Agente telefónico de IA para las llamadas de clientes: añadirlo a tu plataforma de centro de contacto, usar una plataforma de IA de voz o construir uno propio

Un agente telefónico de IA atiende o hace llamadas en nombre de tu empresa y habla con los clientes con una voz generada por ordenador. Puede responder preguntas frecuentes o registrar una reserva, y pasa la llamada a una persona cuando no puede ayudar. Las plataformas de centro de contacto y de telefonía, como Amazon Connect, Genesys Cloud y Twilio, ya ofrecen sus propias funciones de agentes de IA. Una plataforma especializada de IA de voz puede conectarse a tus números y sistemas actuales, y una empresa puede construirte un pipeline a partir de piezas independientes. La elección depende sobre todo de lo que deba hacer el agente en tus sistemas y de dónde puedan guardarse tus grabaciones de llamadas.

¿Cómo funciona un agente telefónico de IA?

Cada vez que habla quien llama, un agente telefónico hace cuatro tareas. La telefonía, el servicio que conecta las llamadas con tus números de teléfono, trae la voz de la persona. Un modelo de voz a texto (speech-to-text) la convierte en texto. Un modelo de lenguaje, el tipo de IA que hay detrás de ChatGPT, decide qué decir o qué acción pedir a tus sistemas. Un modelo de texto a voz (text-to-speech) pronuncia la respuesta.

La guía de OpenAI sobre agentes de voz lo llama un pipeline encadenado, útil cuando quieres «inspeccionar o transformar el texto intermedio y sustituir cada componente de forma independiente». Otro diseño usa un único modelo de voz a voz. La misma guía describe que la Realtime API de OpenAI usa «un solo modelo para interpretar el audio, decidir qué hacer y responder con voz». Con un modelo así, pregunta cómo obtienes la transcripción que vas a conservar. Todas las fuentes de este artículo se consultaron el 6 de noviembre de 2026.

¿Por qué importan la demora y las interrupciones en una llamada?

Quien llama no puede ver que algo está pasando, así que una pausa larga puede sonar a llamada cortada. Cuando la persona deja de hablar, el agente primero tiene que decidir que ha terminado. Después, cada una de las cuatro tareas añade su propio tiempo antes de que empiece la respuesta. Decidirlo demasiado pronto también tiene un coste: el agente interrumpe mientras quien llama hace una pausa al leer en voz alta un número de cuenta.

La documentación de la Realtime API de OpenAI muestra dos formas de decidirlo. Una espera una «duración del silencio (en milisegundos) para detectar el final del habla» fijada de antemano. La otra «usa un clasificador semántico para detectar cuándo el usuario ha terminado de hablar, a partir de las palabras que ha pronunciado».

Quienes llaman también hablan por encima del agente, lo que se conoce como barge-in. El agente tiene que callarse y saber qué parte de su respuesta ha oído la persona. ConversationRelay de Twilio, que conecta una llamada de Twilio con tu propia aplicación de IA, avisa a esa aplicación «cuando quien llama interrumpe la reproducción de TTS al hablar», siendo TTS la conversión de texto a voz (text-to-speech). Un ruido de fondo o un rápido «ajá» no deberían detener al agente. LiveKit, un software de código abierto para construir agentes de voz, describe una gestión de interrupciones que «puede distinguir las interrupciones reales del backchanneling conversacional», es decir, de esos pequeños sonidos de asentimiento. La documentación de LiveKit dice que el modelo en el que se basa funciona en LiveKit Cloud, su servicio alojado.

¿Cómo pasa el agente una llamada a una persona?

En Amazon Connect, el agente de IA tiene una herramienta predeterminada llamada Escalate, «para transferir a un agente humano». Un ejemplo de AWS, que vende Amazon Connect, la sustituye por una herramienta Escalate personalizada que transmite el motivo y un resumen. Vapi, una plataforma de agentes de voz con IA, ofrece varios modos de transferencia ciega y de transferencia asistida. Una transferencia ciega «conecta a quien llama sin hablar con el destino». Una transferencia asistida «lee al destino un resumen generado de la conversación antes de conectar». Vapi solo ofrece esta transferencia con resumen para Twilio.

Deja por escrito qué casos van siempre a una persona, como las reclamaciones. Después prueba qué ve tu equipo cuando llega una llamada de ese tipo, también fuera del horario laboral.

¿Qué nos da el agente de IA propio de nuestra plataforma de centro de contacto?

En esta vía, el agente de IA trabaja dentro del sistema que ya contiene tus colas y tus grabaciones. AWS dice que lo que llama autoservicio agéntico en Amazon Connect «permite a los agentes de IA resolver de forma autónoma las incidencias de los clientes en los canales de voz y de chat». El agente accede a tus otros sistemas mediante herramientas MCP, para acciones «como consultar el estado de un pedido, tramitar reembolsos y actualizar registros». MCP, siglas de Model Context Protocol, es una forma estándar de conectar la IA con el software. Genesys dice que su Virtual Agent funciona «tanto en flujos de bots de voz y digitales nuevos como en los ya existentes», es decir, en sus flujos automatizados de llamadas y de chat.

ConversationRelay de Twilio deja más en tus manos. «Convierte la voz en texto y lo envía a tu aplicación», y tu aplicación, que construyes tú o una empresa, decide la respuesta. Para los usuarios de Twilio, esta vía se acerca mucho a construir un agente propio.

A cambio, aceptas los modelos y las voces que elige la plataforma. Twilio ofrece Google y Deepgram para la conversión de voz a texto. La página de AWS sobre Amazon Nova Sonic, un modelo de voz a voz, enumera un conjunto inicial de cuatro voces, tres en inglés y una en español de Estados Unidos. Esta vía encaja cuando la mayoría de tus llamadas pasa por la plataforma y esta cubre los idiomas de quienes te llaman.

¿Cuándo tiene sentido una plataforma especializada de IA de voz?

Las plataformas de agentes de voz con IA venden el propio agente telefónico. Tú escribes sus instrucciones y eliges los modelos, y la plataforma lo conecta a tus números y sistemas. La página de precios de Vapi enumera la conversión de voz a texto, el modelo de lenguaje y la voz como partidas separadas de proveedores distintos. Retell, otra plataforma de este tipo, dice que su guía «muestra cómo integrar los agentes de Retell con tu proveedor de telefonía y usar tus propios números», mediante troncales SIP. Una troncal SIP es una conexión que transporta llamadas por internet entre tu proveedor de telefonía y otro sistema.

Una plataforma encaja cuando la propia IA de tu centro de contacto no supera tus pruebas, o cuando quieres un único agente para varios sistemas telefónicos. El coste es que un proveedor más procesa el audio de quienes te llaman con sus propias condiciones, y una transferencia a tu equipo pasa por dos sistemas. Vapi dice que «por defecto, Vapi guarda los artefactos de forma segura en la nube», es decir, las grabaciones, las transcripciones y los logs. Puedes enviarlos a tu propio almacenamiento en su lugar.

¿Cuándo compensa construir nuestro propio agente telefónico?

Un pipeline propio une piezas independientes: la telefonía de un operador o de una plataforma como Twilio, más la conversión de voz a texto, un modelo de lenguaje y la conversión de texto a voz. Un código escrito para ti decide quién habla y cuándo, gestiona las interrupciones, llama a tus sistemas y guarda los logs. Un software de código abierto como LiveKit cubre parte de ese trabajo. Cada pieza puede alquilarse o ejecutarse en tus propios servidores. Construirlo compensa cuando se cumple al menos uno de estos puntos:

• El audio, las transcripciones o el modelo deben quedarse en servidores que controlas
• El agente debe actuar en sistemas a los que no se conecta ningún proveedor
• Necesitas elegir y sustituir cada pieza, como un modelo de voz que maneje mejor los idiomas de quienes te llaman
• Con tu volumen, las tarifas por minuto cuestan más que operar tu propio sistema

Construirlo lleva más tiempo, y después del lanzamiento alguien tiene que operar el sistema. Los artículos siguientes tratan quién puede hacerlo sin un equipo de aprendizaje automático y qué precisión tiene la conversión de voz a texto en llamadas reales.

¿Dónde se guardan las grabaciones y las transcripciones, y podemos exportarlas?

Las grabaciones y las transcripciones son lo más difícil de trasladar después, así que decide dónde se guardan antes del lanzamiento:

• Amazon Connect: tú «especificas el bucket y la clave de KMS para las grabaciones de las conversaciones de voz». Es decir, una ubicación de almacenamiento en Amazon S3, el almacenamiento en la nube de Amazon, y una clave de cifrado que eliges tú
• Twilio: por defecto, las grabaciones se quedan en un «almacenamiento cifrado en la nube» de Twilio. Con el almacenamiento externo activado, «Twilio sube las nuevas grabaciones de voz (Voice Recordings) a un bucket de AWS S3 de tu propiedad en lugar de guardarlas en la nube de Twilio».
• Vapi: por defecto en la nube de Vapi, o en tu propio Amazon S3 o Google Cloud Storage
• Tu propio pipeline: donde tú las pongas

En cualquier vía, exporta periódicamente las grabaciones, las transcripciones y los logs a un almacenamiento que controle tu empresa. Da a las transcripciones los mismos permisos de acceso y el mismo plazo de conservación que a las grabaciones.

¿Quién controla lo que puede hacer el agente en nuestros sistemas?

Las instrucciones del agente, llamadas prompts, suelen estar en la herramienta del proveedor, así que guarda una copia que puedas llevarte. Las acciones necesitan reglas más estrictas que las respuestas, porque un reembolso o un cambio en una cuenta modifica tus registros. Amazon Connect dice que «los agentes de IA usan el mismo marco de perfiles de seguridad que los agentes humanos, que controla a qué herramientas puede acceder el agente de IA». Da al agente permisos para las acciones de su lista y nada más, y decide cómo comprueba quién llama.

La persona que debería aprobar una acción arriesgada rara vez está al teléfono. El agente puede registrar la solicitud y decir a quien llama cuándo puede esperar una respuesta, y tu equipo la completa después de comprobarla. El artículo sobre agentes de IA y aprobación humana, enlazado arriba, explica qué acciones necesitan la aprobación de una persona.

Si quienes llaman pagan con tarjeta, pregunta cómo se mantienen los números de tarjeta fuera del modelo y de las grabaciones. Twilio advierte sobre el campo que devuelve los datos de la llamada después de una sesión de IA: «No incluyas datos PCI en este campo». Los datos PCI son los datos de tarjeta que cubre la norma de seguridad del sector de las tarjetas de pago.

¿De quién son los números de teléfono y es difícil cambiar de proveedor?

Tus clientes conocen tus números, así que mantén el control sobre ellos. Un número comprado a una plataforma tiene que portarse, es decir, trasladarse a otro proveedor, si te vas. Twilio, por ejemplo, dice que trasladar un número a su servicio «tarda entre 5 y 15 días, pero puede tardar hasta 4 semanas si tu proveedor actual lo rechaza». Evitas la mayor parte de eso si mantienes los números con un operador que elijas tú y conectas la IA a ellos. Retell lo hace mediante una troncal SIP, y Vapi puede importar «un número de Twilio nuevo o existente». Así, cambiar más adelante consiste en cambiar adónde se enrutan las llamadas.

¿Qué normas se aplican cuando una IA habla por teléfono?

En Estados Unidos, la Telephone Consumer Protection Act (TCPA) restringe las llamadas hechas con una voz artificial o pregrabada. La Federal Communications Commission (FCC) adoptó una resolución declaratoria (declaratory ruling) el 2 de febrero de 2024 (FCC 24-17). En ella, la FCC escribió: «confirmamos que las restricciones de la TCPA sobre el uso de una “voz artificial o pregrabada” abarcan las tecnologías de IA actuales que generan voces humanas». Por tanto, esas llamadas «requieren el consentimiento previo expreso de la persona llamada para iniciarlas, salvo que tengan un fin de emergencia o estén exentas». Si una de esas llamadas presenta un anuncio o contiene telemarketing, es decir, si anima a comprar o alquilar bienes o servicios, o a invertir en ellos, las normas de la FCC exigen un «consentimiento previo expreso por escrito».

La resolución dice que la TCPA no admite ninguna «excepción para las tecnologías que pretenden ofrecer el equivalente de un agente en vivo». Un agente de IA que habla como una persona no tiene ninguna excepción. Las normas que cita exigen que la llamada «indique claramente la identidad de la empresa» al principio, y las llamadas de telemarketing deben ofrecer una forma de darse de baja. Estos requisitos se aplican a «cualquier tecnología de IA que inicie una llamada telefónica saliente a consumidores con una voz artificial o pregrabada». Para las llamadas que te hacen los clientes, pregunta a tus abogados qué normas se aplican.

En la UE, el artículo 50, apartado 1, del Reglamento de IA (AI Act), la ley de la UE sobre inteligencia artificial, se aplica a los sistemas de IA que interactúan directamente con personas. Deben diseñarse de forma que las personas «estén informadas de que están interactuando con un sistema de IA», salvo que resulte evidente, en ese contexto, para una persona razonablemente informada. El artículo 50, apartado 5, dice que esto debe ocurrir «a más tardar con ocasión de la primera interacción o exposición», lo que en una llamada apunta al saludo. La obligación recae en el proveedor del sistema de IA. Si ese proveedor eres tú o una empresa externa es una cuestión para tus abogados.

El artículo 113 del Reglamento de IA fija el 2 de agosto de 2026 como su fecha general de aplicación. El Digital Omnibus on AI, un reglamento modificativo publicado como DO L 2026/1744, cambió varias fechas más. A 6 de noviembre de 2026, el AI Act Service Desk de la Comisión Europea solo marca como modificado el apartado 7 del artículo 50. Su calendario indica que el 2 de agosto de 2026 «empiezan a aplicarse las normas de transparencia (artículo 50)».

Las normas sobre la grabación de llamadas varían según el país y, en Estados Unidos, según el estado. La ley federal estadounidense permite una grabación cuando «una de las partes de la comunicación ha dado su consentimiento previo» (18 U.S.C. § 2511(2)(d)). La ley estatal puede exigir más. El estado de Washington exige «el consentimiento de todos los participantes en la comunicación». Considera consentimiento un aviso de que la llamada «va a ser grabada», si el aviso también queda grabado.

Según el RGPD, la ley de protección de datos de la UE, son datos personales «toda información sobre una persona física identificada o identificable». El Comité Europeo de Protección de Datos, el organismo de la UE que reúne a las autoridades nacionales de protección de datos, considera que las grabaciones de voz son datos de ese tipo en sus directrices de 2021 sobre asistentes virtuales de voz. Las directrices añaden que «los datos de voz son, por naturaleza, datos personales biométricos». Si la voz se usa para identificar a quien llama, las directrices dicen que el tratamiento necesita una base jurídica conforme al artículo 6 del RGPD y una excepción del artículo 9. Se redactaron pensando en asistentes de voz de dispositivos como los altavoces inteligentes, así que pregunta a tu delegado de protección de datos cómo se aplican a las llamadas.

¿Qué deberíamos probar antes de que el agente atienda llamadas reales?

Crea un conjunto de prueba a partir de tus propias llamadas, con umbrales de aprobación acordados de antemano, como describe el artículo sobre cómo probar un asistente de IA. Después añade los casos con los que solo se encuentra un agente telefónico:

• Los acentos y los idiomas de quienes te llaman de verdad, a partir de grabaciones anteriores cuando tu política lo permita
• Llamadas desde el móvil y con manos libres en lugares ruidosos
• Personas que interrumpen al agente o se corrigen a mitad de frase
• Silencios largos mientras quien llama busca un documento
• Números de cuenta e importes que el agente repite para confirmarlos
• Transferencias cuando tu equipo está ocupado o fuera de horario
• El aviso de que habla una IA y el aviso de grabación al inicio de cada llamada

Mide la demora entre el final de lo que dice quien llama y la primera palabra del agente, en líneas telefónicas reales y en tus horas de más actividad. Vuelve a hacer las pruebas cada vez que el proveedor cambie un modelo o una voz.

¿Cómo cobran los proveedores un agente telefónico?

Los costes tienen cinco partes, que se combinan de forma distinta en cada vía. Los precios están en dólares estadounidenses y proceden de páginas públicas de precios consultadas el 6 de noviembre de 2026:

• Tarifas de plataforma por minuto: Amazon Connect indica «$0.038 per voice min (standard telephony rates apply)». Twilio fija el precio de Conversation Relay en 0,07 USD por minuto. Vapi cobra «$0.05/min Vapi hosting» en su plan prepago, y Retell fija el precio de los agentes de voz con IA entre 0,07 y 0,31 USD por minuto
• Tarifas de modelos y de voz: en Vapi, «Models pass-through at cost», es decir, los modelos se repercuten a precio de coste y se facturan aparte. Genesys Cloud factura el uso de IA en sus propios tokens, y su artículo de facturación dice que «los bots de voz se convierten a razón de 17 minutos = 1 token»
• Telefonía: Twilio cobra 0,0085 USD por minuto por recibir llamadas en un número local de Estados Unidos, más 1,15 USD por número al mes
• Grabación y almacenamiento: Twilio cobra 0,0025 USD por minuto por grabar una llamada y 0,0005 USD por minuto al mes por almacenarla
• Ingenieros y mantenimiento: construir, conectar tus sistemas y volver a ejecutar las pruebas cuando cambian los modelos. Esta parte crece cuanto más construyes tú mismo

Los precios por minuto anteriores no cubren las mismas partes. Pide a cada proveedor que te presupueste un mes de tu volumen real de llamadas con la telefonía, los modelos, las grabaciones y los mínimos incluidos.

¿Qué deberíamos preguntar a una empresa que lo construiría o lo integraría?

• ¿Qué piezas se ejecutan dónde, y qué empresas procesan el audio de quienes nos llaman?
• ¿Cómo medirán, en nuestras líneas telefónicas, la demora antes de que responda el agente?
• ¿Cómo gestiona el agente las interrupciones y los silencios largos, y cómo funciona una transferencia?
• ¿Qué acciones puede realizar el agente por sí solo y cuáles esperan la aprobación de una persona?
• ¿Dónde se almacenan las grabaciones, las transcripciones y los logs, y cómo los exportamos?
• ¿Quién tiene nuestros números de teléfono y qué haría falta para trasladarlos?
• ¿Quién redacta y prueba el aviso de IA y el aviso de grabación para cada país al que llamamos?
• ¿Serán nuestros al final el código, los prompts, las llamadas de prueba y los logs?

¿Dónde encaja amBrain?

amBrain publica este blog. Sobre su propio producto, dice: «Nuestro propio producto, shyash.ai, funciona con agentes de IA que investigan, escriben, revisan y miden a partir de una memoria compartida de datos de la empresa. Una persona aprueba todo lo que sale».

Este artículo no es un caso de estudio y no describe ningún trabajo para clientes. No afirma que amBrain haya construido un agente telefónico ni un producto para centros de contacto, y la línea de arriba no dice nada sobre llamadas telefónicas. Las empresas y los organismos públicos que se nombran aquí se citan a partir de sus páginas publicadas. El artículo no afirma que amBrain tenga relación alguna con ninguno de ellos, no recomienda ninguno de sus productos y no da precios ni plazos de amBrain.

amBrain desarrolla software desde 2019. Sobre cómo trabaja con sus clientes, dice: «Tres formatos: entrega completa, un equipo dedicado o ingenieros integrados en tu equipo». Sobre la propiedad, su frase es: «El cliente conserva la propiedad completa del producto y del código, salvo nuestros componentes reutilizables». Pide la lista de esos componentes, nombre por nombre, antes de firmar.

Este artículo tampoco constituye asesoramiento jurídico. Solo trata las normas de Estados Unidos y de la UE mencionadas arriba. Confirma con tus abogados qué normas sobre el consentimiento para grabar y sobre el aviso de IA se aplican en cada lugar donde recibes o haces llamadas. Si amBrain está en tu lista corta, hazle las mismas preguntas que a cualquier otra empresa.