Saltar al contenido

Agente de voz con IA: qué es y cómo funciona en la atención

Qué es un agente de voz con IA para la atención al cliente, cómo escucha, entiende y responde, en qué se diferencia del IVR tradicional, dónde usarlo, cuánto cuesta y qué cuidados tomar.

Cofundador de Tolky

Actualizado el 19 de noviembre de 2026

13 min de lectura
Agente de voz con IA: qué es y cómo funciona en la atención

TL;DR

Un agente de voz con IA atiende o hace llamadas en lenguaje natural: transcribe lo que dice el cliente, decide la respuesta con un modelo de lenguaje y contesta con voz sintética, transfiriendo a una persona cuando el caso lo pide. Reemplaza el menú de teclas del IVR por una conversación y funciona en el sitio web, en llamadas de WhatsApp y por teléfono.

Compartir

Quien busca "IA de voz" encuentra dos cosas mezcladas: herramientas que clonan o generan voces para videos y agentes que atienden llamadas de clientes. Esta guía trata solo de lo segundo. La pregunta aquí es cómo una empresa pone una IA a atender el teléfono, qué resuelve sola y dónde tiene que entrar una persona.

A continuación: cómo funciona un agente de voz, la diferencia con el IVR, los usos, los canales, el costo, los cuidados legales y las métricas.

Actualizado en noviembre de 2026.

¿Qué es un agente de voz con IA?

Un agente de voz con IA es un software que atiende o hace llamadas, entiende lo que la persona dice en lenguaje natural, responde con voz sintética y ejecuta tareas durante la llamada. También se le llama agente de voz, voicebot o IVR inteligente.

La diferencia con el IVR de teclas es que el agente conversa. El cliente dice "quiero cambiar mi cita del jueves" y el agente entiende el pedido, consulta la agenda y propone otro horario, sin obligar a nadie a marcar 1, 2 o 3.

En esta guía, "IA de voz" no es clonación de voz ni locución generada para videos. Es atención: una llamada recibida o hecha por la empresa, con un cliente al otro lado y un resultado que entregar.

¿Cómo funciona un agente de voz con IA?

Un agente de voz con IA funciona en tres pasos que se repiten en cada turno: transcribir el audio a texto, decidir la respuesta con un modelo de lenguaje y convertir la respuesta en voz. Todo debe ocurrir en un instante para que la conversación suene natural.

  1. Voz a texto (STT). El reconocimiento de voz transcribe lo que dice el cliente en tiempo real, con acentos y ruido de fondo.
  2. Modelo de lenguaje (LLM). El modelo lee la transcripción, consulta la base de conocimiento y los sistemas de la empresa, y decide qué responder o hacer.
  3. Texto a voz (TTS). La síntesis de voz convierte la respuesta en audio, con la voz y el acento elegidos.

El primero de dos factores clave es la latencia, el tiempo entre que el cliente deja de hablar y escucha la respuesta. Las pausas largas hacen que la persona repita la frase o crea que se cortó la llamada, por eso estos sistemas procesan en flujo continuo y prefieren respuestas cortas.

El segundo es el barge-in, la capacidad de dejar de hablar cuando el cliente interrumpe. Sin eso, quien llama tiene que escuchar la frase entera aunque ya sepa lo que quiere.

En el modo cascada, los tres pasos corren en secuencia; en el modo en tiempo real, un modelo escucha y habla al mismo tiempo, con una conversación más fluida.

Agente de voz, IVR tradicional e IVR semántico: ¿cuál es la diferencia?

El IVR tradicional organiza la llamada con menús de teclas; el IVR semántico entiende el habla libre para enrutar o resolver; el agente de voz con IA conversa de principio a fin y ejecuta tareas. En la práctica, el IVR semántico es la puerta de entrada de un agente de voz, y muchas empresas combinan las dos ideas.

CriterioIVR tradicionalIVR semánticoAgente de voz con IA
Cómo pide el clienteTeclas y opciones fijasHabla libre, interpretadaHabla libre, en conversación
Cambio de temaVuelve al menú inicialRedirigeLa conversación sigue
InterrupciónSolo con teclasDepende del sistemaBarge-in en el habla
Consulta a sistemasEnruta a una colaPuede consultarConsulta y responde
Resolución sin personaPedidos muy simplesPedidos frecuentesPedidos frecuentes y tareas con reglas claras
TransferenciaSin contextoCon la intención detectadaCon el motivo y la transcripción

El IVR semántico tiene un artículo propio, con ejemplos de punta a punta: voz con IA e IVR semántico. Aquí el foco es el agente de voz completo, incluidas las llamadas salientes.

¿Para qué sirve un agente de voz?

Un agente de voz sirve para atender llamadas repetitivas sin cola y para hacer llamadas a escala con guion, siempre con una salida hacia una persona. Los usos más comunes caben en cuatro grupos:

  • Atención entrante. Segunda copia de factura, estado del pedido, horarios, clasificación del motivo de la llamada. La IA resuelve lo repetitivo y transfiere el resto al centro de atención.
  • Llamadas salientes. Primer contacto con leads, reactivación de clientes, invitación a renovar. En Tolky son las campañas por voz.
  • Confirmación y agenda. Confirmar, reprogramar o cancelar citas y visitas, algo común en salud y en servicios con horario reservado.
  • Cobranza. Recordar un vencimiento, informar el monto y ofrecer el canal de pago, con transferencia cuando el cliente quiere negociar. Mira el área de cobranza.

En llamadas largas y sensibles, como reclamos graves o negociaciones complejas, el mejor uso es clasificar y pasar a una persona con el contexto listo.

¿En qué canales atiende un agente de voz?

Un agente de voz puede atender en tres canales: voz en el sitio web, desde el navegador; llamadas de WhatsApp, con la Calling API de Meta; y teléfono común, con telefonía SIP. Cada uno tiene sus reglas.

  • Web. El visitante habla desde el navegador, sin instalar nada.
  • WhatsApp. La Calling API permite a la empresa recibir y hacer llamadas de voz dentro de WhatsApp. Según la documentación de Meta, revisada el 19 de noviembre de 2026, llamar a una empresa es gratis para el usuario. Para que la empresa llame, el contacto debe dar permiso antes.
  • Teléfono. El agente atiende un número común, con telefonía SIP conectando la red telefónica a la plataforma. Llega a cualquier persona, incluso a quien no usa WhatsApp.

En los tres, la transcripción de cada llamada tiene que quedar en el historial del cliente, junto con las conversaciones de texto.

¿Cuánto cuesta la atención por voz con IA?

El costo de la atención por voz con IA suma tres partes: la tarifa del canal (telefonía o WhatsApp), el procesamiento de voz e IA por minuto y la plataforma que lo orquesta todo. Como cada proveedor empaqueta estas partes de forma distinta, compara siempre por costo por llamada resuelta, no por el precio por minuto aislado.

En WhatsApp, Meta publica las reglas en la página de precios de la Calling API, revisada el 19 de noviembre de 2026:

  • Las llamadas iniciadas por el usuario son gratis.
  • Las llamadas iniciadas por la empresa se cobran por duración, en pulsos de 6 segundos, según el país del número llamado y el tramo de volumen del mes.
  • La solicitud de permiso para llamar es un mensaje y sigue el cobro normal por mensaje.

En la telefonía, la tarifa por minuto depende del operador y del destino (fijo o móvil). Las respuestas cortas y un buen guion reducen el costo y la latencia. Para estimar el retorno, usa la calculadora de ROI de atención.

¿Qué cuidados tomar con la IA de voz?

Los cuidados con la IA de voz son cuatro: avisar que es una IA, garantizar la transferencia a una persona, tratar el audio y la transcripción como datos personales y cumplir las reglas del sector sobre grabación y espera. Son los que evitan reclamos y riesgo legal.

  • Transparencia. Di al inicio que el cliente habla con un asistente virtual. Ocultarlo suele generar desconfianza cuando la persona lo nota.
  • Transferencia a una persona. Muchos mercados lo regulan. En Brasil, por ejemplo, el Decreto 13.135/2026, que regula la atención de servicios regulados por el gobierno federal y de servicios financieros digitales, permite la inteligencia artificial en la clasificación y la solución, siempre que el consumidor tenga la opción de atención en tiempo real por una persona. También exige atención humana de 8 a 20 horas y limita a cinco los niveles de atención (revisado el 19 de noviembre de 2026). Define tus reglas con la guía de transferencia entre IA y humano.
  • Protección de datos. La voz y la transcripción son datos personales. Las leyes de protección de datos, como la LGPD brasileña (Ley 13.709/2018, art. 6), exigen finalidad informada, uso mínimo necesario y transparencia con el titular. Revisa la ley de tu país.
  • Grabación y registro. El mismo decreto brasileño exige guardar las grabaciones al menos 90 días (art. 19). Revisa la regla de tu sector antes de definir dónde y por cuánto tiempo se guarda el audio.

¿Cómo medir si el agente de voz funciona?

Mide el agente de voz por lo que resuelve y por la calidad de la transferencia a personas, no por el número de llamadas atendidas. Atender mucho y resolver poco solo aplaza la cola.

MétricaQué muestraSeñal de alerta
Resolución por IALlamadas cerradas sin persona, con el pedido atendidoAlta, pero con muchas llamadas repetidas al día siguiente
Tasa de transferenciaCuánto va al equipo y por qué motivoMotivo vacío o repetido sin ajuste en la base
AbandonoQuien cuelga antes de ser atendido o resueltoPicos después de cambios en el guion
Tiempo medio de atenciónDuración de las llamadasLlamadas largas en pedidos simples
Resolución en el primer contactoCasos resueltos sin otra llamadaEl cliente vuelve a llamar por lo mismo
NPS después de la llamadaPercepción de quien llamóCaída en las llamadas atendidas solo por la IA

Para calcular cada una, mira cómo medir la tasa de resolución por IA y los términos FCR y TMO. Escucha una muestra de llamadas cada semana: la transcripción muestra dónde la IA se equivocó o tardó.

Cómo atiende Tolky por voz

Tolky es un AI CRM conversacional en el que el mismo agente de IA que atiende por texto atiende por voz: en el sitio web, en llamadas de WhatsApp y por teléfono con IVR semántico. La telefonía se habilita bajo activación, con el número y el agente que elijas. Las funciones están en agente de voz con IA y en atención por voz.

  • Voz configurable. Eliges la voz con vista previa, el acento regional, el saludo y el largo de las respuestas, en modo cascada o en tiempo real.
  • Conversación natural. El cliente puede interrumpir a la IA, y la transcripción en tiempo real sigue el idioma de quien habla.
  • Personas en la línea. El equipo sigue las llamadas en curso y puede escucharlas. Cuando el operador entra al audio, la IA se queda en silencio; si el responsable no contesta, la llamada suena para otros operadores.
  • Un solo historial. La transcripción queda en el historial del contacto, junto con las conversaciones de texto.
  • WhatsApp con permiso. Para llamar por WhatsApp, Tolky envía la solicitud de permiso y muestra su estado en la conversación.
  • Campañas por voz. La IA llama a tu base por WhatsApp o por telefonía, con guion, objetivo, franjas horarias y tope diario de gasto. Toda llamada empieza con el aviso de transcripción, que no se puede desactivar.

Captura real de la pantalla Identidad de Tolky, en tema oscuro, donde se define el rol del agente de IA, el mensaje inicial, la misión Ventas y Relación Comercial y el comportamiento del agente

Lo que Tolky no hace: no es una herramienta de locución ni de clonación de voz para videos, y la telefonía no viene activada por defecto, porque depende de activación. Si tu operación exige guardar grabaciones de audio por un plazo definido, confirma con el equipo cómo funciona en tu caso.

Preguntas frecuentes

¿Qué es un agente de voz con IA?

Es un asistente que atiende o hace llamadas en lenguaje natural. Transcribe lo que dice el cliente, decide la respuesta con un modelo de lenguaje y contesta con voz sintética, transfiriendo a una persona cuando hace falta.

¿Cuál es la diferencia entre un IVR inteligente y un IVR tradicional?

El IVR tradicional usa menús de teclas y opciones fijas. El IVR inteligente, o semántico, entiende lo que el cliente dice con sus propias palabras y enruta o resuelve el pedido sin el "marque 1".

¿La IA de voz puede atender llamadas de WhatsApp?

Sí. La Calling API de Meta permite a las empresas recibir y hacer llamadas de voz en WhatsApp, y esas llamadas puede atenderlas un agente de voz. Para que la empresa llame, el contacto debe autorizarlo antes.

¿El cliente tiene que saber que habla con una IA?

Es la práctica recomendada: avisarlo al inicio evita desconfianza y reclamos. Algunas normas, como las reglas de atención al consumidor de Brasil, también exigen que el consumidor pueda hablar con una persona.

¿La IA de voz reemplaza al equipo del centro de atención?

No. Absorbe las llamadas repetitivas y la primera clasificación, y el equipo se queda con los casos que requieren criterio. Una persona tiene que poder entrar en la llamada en cualquier momento.

¿Cuánto cuesta un agente de voz con IA?

Depende del canal, de la duración de las llamadas y de la plataforma. En WhatsApp, las llamadas iniciadas por el cliente son gratis y las iniciadas por la empresa se cobran por duración; en telefonía, está la tarifa del operador. Compara por costo por llamada resuelta.


Conclusión

Un agente de voz con IA pone una conversación donde antes había un menú de teclas: el cliente habla, la IA entiende, resuelve lo que tiene reglas claras y pasa el resto a una persona con la transcripción lista. Empieza por las llamadas más repetitivas, avisa que es una IA, garantiza la salida hacia el equipo y mide por resolución.

Conoce el agente de voz, mira las campañas por voz, mira los planes o habla con el equipo →. ¿Hablamos?

Compartir

Etiquetas

  • agente de voz con ia
  • ia de voz
  • atención por voz con ia
  • ivr inteligente
  • ivr semántico
  • llamadas de whatsapp
  • contact center con ia
  • #CRM conversacional

Sobre el autor

Cofundador de Tolky

Marlos Carmo es un emprendedor en IA y fundador de Tolky, la infraestructura y AI CRM de la era conversacional que unifica el servicio inteligente, la omnicanalidad (como WhatsApp y voz), el CRM en vivo y la inteligencia operativa en un único ecosistema. Es finalista del SXSW Innovation Awards e integrante de la Francesco's Economy, una red global de jóvenes emprendedores enfocados en la innovación y el impacto social. Trabaja conectando la Inteligencia Artificial y la transformación digital en proyectos para grandes organizaciones.

Siguiente paso

¿Quieres llevar esto a tu operación?

Tati, la asistente de IA de Tolky, entiende tu escenario en pocas preguntas, sugiere el mejor camino y te conecta con una persona del equipo con todo el contexto.

Compartir

Lea también sobre CRM conversacional y AI CRM