Contestar llamadas con IA por voz: dónde está hoy la tecnología

Que una IA conteste el teléfono y mantenga una conversación fluida dejó de ser ciencia ficción hace tiempo. La pregunta ya no es si se puede, sino si conviene.

Lo que sí funciona bien hoy

• La voz suena natural. Con entonación, pausas y ritmo humano. Mucha gente no lo detecta en los primeros segundos.
• Se puede interrumpir. Si el cliente habla por encima, el sistema se calla y escucha, como haría una persona.
• La latencia es aceptable. Menos de un segundo de respuesta en buenas condiciones.
• Entiende español de España sin problema, incluidos acentos regionales marcados.
• Puede consultar y actuar: mirar una agenda, cerrar una cita, dar el estado de un pedido.

Los tres límites que siguen ahí

1. El ruido de fondo

Una llamada desde la calle, desde el coche o desde un bar degrada mucho la comprensión. Y una parte importante de las llamadas a empresas se hacen exactamente desde ahí.

2. Los datos que se deletrean

Matrículas, números de pedido, referencias, correos electrónicos. Reconocer «B como Barcelona, 4, 7, 2, K» por teléfono sigue fallando lo suficiente como para necesitar confirmación explícita de cada dato importante.

Y confirmar cada dato hace la conversación más lenta, que era justo lo que se quería evitar.

3. La gente que no colabora

Una persona enfadada, o que habla muy rápido, o que cuenta su vida antes de llegar a la pregunta. Los humanos manejamos eso sin pensar. La IA se pierde.

Cuándo tiene sentido hoy

El caso que mejor funciona: el filtro

En vez de sustituir a la persona, ponerla delante:

1. Entra la llamada
2. La IA saluda y pregunta el motivo
3. Clasifica:
     cita          → la gestiona ella
     estado pedido → lo consulta y lo dice
     comercial     → pasa a ventas con contexto
     reclamación   → pasa a persona ya
     otros         → recoge datos y avisa
4. Al pasar la llamada, la persona recibe
   un resumen escrito de lo hablado

Ese resumen es la parte que más se agradece: quien coge la llamada ya sabe quién es y qué quiere, y el cliente no tiene que contarlo dos veces.

El coste

La voz se factura por minuto de conversación y sale bastante más cara que el texto: hay que transcribir, pensar y sintetizar voz, todo en tiempo real.

Orientativo por minuto de llamada:
  transcripción + modelo + voz   0,06 - 0,15 €

400 llamadas/mes × 3 min de media
  = 1.200 minutos
  = 72 - 180 €/mes de consumo

+ numeración y telefonía
+ mantenimiento

Compáralo con WhatsApp, donde la misma consulta cuesta céntimos. Si tus clientes aceptan el texto, el texto es mucho más barato.

Lo que hay que decir por ley (y por decencia)

Avisa de que es un sistema automático al principio de la llamada. Es lo que va exigiendo la normativa europea de IA en materia de transparencia y, además, evita la sensación de engaño cuando el cliente se da cuenta a mitad.

Si grabas la llamada, hay que informar y tener resuelta la base legal y el plazo de conservación, exactamente igual que con cualquier grabación.

Y sobre llamar tú: la venta telefónica no consentida está muy restringida en España desde la última reforma de telecomunicaciones. Automatizar llamadas comerciales en frío no es solo mala idea comercialmente; es meterse en un problema.

Nuestra recomendación práctica

Si estás empezando con IA, no empieces por voz. Es lo más caro, lo más difícil de afinar y donde un fallo se nota más, porque el cliente está esperando en tiempo real.

Monta primero el canal de texto, aprende de las conversaciones reales qué te preguntan, y cuando eso funcione, plantéate la voz para el turno de noche o como filtro de entrada.