# IA de voz en WhatsApp: agente que atiende llamadas y responde audios

> Las tres formas de usar IA de voz en el WhatsApp de una empresa: entender los audios del cliente, responder con audio y atender o hacer llamadas, con los cuidados de permiso, aviso y privacidad.

- **Versión en HTML:** https://tolky.to/es/blog/ia-de-voz-en-whatsapp
- **Autor:** [Marlos Carmo](https://tolky.to/es/autor/marlos), Cofundador de Tolky
- **Publicado el:** 20 de noviembre de 2026
- **Revisado el:** 20 de noviembre de 2026
- **Idioma:** es

## Resumen

La **IA de voz en WhatsApp** es el agente de IA de la empresa usando voz en tres frentes: entender los audios que manda el cliente, responder con audio cuando conviene y atender o hacer llamadas por WhatsApp. No es un cambiador de voz ni la transcripción que la propia app ofrece para uso personal. Para que la empresa llame, el contacto tiene que autorizarlo antes.

Busca "IA de voz para WhatsApp" y vas a encontrar de todo: apps que cambian tu voz en un audio, la transcripción que WhatsApp hace en el celular y Meta AI dentro de la app. Nada de eso responde la pregunta de quien tiene una empresa: cómo lograr que la atención por WhatsApp entienda y use la voz.

En América Latina, mandar audios es parte del día a día en WhatsApp. Un agente de IA que solo lee texto deja afuera parte de los mensajes y obliga al cliente a escribir lo que prefería decir. Esta guía muestra las tres formas de voz que una empresa puede usar en WhatsApp, cuándo vale la pena cada una y qué cuidados tomar.

*Actualizado en noviembre de 2026.*

## ¿Qué es la IA de voz en WhatsApp?

**La IA de voz en WhatsApp es un agente de IA que entiende los audios que envía el cliente, puede responder con audio y atiende o hace llamadas de voz por el WhatsApp de la empresa.** Es el mismo agente que responde por texto, con oídos y voz.

Por detrás hay dos tecnologías: el reconocimiento de voz ([STT](https://tolky.to/es/glosario/stt)), que convierte el audio en texto, y la síntesis de voz ([TTS](https://tolky.to/es/glosario/tts)), que convierte la respuesta en audio. Entre las dos, un modelo de lenguaje decide qué decir, consultando la base de conocimiento y los sistemas de la empresa.

Cómo funciona un agente de voz en general, fuera de WhatsApp, está en [agente de voz con IA](https://tolky.to/es/blog/agente-de-voz-con-ia). Aquí el foco es WhatsApp y sus reglas.

## Lo que la IA de voz en WhatsApp no es

**La IA de voz en WhatsApp, en el sentido de atención al cliente, no es un cambiador de voz, no es la transcripción de la propia app y no es Meta AI.** Cada una de esas búsquedas tiene otra intención.

### Cambiador de voz y locución

Las apps que cambian el tono de un audio o generan locuciones para videos sirven para uso personal o producción de contenido. Un agente de atención no imita a una persona concreta: usa una voz elegida por la empresa para conversar con clientes.

### La transcripción del propio WhatsApp

WhatsApp transcribe mensajes de voz dentro de la app. Según el [anuncio oficial en el blog de WhatsApp](https://blog.whatsapp.com/introducing-voice-message-transcripts), del 21 de noviembre de 2024 (revisado el 20 de noviembre de 2026), las transcripciones se generan en el propio dispositivo y la función se activa en la configuración de chats, donde se elige el idioma.

Esa transcripción ayuda a quien lee, pero no responde a nadie ni registra nada en la atención. Y [Meta AI](https://tolky.to/es/blog/meta-ai-en-whatsapp) es el asistente de Meta para el usuario, no el agente de tu empresa.

## ¿Cuáles son las tres formas de voz en WhatsApp para empresas?

**Las tres formas son: entender los audios que manda el cliente, responder con audio y atender o hacer llamadas por WhatsApp.** Las dos primeras ocurren dentro del chat por mensajes; la tercera es una llamada de voz en tiempo real.

| Forma | Qué hace la IA | Cuándo usarla | Qué requiere |
| :--- | :--- | :--- | :--- |
| Entender audios | Transcribe e interpreta el mensaje de voz | Siempre: el cliente elige cómo hablar | Reconocimiento de voz en el agente |
| Responder con audio | Genera la respuesta y la envía como audio | Quien prefiere escuchar, respuestas cortas | Síntesis de voz y una regla de cuándo usarla |
| Atender llamadas | Conversa por voz en tiempo real | Dudas que se resuelven mejor hablando | Calling API, baja latencia, transferencia |
| Hacer llamadas | Llama con guion y objetivo | Devolución, confirmación, campañas | Permiso del contacto para llamar |

La llamada por WhatsApp usa la Calling API de Meta, que tiene su propia guía: [API de llamadas de WhatsApp Business](https://tolky.to/es/blog/api-de-llamadas-de-whatsapp-business).

## ¿Cómo entiende la IA los audios que manda el cliente?

**La IA entiende un audio transcribiendo la voz a texto e interpretando ese texto con el mismo contexto de la conversación escrita, para responder al pedido y no solo repetir lo que se dijo.** Para el cliente, es como si una persona lo hubiera escuchado.

En la práctica, el agente tiene que lidiar con lo que trae un audio real: ruido de la calle, frases sueltas, cambios de tema a mitad del mensaje y audios largos con varios pedidos. Por eso la transcripción sola no alcanza. La interpretación separa el pedido principal, identifica datos como el número de pedido o una fecha y decide el siguiente paso.

Dos cuidados prácticos:

- **Guarda la transcripción en el historial.** Quien tome la conversación después lee lo que dijo el cliente sin volver a escuchar el audio.
- **Confirma lo crítico.** Montos, fechas y direcciones entendidos en un audio deben repetirse en la respuesta para que el cliente los revise.

Un agente que recibe un audio y responde "no puedo escuchar audios, escribe por favor" pierde la conversación en el primer mensaje. Para armar el agente de texto que va a ganar esos oídos, mira [cómo crear un agente de IA para WhatsApp](https://tolky.to/es/blog/como-crear-un-agente-de-ia-para-whatsapp).

## ¿Cuándo debe la IA responder con audio y cuándo con texto?

**La IA debe responder con audio cuando el cliente prefiere escuchar y la respuesta es corta y hablada, y con texto cuando la respuesta tiene datos para copiar, enlaces o listas.** La buena regla es configurable, no fija.

| Situación | Mejor formato | Por qué |
| :--- | :--- | :--- |
| El cliente mandó un audio con una duda simple | Audio corto | Mantiene el ritmo de la conversación |
| Respuesta con código de seguimiento, código de pago o enlace | Texto | El cliente necesita copiarlo |
| Paso a paso con varios ítems | Texto | Un audio largo es difícil de seguir |
| Cliente con dificultad para leer | Audio | Accesibilidad |
| Confirmación de monto, fecha o dirección | Texto, o audio con texto | Queda registrado para revisar |
| Tema sensible o reclamo | Texto y transferencia | Exige cuidado y, muchas veces, una persona |

Los audios generados por IA funcionan mejor cortos. Si la respuesta pasa de unos segundos de voz, probablemente debería ser texto, o una llamada.

## ¿Cómo funciona la atención por llamada en WhatsApp?

**La atención por llamada en WhatsApp usa la Calling API de Meta: el cliente llama con el ícono de llamada del chat y un agente de IA atiende en tiempo real, con transferencia a una persona cuando hace falta.** Según la [página de precios de la Calling API de Meta](https://developers.facebook.com/documentation/business-messaging/whatsapp/calling/pricing), revisada el 20 de noviembre de 2026, las llamadas iniciadas por el cliente son gratis.

### Llamada entrante

La llamada entrante es el camino más simple: el cliente eligió hablar. La IA tiene que responder rápido, aceptar interrupciones ([barge-in](https://tolky.to/es/glosario/barge-in)) y pasar la llamada al equipo con el motivo y la transcripción. El término está en el glosario como [llamadas en WhatsApp](https://tolky.to/es/glosario/llamadas-de-voz-en-whatsapp).

### Llamada hecha por la empresa

Para que la empresa llame por WhatsApp, el contacto tiene que autorizarlo antes. Según la [página de permisos de Meta](https://developers.facebook.com/documentation/business-messaging/whatsapp/calling/user-call-permissions), revisada el 20 de noviembre de 2026, el permiso temporal dura 7 días y el permanente dura hasta que el contacto lo revoque. Las llamadas de la empresa se cobran por duración.

## ¿Qué cuidados tomar con la IA de voz en WhatsApp?

**Los cuidados principales son cinco: pedir permiso antes de llamar, avisar que es una IA, tratar audio y transcripción como dato personal, mantener el agente enfocado en el negocio y garantizar el paso a una persona.**

1. **Permiso para llamar.** Sin autorización del contacto no hay llamada de la empresa por WhatsApp, y Meta revoca el permiso tras 4 llamadas seguidas no contestadas.
2. **Aviso de IA.** Decir al inicio que el cliente habla con un asistente virtual evita desconfianza cuando lo nota.
3. **Privacidad.** En Brasil, la voz y la transcripción son datos personales según la LGPD, la [Ley nº 13.709/2018](https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm), que exige finalidad informada, uso de lo mínimo necesario y transparencia con el titular (art. 6, revisado el 20 de noviembre de 2026). Las reglas de privacidad varían por país, así que revisa la ley donde están tus clientes. Mira [LGPD](https://tolky.to/es/glosario/lgpd-en-la-atencion) en el glosario.
4. **Foco en el negocio.** Los [términos de Meta para la plataforma de WhatsApp Business](https://www.facebook.com/legal/Meta-Terms-for-WhatsApp-Business-Platform) (sección 4.7, revisada el 20 de noviembre de 2026) prohíben a los proveedores de IA, como los asistentes de uso general, cuando la IA es la funcionalidad principal ofrecida y no incidental o auxiliar. Mantén el agente enfocado en atender tu negocio. El contexto está en [¿WhatsApp prohíbe los chatbots de IA de uso general?](https://tolky.to/es/blog/whatsapp-prohibe-chatbots-de-ia-de-uso-general).
5. **Salida hacia personas.** Reclamos, negociaciones y casos fuera de la regla van al equipo con contexto, como muestra la guía de [handoff entre IA y humano](https://tolky.to/es/blog/traspaso-ia-humano-7-reglas).

## ¿Cómo empezar a usar voz en el WhatsApp de la empresa?

**Empieza por los audios que ya recibes, que no cuestan llamada, después prueba respuestas con audio y solo entonces abre las llamadas.** Cada paso aprovecha lo aprendido en el anterior.

1. **Mide cuánto llega en audio.** Cuenta, durante una semana, cuántas conversaciones traen mensajes de voz y sobre qué temas.
2. **Activa la comprensión de audio** en el agente y revisa las transcripciones en el historial.
3. **Define cuándo responder con audio**, con la tabla de arriba como punto de partida.
4. **Abre las llamadas entrantes** con horario, transferencia y equipo de guardia.
5. **Solo entonces llama a tu base**, con permiso, guion y un objetivo claro.

## Dónde entra Tolky

**En Tolky, el agente de IA de WhatsApp entiende los audios que manda el cliente, puede responder con audio cuando se configura y, con la [Atención por Voz](https://tolky.to/es/soluciones/atencion-por-voz), atiende llamadas por WhatsApp, por telefonía y en el sitio web.** La voz en las llamadas se activa a pedido.

- **Audio en el chat.** El agente transcribe e interpreta el mensaje de voz y responde en la misma [atención por WhatsApp](https://tolky.to/es/soluciones/atencion-whatsapp).
- **Llamadas con IA.** Voces y acentos regionales, saludo de apertura, interrupciones permitidas y [transcripción en tiempo real](https://tolky.to/es/glosario/transcripcion-en-tiempo-real) que sigue el idioma de quien habla.
- **Equipo en la línea.** El equipo sigue las llamadas en vivo; cuando un agente humano entra en el audio, la IA se queda en silencio.
- **Permiso visible.** Tolky envía la solicitud de permiso como plantilla o mensaje y muestra si el contacto autorizó, rechazó o está pendiente.
- **Historial único.** La transcripción queda en el historial del contacto, junto a las conversaciones de texto.

Para llamar a la base a escala, las [Campañas por Voz](https://tolky.to/es/soluciones/campanas-de-voz) siguen un guion y un objetivo, intentan por WhatsApp y, sin permiso, llaman por telefonía, con aviso de transcripción al inicio de cada llamada. Las funciones técnicas están en [agente de voz con IA](https://tolky.to/es/funcionalidades/agente-de-voz-con-ia).

![Captura real de la pantalla Identidad de Tolky en tema oscuro, con el idioma Portugués (Brasil), el mensaje inicial del agente, el campo de identidad y rol, la misión Vendas e Relacionamento Comercial y el gráfico de comportamiento, con etiquetas en portugués](https://tolky.to/screenshots/identidade.png)

**Lo que Tolky no hace:** no es un cambiador de voz ni una herramienta de clonación o locución, y no llama por WhatsApp a quien no dio permiso.

## Preguntas frecuentes

### ¿Existe una IA que responda audios en WhatsApp?

Sí. Un agente de IA conectado a la API oficial de WhatsApp puede transcribir e interpretar el audio del cliente y responder con texto o con audio. En Tolky, la respuesta con audio es una opción de configuración del agente.

### ¿Qué diferencia hay entre la transcripción de WhatsApp y una IA de atención?

La transcripción de la app convierte el audio en texto en el celular de quien lo recibe, para leerlo. La IA de atención entiende el pedido, responde, lo registra en el historial y lo pasa al equipo cuando hace falta.

### ¿La IA puede atender llamadas por WhatsApp?

Sí. Con la Calling API de Meta, el cliente toca el ícono de llamada y un agente de voz atiende en tiempo real. Las llamadas iniciadas por el cliente son gratis, según Meta.

### ¿La empresa puede llamar al cliente por WhatsApp con IA?

Sí, siempre que el contacto lo haya autorizado antes. El permiso temporal dura 7 días, el permanente dura hasta que el contacto lo revoque, y la llamada se cobra por duración.

### ¿La IA de voz en WhatsApp es lo mismo que un cambiador de voz?

No. Un cambiador de voz altera el tono de un audio personal. La IA de voz para atención es un agente que conversa con los clientes de una empresa, con una voz elegida para eso.

### ¿Tengo que avisar al cliente que habla con una IA?

Es la práctica recomendada. Avisarlo al inicio evita desconfianza, y la transcripción del audio debe tratarse como dato personal según la ley de privacidad que aplique en tu país.

---

## Conclusión

La IA de voz en WhatsApp es el mismo agente de atención con oídos y voz: entiende el audio que manda el cliente, responde con audio cuando conviene y atiende llamadas con salida hacia el equipo. Empieza por los audios que recibes, define cuándo responder hablando y solo abre llamadas salientes con permiso y guion.

[Conoce la Atención por Voz](https://tolky.to/es/soluciones/atencion-por-voz), [mira las Campañas por Voz](https://tolky.to/es/soluciones/campanas-de-voz), [mira los planes](https://tolky.to/es/precios) o [habla con el equipo →](https://tolky.to/es/contacto). ¿Hablamos?

---

Esta es la versión en Markdown de la página. La versión completa, con imágenes y navegación, está en https://tolky.to/es/blog/ia-de-voz-en-whatsapp

Tolky: https://tolky.to
