Qué es un voice agent: cómo funciona y cómo implantarlo en una empresa
Un voice agent es un sistema de IA que conversa por teléfono y puede consultar datos o ejecutar acciones. Explicamos cómo funciona, casos de uso, costes, permisos, RGPD y cómo pilotarlo.
Un voice agent o agente de voz es un sistema de inteligencia artificial que mantiene una conversación hablada y puede usar herramientas para completar una tarea: consultar un pedido, proponer una cita, abrir una incidencia o transferir la llamada a una persona con contexto.
La voz es solo la interfaz. El valor aparece cuando el agente entiende el motivo de la llamada, consulta una fuente autorizada, aplica reglas de negocio y deja un resultado trazable.
Cómo funciona un voice agent
Hay dos arquitecturas habituales:
- Un sistema encadena reconocimiento de voz, modelo de lenguaje y síntesis de voz.
- Un modelo speech-to-speech procesa y genera audio directamente, manteniendo el contexto de la conversación y llamando herramientas cuando lo necesita.
En ambos casos, una solución de empresa suele añadir:
- Telefonía o SIP para recibir y transferir llamadas.
- Un prompt con identidad, tono, límites y guiones obligatorios.
- Herramientas para consultar CRM, calendario, pedidos o conocimiento interno.
- Reglas de permisos para cada lectura o acción.
- Handoff humano, registros y evaluación.
La API Realtime de OpenAI, por ejemplo, soporta llamadas SIP, herramientas, servidores MCP remotos y modelos de voz a voz. Otros proveedores permiten combinar telefonía, transcripción, modelos y voces por separado. La selección técnica depende del país, idioma, latencia, integraciones, residencia del dato y coste real por llamada.
Qué puede hacer
Responder consultas repetidas
Horarios, ubicación, documentación necesaria, políticas o estado de una solicitud son buenos candidatos cuando existe una fuente actualizada y una respuesta clara.
El agente no debería memorizar información que cambia. Debe consultar el sistema propietario o una base de conocimiento con fecha y permisos definidos.
Gestionar citas y reservas
Puede consultar disponibilidad, proponer huecos, crear un borrador de cita y enviar confirmación. En operaciones sensibles conviene que los cambios excepcionales o determinados tipos de cita requieran aprobación humana.
Consultar pedidos e incidencias
Después de verificar al interlocutor, puede leer el estado de un pedido, abrir un ticket o resumir una incidencia. Los reembolsos, cancelaciones irreversibles y decisiones con impacto económico necesitan límites más estrictos.
Cualificar una llamada comercial
Puede recoger necesidad, ubicación, plazo y datos de contacto, registrar el lead y asignarlo al equipo adecuado. No debería inventar precios, disponibilidad o compromisos que el sistema no confirma.
Dar soporte interno
Un agente también puede responder a empleados sobre procedimientos o documentación. En ese caso debe respetar permisos: una persona no debería obtener por voz información a la que no accedería en la aplicación original.
Lo que hay que diseñar antes de conectar el teléfono
Identidad y verificación
Define qué puede revelar sin verificar y qué comprobación exige cada dato. Consultar un horario no requiere lo mismo que leer una factura o cambiar una cita médica.
Evita usar preguntas cuya respuesta sea fácil de adivinar. Cuando el riesgo lo requiera, combina la llamada con un código de un solo uso o una verificación en un canal ya autenticado.
Permisos por herramienta
No entregues una credencial con acceso total. Separa herramientas de lectura y escritura y limita los parámetros permitidos.
Un primer piloto puede funcionar en solo lectura. Después pueden añadirse acciones reversibles, como crear un ticket o un borrador. Las acciones sensibles deben quedar bloqueadas o requerir confirmación.
Handoff humano
La transferencia no consiste solo en desviar la llamada. El equipo debe recibir:
- Motivo de contacto.
- Datos que se han verificado.
- Resumen de la conversación.
- Consultas y acciones ejecutadas.
- Motivo exacto del escalado.
También hace falta un plan para cuando el equipo no está disponible: devolución de llamada, ticket o recogida mínima de información.
Logs, transcripciones y grabaciones
Registra eventos suficientes para investigar errores sin conservar datos innecesarios. No mezcles automáticamente grabación, transcripción y analítica: cada elemento necesita propósito, acceso y retención propios.
Una voz o grabación identificable puede ser dato personal. Puede entrar en categorías biométricas especiales cuando se procesa técnicamente para identificar de forma única a una persona. El tratamiento concreto y su base jurídica deben revisarse para el caso de uso, no resolverse con una frase genérica de “cumplimos RGPD”.
Transparencia y AI Act
Desde el 2 de agosto de 2026 se aplican las obligaciones de transparencia del artículo 50 del AI Act. En términos prácticos, un sistema diseñado para interactuar directamente con personas debe informar de que se trata de IA, salvo que resulte evidente en el contexto.
Por tanto, el inicio de la llamada debe identificar claramente al asistente. Si se graba o transcribe, añade la información exigida por privacidad y ofrece los canales correspondientes. La frase exacta y el resto de obligaciones dependen del propósito, sector y configuración; valida el aviso con asesoramiento jurídico.
Cómo implantarlo por fases
1. Analiza llamadas reales
Clasifica una muestra: motivo, duración, datos consultados, acción final, excepciones y momento de escalado. No empieces por el proveedor de voz.
2. Elige un flujo de bajo riesgo
Un buen piloto tiene suficiente volumen, una respuesta verificable y una salida humana. Horarios, requisitos o consulta en solo lectura suelen ser mejores que reclamaciones o ventas complejas.
3. Define una política de conversación
Documenta qué puede decir, qué debe leer literalmente, qué no puede prometer, qué datos solicita y cuándo finaliza o transfiere.
4. Conecta una fuente y una acción
Limita el primer alcance. Por ejemplo: consultar calendario y crear un borrador de cita. Añadir CRM, tickets, WhatsApp y pagos a la vez dificulta saber dónde falla.
5. Simula antes de llamar a clientes
Prueba interrupciones, ruido, cambios de idioma, números y nombres, usuarios enfadados, silencios, herramienta caída, datos ambiguos e intentos de saltarse permisos.
6. Lanza con límites
Activa un horario, tipo de consulta o porcentaje de llamadas. Revisa a diario al principio y conserva un mecanismo rápido para volver a atención humana.
Qué medir
No uses solo “llamadas atendidas”. Un cuadro útil incluye:
- Resolución correcta sin intervención.
- Transferencias correctas y transferencias tardías.
- Acciones confirmadas por el sistema propietario.
- Errores de datos, permisos o promesas.
- Tiempo hasta resolución.
- Repetición por parte del cliente después del handoff.
- Coste total por llamada resuelta.
Escucha y revisa una muestra, incluyendo fallos. Una tasa de automatización alta puede ocultar malas respuestas si nadie comprueba calidad.
Cuánto cuesta
No existe un precio universal por minuto. El coste total combina:
- Telefonía y números.
- Audio, transcripción o modelo realtime.
- Modelo de razonamiento y llamadas a herramientas.
- Integraciones, almacenamiento y observabilidad.
- Desarrollo, evaluación, soporte y revisión humana.
Calcula al menos tres escenarios de volumen y añade picos, llamadas transferidas y reintentos. Compara el coste por resolución correcta, no solo el coste por minuto.
Cuándo no usarlo
No es un buen primer proyecto si:
- Casi todas las llamadas requieren negociación o criterio experto.
- No existe una fuente fiable para responder.
- No puedes verificar a la persona cuando se necesita.
- No hay equipo o mecanismo de escalado.
- El volumen no justifica integrar y mantener telefonía.
En esos casos puede funcionar mejor un formulario, un chatbot de WhatsApp o una herramienta interna asistida.
Recomendación final
Un voice agent útil no intenta parecer humano a toda costa. Informa de que es IA, resuelve un flujo acotado, usa permisos mínimos y sabe cuándo parar.
Si quieres valorar el caso, en Navel Digital podemos revisar una muestra de llamadas, mapear herramientas y proponer un piloto dentro de nuestro servicio de automatización y agentes con IA.