide un dato largo, como un número de teléfono? — Una espera única se queda corta para unos datos y larga para otros.
- ¿Qué hace el agente si sigo hablando cuando ya ha empezado a responder? — Debe callarse y escucharte; si no, la conversación se pisa.
Actualizado el 23 de octubre de 2026.