Agente de voz IA que coge el teléfono, consulta tus sistemas y pasa a una persona con el contexto

Un agente de voz con IA (un voicebot que entiende lo que le dicen, o una recepcionista IA) conectado a tu centralita y a tus sistemas: atiende llamadas con tus datos reales, mira el estado de un pedido o de una cita, llama para confirmar o recordar, transcribe y resume cada llamada y la pasa a una persona cuando hace falta. 8.000-30.000 € como proyecto a medida, en producción en 6-10 semanas.

  • 8.000-30.000 € Proyecto a medida, con la voz como canal
  • 6-10 semanas De la primera reunión a producción
  • Art. 50 Aviso de que se habla con una IA, desde la primera frase
Cómo trabaja un agente: lee tus sistemas, planifica, propone, una persona aprueba, ejecuta y todo queda registrado Aprende de cada aprobación 01 · Sistemas Lee ERP, CRM ycorreo 02 · Objetivo Planifica lospasos 03 · Propuesta Con la evidencia 04 · Control Una personaaprueba 05 · Acción Ejecuta en tussistemas 06 · Registro Todo queda trazado
  1. 01 · Sistemas Lee ERP, CRM y correo
  2. 02 · Objetivo Planifica los pasos
  3. 03 · Propuesta Con la evidencia
  4. 04 · Control Una persona aprueba
  5. 05 · Acción Ejecuta en tus sistemas
  6. 06 · Registro Todo queda trazado
  7. Aprende de cada aprobación
Scroll

Definición

¿Qué es un agente de voz con IA?

Un agente de voz con IA es un sistema que atiende o hace llamadas telefónicas hablando en lenguaje natural: transcribe lo que dice la persona, un modelo de IA entiende la petición y consulta los sistemas de la empresa (agenda, tienda, ERP o CRM) y responde con una voz sintética en el mismo idioma. Cuando hace falta, transfiere la llamada a una persona con un resumen de lo hablado.

Se diferencia de una centralita con menú (el IVR del «pulse 1») en que no obliga a elegir opciones: quien llama explica lo que quiere con sus palabras. Y de un voicebot de guion en que no sigue un árbol cerrado: entiende preguntas que nadie previó y, cuando no le toca responder, lo dice y pasa la llamada. Por debajo hay cuatro piezas: la línea telefónica (normalmente por SIP desde tu centralita o tu operador), el reconocimiento de voz, el modelo que decide y consulta, y la síntesis de voz. Una buena llamada depende de que las cuatro respondan rápido y de que el agente sepa callarse cuando le interrumpen.

Resumen

Resumen ejecutivo

Para la dirección.

Una llamada que nadie coge es un cliente que se va o una cita que no se reserva. Y las que sí se cogen suelen ser las mismas preguntas: el horario, si ha salido el pedido, cambiar una cita. Un agente de voz con IA coge el teléfono a cualquier hora y en el idioma de quien llama, responde con los datos de tus sistemas y deja a tu equipo las llamadas que necesitan a una persona, con el resumen ya escrito.

Lo construimos con el mismo motor que ya tenemos en producción en texto: el asistente de La Salve consulta pedidos reales tras verificar la identidad del cliente en el servidor, y el de kiwop.com funciona sobre Claude. La voz añade sus propios problemas: telefonía, latencia, interrupciones, el aviso obligatorio de que se habla con una IA y la grabación con consentimiento. Si el canal es escrito, mira chatbots con IA o el agente de IA en WhatsApp.

  • 8.000-30.000 € Agente de voz a medida
  • 6-10 semanas Hasta producción
  • ISO 42001 Gestión de la IA certificada, con ISO 27001 y ENS

Qué incluye

Qué hace el agente al teléfono

Lo que resuelve solo, con tus datos, y lo que pasa a tu equipo.

  • Llamadas entrantes: coge el teléfono con el nombre de tu empresa y responde horarios, dirección, tarifas o dudas de servicio con tu información real
  • Estado de pedidos y citas: consulta tu tienda, tu ERP o tu agenda y dice dónde está el pedido o cuándo es la cita, tras comprobar quién llama
  • Reservas por teléfono: busca huecos en tu agenda real y reserva, cambia o anula sin dobles reservas
  • Llamadas salientes de confirmación o recordatorio («¿mantenemos la cita de mañana?»), con la respuesta anotada en tu agenda
  • Transcripción y resumen de cada llamada: motivo, qué se resolvió y qué queda pendiente, en tu CRM o tu herramienta de tickets
  • Traspaso a una persona con el contexto: transfiere a la extensión que toca y le pasa el resumen antes de conectar
  • Aviso de IA y de grabación al empezar, y opción de pedir una persona en cualquier momento de la llamada
  • Voz natural en varios idiomas: detecta el idioma de quien llama y responde en el mismo
  • Panel de llamadas: cuántas entran, cuántas resuelve, cuántas traspasa, cuánto duran y lo que cuesta cada una

Por qué

Latencia, interrupciones y cortes, resueltos en el diseño

Al teléfono no hay pantalla que tape un silencio. El diseño empieza por ahí.

En una llamada, un silencio largo suena a que se ha cortado. Por eso cada pieza trabaja en streaming: el reconocimiento transcribe mientras la persona habla, el modelo empieza a responder sin esperar al final y la voz se genera a trozos. Medimos la latencia de cada turno con llamadas reales y elegimos modelo y proveedor de voz con esa medida delante. Si una consulta a tu sistema tarda, el agente lo dice («un momento, lo miro») en lugar de quedarse callado. Si la persona le interrumpe, deja de hablar y escucha. Y si la llamada se corta, queda registrada con lo hablado hasta ese punto para que alguien de tu equipo pueda devolverla.

voz/turno.ts
// Cada turno de la llamada, en streaming
stt.onParcial((texto) => agente.escuchar(texto))
agente.onRespuesta(async (trozo) => {
if (llamada.interrumpida) return tts.parar()
await tts.decir(trozo)
})
if (agente.debeTraspasar) sip.transferir(ext, resumen)
llamada.onCorte(() => registrar(transcripcion))
  • Streaming Turnos
  • Escucha Interrupción
  • Registrado Corte

Claves

Para qué lo usan las empresas

Cuatro usos habituales. El mismo agente puede cubrir varios desde el mismo número.

  1. 01

    Recepción: una recepcionista IA que coge todas las llamadas

    Responde lo frecuente (horarios, cómo llegar, precios publicados, si hacéis tal servicio) y, si la llamada es para alguien, pregunta el motivo y la pasa a su extensión con el resumen. Fuera de horario, toma el recado y lo deja en tu CRM o en tu correo.

  2. 02

    Citas: reservar, confirmar y recordar

    Clínicas, talleres, academias o servicios técnicos. Reserva contra tu agenda real y, el día antes, llama para confirmar o recordar la cita; si el cliente la anula, el hueco queda libre al momento. Si prefieres que el recordatorio llegue por escrito, el mismo motor lo manda con el agente de IA en WhatsApp.

  3. 03

    Pedidos, envíos y servicio técnico

    «¿Dónde está mi pedido?» o «¿cuándo viene el técnico?». El agente comprueba quién llama, consulta tu tienda, tu ERP o tu herramienta de servicio y responde con el estado real. La conexión con esos sistemas la hacemos como en integración de ERP y ecommerce.

  4. 04

    Picos de llamadas y desbordamiento

    Una campaña, la temporada alta o una incidencia que hace sonar todos los teléfonos a la vez. El agente atiende las llamadas que tu equipo no llega a coger, resuelve lo que puede y deja el resto con su resumen, en lugar de un buzón de voz que nadie escucha. Lo que pasa después de la llamada (abrir un ticket, avisar en Slack, actualizar el CRM) lo encadenamos con n8n o Make.

Cómo trabajamos

Cómo lo ponemos en marcha

De la primera reunión al agente cogiendo el teléfono: 6-10 semanas.

  1. 01

    Llamadas reales y alcance

    Revisamos una muestra de las llamadas que recibes y decidimos contigo qué resuelve el agente solo y qué pasa siempre a una persona. También miramos tu centralita, tu operador y cómo se transfieren hoy las llamadas.

    Semanas 1-2
  2. 02

    Telefonía y voz

    Conectamos el agente a tu centralita o a tu operador por SIP, o a un número nuevo si lo prefieres. Elegimos la voz y los proveedores de reconocimiento y síntesis para cada idioma, midiendo la latencia con llamadas reales.

    Semanas 2-4
  3. 03

    Agente e integraciones

    Conectamos el agente a tu agenda, tienda, ERP o CRM, con la verificación de identidad y los permisos hechos en código. Redactamos el saludo con el aviso de IA y de grabación y cargamos tu información.

    Semanas 3-8
  4. 04

    Pruebas con tu equipo y salida

    Tu equipo llama al agente antes que tus clientes: acentos, ruido de fondo, interrupciones, preguntas fuera de guion. Ajustamos y lo abrimos por partes (primero fuera de horario o como desbordamiento) hasta que coge todas las llamadas acordadas.

    Semanas 8-10
  5. 05

    Ajuste tras el lanzamiento

    Revisamos transcripciones, corregimos lo que falla y añadimos lo que se repite. Incluye 3 meses de ajuste.

    3 meses

Para quién

¿Es para ti?

Encaja cuando el teléfono es un canal de verdad para tu negocio y las respuestas dependen de tus datos.

Para quién

  • Negocios con cita (clínicas, talleres, academias, servicios técnicos) que pierden llamadas mientras atienden en persona.
  • Empresas que reciben cada día las mismas preguntas por teléfono: horarios, pedidos, envíos o el estado de un servicio.
  • Equipos de atención que no llegan a los picos de llamadas o que cierran por la noche y el fin de semana.
  • Empresas con clientes que llaman en varios idiomas.
  • Quien quiere tener por escrito qué se habló en cada llamada sin que nadie tome notas.

Para quién no

  • Si recibes pocas llamadas al día y alguien las coge: un desvío al móvil sale más barato.
  • Si quieres hacer llamadas comerciales en frío a listas: no lo hacemos.
  • Si cada llamada exige criterio profesional (un diagnóstico, un asesoramiento legal): el agente puede filtrar y agendar, no sustituir a esa persona.
  • Si no hay nadie en tu empresa que atienda las llamadas que el agente traspasa.

Inversión

Cuánto cuesta un agente de voz con IA

Los mismos precios que publicamos para chatbots y agentes. Sin IVA.

La voz es un canal más dentro de un proyecto a medida, no un producto aparte. Tras la primera reunión, con tus llamadas y tus sistemas delante, te damos una cifra cerrada. El desglose general, en <a href="/cuanto-cuesta-chatbot-ia">cuánto cuesta un chatbot de IA</a>.

  • Agente de voz para atención Más habitual

    8.000-30.000 €

    Atiende llamadas con tus datos y, si quieres, también en la web. 6-10 semanas.

    • Conexión con tu centralita u operador por SIP
    • Respuestas con tu información, tarifas y políticas reales
    • Consulta de pedidos o citas con verificación de identidad
    • Transcripción, resumen y traspaso a una persona con el contexto
    • Aviso de IA y de grabación, y panel de llamadas
    • 3 meses de ajuste tras el lanzamiento
    Hablar con un arquitecto
  • Agente que opera en tus sistemas

    25.000-50.000 €

    Un agente con 2-3 herramientas sobre un sistema tuyo. 4-6 semanas hasta producción.

    • Todo lo del agente de voz para atención
    • Acciones en tu ERP, CRM o agenda, no solo consultas
    • Límites de autonomía y aprobación humana en las acciones de alto impacto
    • Registro de cada acción y monitorización
    • 30 días de soporte tras el despliegue
    Ver agentes de IA

El coste por minuto del proveedor de voz (reconocimiento y síntesis) y de la telefonía va aparte: lo paga tu cuenta según la tarifa vigente de cada proveedor, que cambia con el volumen y el idioma. El consumo del modelo de IA también va aparte. Lo calculamos contigo antes de empezar, con tu volumen real de llamadas.

Entregables

Qué entra y qué no

Para que sepas qué pagas a quién.

Incluido

  • Conexión con tu centralita u operador y reglas de desvío de llamadas
  • Elección y configuración de la voz en cada idioma
  • Agente conectado a tu agenda, tienda, ERP o CRM
  • Transcripción, resumen y traspaso con contexto, y panel de llamadas
  • Saludo con aviso de IA y de grabación, retención de datos configurada
  • Documentación técnica y formación de tu equipo

No incluido

  • Minutos del proveedor de voz, de la telefonía y consumo del modelo (se pagan a cada proveedor)
  • Campañas de llamadas comerciales en frío

La prueba

Empezando por nuestro propio teléfono

El teléfono de Kiwop ya lo atiende un agente de voz con IA, construido con ElevenLabs y conectado por SIP a nuestra centralita: es el mismo servicio que te ofrecemos, probado primero en casa. Y el motor que hay detrás está en producción en otros canales: entender la petición, consultar sistemas reales con la identidad verificada y saber cuándo pasar a una persona. Lo que cambia al teléfono es el canal: telefonía, reconocimiento y síntesis de voz, y latencia. En La Salve, la cervecera de Bilbao del grupo Mahou, el asistente de atención al cliente está conectado a WooCommerce, comprueba en el servidor que el pedido es de quien pregunta, responde en 1-9 segundos, 24/7 y en el idioma de cada persona, y lo que no resuelve lo convierte en tickets ya clasificados en 8 categorías con enrutado automático. El asistente de kiwop.com funciona en producción sobre Claude, con la API de Anthropic. Y Nexo, nuestra plataforma, opera 27 agentes de IA con aprobación humana en las acciones con consecuencias y registro de cada llamada al modelo: tokens, coste y quién aprobó qué.

  • 1-9 s Respuesta del asistente de La Salve, en texto
  • 8 Categorías de ticket con enrutado automático en La Salve
  • 27 Agentes de IA activos en Nexo
  • 5,0 Valoración en Clutch

Para el CTO

Resumen técnico

Para el CTO.

La llamada entra por SIP desde tu centralita o tu operador, o a través de un proveedor de telefonía programable como Twilio o Vonage, y llega a un servicio propio que orquesta cada turno: reconocimiento de voz en streaming, modelo con herramientas (Claude, GPT u otro, intercambiables) y síntesis de voz. La lógica vive en nuestro código, no en la plataforma del proveedor de voz: cambiar de voz o de modelo no obliga a rehacer el agente. La verificación de identidad, los permisos, las reglas de traspaso y el aviso inicial son deterministas, como en La Salve.

Las herramientas llaman a tu agenda, tienda, ERP o CRM por API, con credenciales en un gestor cifrado y permisos mínimos. Cada llamada queda registrada con su transcripción, su resumen, las herramientas usadas, la latencia de cada turno y su coste. Para conectar el modelo con tus sistemas, el detalle está en integración de LLMs; si el agente tiene que responder con mucha documentación, busca con un RAG empresarial y responde solo con lo que encuentra.

Tecnologías

  • SIP
  • WebRTC
  • Twilio
  • Vonage
  • ElevenLabs
  • Anthropic Claude
  • OpenAI
  • Node.js
  • Python
  • PostgreSQL
  • Redis
  • Docker
  • Entrada por SIP desde tu centralita u operador
  • Reconocimiento, modelo y síntesis de voz en streaming
  • Modelo y voz intercambiables; reglas y permisos en código
  • Verificación de identidad en el servidor antes de dar datos
  • Transferencia con resumen y registro de cada llamada con latencia y coste

Riesgos y cómo los cubrimos

Riesgos y cómo los evitamos

Lo que puede salir mal cuando una IA coge el teléfono de tu empresa.

  1. 01

    El agente da datos de un pedido o una cita a quien no es su titular

    Mitigación

    La verificación la hace el código contra tu sistema (número de pedido, teléfono desde el que se llama u otro dato que encaje en tu caso), no el modelo. Sin coincidencia, no da ningún dato.

  2. 02

    Respuestas inventadas sobre precios, disponibilidad o plazos

    Mitigación

    Solo responde con datos que consulta en tus sistemas o en tus documentos. Si no los encuentra, lo dice y pasa la llamada o toma el recado.

  3. 03

    Silencios largos o el agente hablando encima de quien llama

    Mitigación

    Todo va en streaming, medimos la latencia de cada turno y el agente deja de hablar cuando le interrumpen. Si una consulta tarda, avisa en lugar de callar.

  4. 04

    Quien llama no sabe que habla con una IA

    Mitigación

    El saludo lo dice en la primera frase y en cualquier momento se puede pedir una persona. Ese texto lo fija el código: el modelo no puede omitirlo.

  5. 05

    Grabaciones guardadas sin informar o sin plazo

    Mitigación

    Aviso de grabación al empezar, retención configurada y borrado automático. Si no necesitas el audio, guardamos solo la transcripción y el resumen.

Tecnologías

Tecnologías

Con las que construimos y conectamos el agente de voz.

  • SIP
  • WebRTC
  • Twilio
  • Vonage
  • ElevenLabs
  • Anthropic Claude
  • OpenAI
  • Node.js
  • Python
  • PostgreSQL
  • Redis
  • Docker
  • WooCommerce
  • HubSpot
  • Zendesk
  • Google Calendar

Preguntas frecuentes

Preguntas frecuentes sobre agentes de voz con IA

Lo que nos preguntan antes de empezar.

¿Qué diferencia hay entre un agente de voz con IA, un voicebot y un IVR?

Un IVR es el menú de «pulse 1, pulse 2». Un voicebot clásico sigue un guion cerrado. Un agente de voz con IA entiende lo que le dicen con palabras normales, consulta tus sistemas para responder con datos reales y decide cuándo pasar la llamada a una persona.

¿Cuánto cuesta un agente de voz con IA?

Como proyecto a medida, 8.000-30.000 € sin IVA, según las integraciones y los idiomas; si además tiene que ejecutar acciones en tus sistemas, el agente parte de 25.000-50.000 €. Aparte van los minutos del proveedor de voz y de la telefonía y el consumo del modelo de IA, que cobra cada proveedor según su tarifa.

¿Cuánto cuesta cada minuto de llamada?

Depende del proveedor de voz, del de telefonía y del modelo, y cada uno cobra según su tarifa vigente, normalmente por minuto o por uso. Lo paga tu cuenta directamente. No damos una cifra porque cambia de un proveedor a otro y con el tiempo: la calculamos contigo antes de empezar, con tu volumen de llamadas y su duración media.

¿El agente tiene que decir que es una IA?

Sí. Desde el 2 de agosto de 2026 rigen las obligaciones de transparencia del Art. 50 del Reglamento Europeo de IA, como avisar de que se está hablando con una IA: el usuario debe saber que interactúa con IA y debe existir un mecanismo para solicitar intervención humana. El agente lo dice en la primera frase y ofrece hablar con una persona. El resto de obligaciones, en cumplimiento del Reglamento Europeo de IA.

¿Se pueden grabar las llamadas? ¿Es compatible con el RGPD?

Sí, si se diseña para ello: aviso al empezar de que la llamada se graba, para qué y dónde consultar la política de privacidad; si alguien no quiere, el agente no guarda el audio o le pasa con una persona. Además, retención configurada, proveedores de voz e IA con acuerdo de tratamiento de datos y verificación de identidad antes de dar datos personales. Lo hacemos con los controles con los que estamos certificados en ISO 27001, ISO 42001 y ENS.

¿Se conecta con mi centralita actual?

Si tu centralita (en la nube o física) o tu operador admiten SIP, el agente se conecta como una extensión o un troncal más y puede transferir llamadas a tus extensiones. Lo comprobamos en las primeras semanas, antes de construir nada. Si no hay forma, se desvían a un número nuevo las llamadas que acordemos.

¿Puedo mantener mi número de teléfono?

Sí. No hace falta cambiar de número: tu centralita o tu operador desvían al agente las llamadas que acordemos (todas, las de fuera de horario o las que nadie coge a tiempo). Si prefieres empezar con un número aparte para probar, también se puede.

¿Cómo suena? ¿Se nota que es una máquina?

Las voces sintéticas actuales suenan naturales, con entonación y pausas. Elegimos la voz de cada idioma con tu equipo y la probamos con llamadas reales. Aun así, el agente dice desde el principio que es una IA: lo exige la ley y evita que nadie se sienta engañado.

¿En qué idiomas puede atender?

En los que necesite tu negocio, con una voz para cada uno. Detecta el idioma de quien llama y responde en el mismo. Antes de abrirlo probamos cada idioma con llamadas reales, también con acentos y ruido de fondo.

¿Qué pasa si el agente no entiende o la llamada se corta?

Si no entiende, pide que se lo repitan; si sigue sin entender o la petición no le corresponde, pasa la llamada a una persona o toma el recado. Si la llamada se corta, queda registrada con la transcripción hasta ese punto para que alguien de tu equipo pueda devolverla.

¿En qué se diferencia de vuestro chatbot o del agente de WhatsApp?

El motor es el mismo: entiende, consulta tus sistemas y pasa a una persona. Cambia el canal. Esta página es para el teléfono, con su telefonía, su latencia y su aviso de IA y de grabación. Si el canal es escrito, mira chatbots con IA o el agente de IA en WhatsApp; si el agente tiene que operar en varios sistemas, desarrollo de agentes de IA.

Siguiente paso

Cuéntanos qué llamadas recibes

30 minutos con quien va a diseñar el agente. Te decimos qué puede resolver al teléfono con tus datos, qué costaría y si te basta con un desvío de llamadas.

  • Sin compromiso
  • Respuesta en 24h
  • Propuesta personalizada
Última actualización: octubre de 2026

Hablemos.

Consulta técnica inicial

IA, seguridad y rendimiento. Diagnóstico y propuesta cerrada por fases.

  • NDA disponible
  • Respuesta <24h
  • Propuesta por fases

Tu primera reunión es con un Arquitecto de Soluciones, no con un comercial.

Hablar con un arquitecto