Diseño conversacional · 6 min de lectura
Tu chatbot funciona, pero no suena como tu producto
Afinar la conversación de Xiara tomó meses de uso, desarrollo y pruebas. Ritmo, correcciones y memoria para que un companion adulto encuentre su voz.
Tu app ya tiene un chat. Responde y parece cumplir con las instrucciones. Al conversar durante más tiempo aparecen otras fricciones: pregunta demasiado, devuelve tus propias palabras o trata cada tema con el mismo humor.
En Xiara, el companion adulto que desarrollamos, afinar esa experiencia nos tomó meses de desarrollo, uso, pruebas y ajustes. Queríamos poder pasar por distintos temas sin que la conversación se volviera infantil, distante o predecible.
Parte de ese trabajo consiste en aprender a describir un fallo que primero percibes como una sensación. La respuesta puede estar bien escrita y, aun así, desentonar con el momento o con el producto.
El tono se descubre conversando
Definir el rol, el contexto y las instrucciones nos dio un punto de partida. Después tocó usar extensivamente el chat: probar distintos comienzos, cambiar de tema, responder a una pregunta, corregir una interpretación y ver qué ocurría varios turnos después.
Una pregunta puede mostrar interés. Una sucesión de preguntas puede hacer que la persona sienta que está completando una entrevista. Al reducirlas demasiado, el companion puede quedarse en respuestas apáticas y dejar que la otra persona cargue con toda la conversación.
El humor necesita esa misma atención. Una broma puede encajar en un momento y resultar incómoda en otro. También hay que escuchar la repetición: varias respuestas correctas, construidas siempre como reconocimiento y paráfrasis, terminan sintiéndose planas.
En un companion adulto, esto incluye poder hablar de deseo, placer y asuntos personales con naturalidad, sin un tono infantil o aleccionador. Esa amplitud forma parte de la experiencia que estamos intentando sostener.
La respuesta puede estar bien escrita y, aun así, desentonar con el momento o con el producto.
Probar lo que pasa después de la primera respuesta
Ese uso fue dando lugar a checks y tests sobre comportamientos concretos. En Xiara hay pruebas para recibir una respuesta sin encadenar otra pregunta, respetar un cierre y mantener una corrección cuando cambia el tema.
La secuencia importa. Si pides menos repetición y la siguiente respuesta mejora, todavía queda por ver qué ocurre al pasar a música o a un asunto personal. El ajuste tiene que acompañar la conversación durante esos cambios.
Por eso combinamos pruebas de la lógica y de las instrucciones con escenarios enviados a modelos y revisión de las respuestas. Cada una observa una parte distinta: seleccionar un recuerdo, conservar una indicación o comprobar cómo suena el conjunto al conversar.
| Situación | Qué revisamos |
|---|---|
| La persona responde una pregunta | Recibir la respuesta y evitar una cadena automática de preguntas. |
| La persona da por cerrado un momento | Permitir un cierre breve, sin reabrirlo por costumbre. |
| Se corrige la repetición y después cambia el tema | Mantener la indicación al pasar por música o asuntos personales. |
| Se retoma un asunto anterior | Recuperar contexto pertinente y respetar cuándo debe quedar fuera. |
Síntesis de escenarios del proyecto; las pruebas de lógica e instrucciones y las evaluaciones con modelos observan partes distintas del comportamiento.
La memoria le da profundidad al tono
El manejo de la memoria fue crucial. En las pruebas con poco contexto, las conversaciones podían sentirse frías o repetitivas. Había menos información para reconocer qué importaba, qué se había corregido y desde dónde retomar.
Un recuerdo pertinente puede cambiar la respuesta: permite recuperar un asunto abierto o tener presente una preferencia sin pedir que la persona reconstruya todo. Esa continuidad da profundidad a la conversación.
También exige seleccionar bien. Un recuerdo puede ser correcto y aparecer en un momento que no corresponde. Las pruebas de Xiara contemplan tanto recuperar contexto cuando alguien retoma un tema como evitar traerlo cuando la conversación apunta a otra cosa.
Las correcciones merecen ese cuidado. Una preferencia sobre cómo conversar debe seguir teniendo efecto cuando cambia el asunto. Guardarla, recuperarla y usarla de manera pertinente son decisiones que terminan escuchándose en la respuesta.
Probar modelos dentro de la experiencia
El trabajo también incluyó APIs y modelos específicos. Cambiar de modelo podía alterar el ritmo, la extensión, el idioma o la manera de usar el contexto. Había que volver a probar las conversaciones que nos importaban.
Una comparación interna de julio de 2026 evaluó modelos de OpenAI, Mistral y xAI con los mismos escenarios. El informe recogió diferencias de latencia, continuidad, idioma y confirmación de recuerdos. Las decisiones se tomaron por tarea: el comportamiento en conversación y el de una función estructurada de música se revisaban por separado.
La propia evaluación dejaba abierto un límite: superar los controles automáticos no dice por sí solo si una respuesta se siente viva, natural o demasiado dirigida. Esa parte necesita uso y criterio editorial.
Conservar lo aprendido y seguir ajustando
Cada corrección puede resolver una fricción y crear otra. Acortar las respuestas puede volverlas secas. Pedir más iniciativa puede producir preguntas de más. Añadir contexto obliga a revisar cuándo debe entrar en la conversación.
El ciclo fue conversar, identificar el desajuste, ajustar y volver a los mismos casos. Conservar esos casos permite revisar si una mejora se mantiene y si afectó a algo que ya funcionaba.
Llegar a una base que sintiéramos suficientemente sólida tomó meses entre desarrollo, pruebas y uso. Esa es la parte artesanal: hace falta convivir con las respuestas, reconocer lo que incomoda y convertirlo en algo que podamos revisar de nuevo.
Del uso a una prueba que podemos repetir
- Conversar
Distintos comienzos, temas y cambios de registro.
- Identificar
Qué desentona y qué esperábamos que ocurriera.
- Ajustar
Instrucciones, contexto, memoria o modelo según el fallo.
- Volver a probar
El mismo caso y las conversaciones que ya funcionaban.
Afinar la conversación de tu producto
Si ya integraste un chatbot y su forma de responder todavía no encaja con tu producto, puedo ayudarte a definir el comportamiento buscado, revisar conversaciones y probar ajustes de tono, contexto y memoria. Podemos partir de una fricción concreta y construir una forma de comprobar si mejora.
Hablemos de tu chatbotBase del artículo
Este caso combina mi experiencia de uso y desarrollo de Xiara, escenarios de sus pruebas y una evaluación interna de modelos de julio de 2026. Los ejemplos describen qué se revisa; no presentamos una nueva ejecución de esas evaluaciones ni resultados de usuarios externos.