Un agente telefónico con IA en una línea real: qué hace y cómo probarlo

Un agente telefónico con IA contesta la llamada, habla con voz natural, hace lo que haría una recepcionista o un operador de primera línea y anota el resultado donde trabaja su equipo. Casi todo lo que aparece al buscar el tema es la página de un producto o una lista de diez herramientas con un párrafo cada una. Ninguna de las dos dice qué escuchar en una llamada real, que es el único lugar donde se nota la diferencia. Esta guía cubre qué hace el agente en una línea, cuánto cuesta, las cinco pruebas que haríamos antes de firmar y para quién todavía no es.

Puede saltarse la lectura y llamar primero a nuestra demo. Pasa las mismas pruebas que se describen abajo, en tres negocios y cuatro idiomas.

¿Qué hace realmente un agente telefónico con IA en una llamada?

Cuatro trabajos, y una implantación real suele empezar por uno o dos.

Atiende. Contesta todas las llamadas, a las dos de la madrugada y en la hora punta del mediodía, y resuelve lo rutinario: horarios, precios de su lista, si cubren una zona, qué incluye un servicio. Las respuestas salen de su material, no del conocimiento general del modelo.

Agenda. Pregunta lo necesario para la cita (dirección, tamaño del trabajo, hora cómoda), ofrece un hueco y lo confirma en voz alta, incluido el teléfono cifra por cifra.

Califica. En una línea comercial averigua quién llama y por qué, cuánta urgencia hay y con qué presupuesto cuentan, y pasa un lead calificado en lugar de una llamada perdida.

Transfiere. Si la persona pide hablar con alguien, está molesta o pregunta algo fuera de las reglas del agente, este pasa la llamada o agenda una devolución, y quien atiende ya conoce el nombre, el número y lo que se dijo.

Después de la llamada rellena una ficha: nombre, teléfono, solicitud, detalles, cita, precio dado y resultado. En la página de Voice AI esta es la parte que más pesa cuando pasa la novedad: una llamada sin registro es una llamada con la que nadie puede hacer nada.

¿En qué se diferencia de un IVR o un contestador?

Un IVR pide pulsar el 2. Un contestador pide dejar un mensaje que alguien quizá escuche el lunes. Los dos cargan el trabajo sobre quien llama.

Un agente telefónico con IA conversa. La persona dice con sus palabras «tenemos cucarachas, ¿cuánto cuesta?», y el agente hace la única pregunta que necesita, piso o casa y cuántas habitaciones, y da el precio. La diferencia no es la voz. Es que el agente sabe cuándo la persona ha terminado, no se detiene por un «ajá», calla cuando le interrumpen y llena la pausa si la respuesta tarda un momento. Esa capa, el control de la conversación, separa una llamada de un menú, y es lo primero que hay que escuchar.

¿Qué cinco pruebas separan un agente que funciona de una demo?

Las listas de funciones se parecen entre proveedores. Estas cinco pruebas no, y cada una lleva un par de minutos en una llamada real.

1. Responde en un segundo. La gente espera respuesta más o menos un segundo después de hacer una pausa. En una llamada a nuestra demo el 9 de octubre de 2026 el agente habló 1,09 segundos después de que la persona callara: 0,48 s para detectar el final de la frase más la red, 0,54 s para la primera frase del modelo y 0,07 s hasta el primer sonido. Adónde se va el segundo lo desglosa. Un agente que espera dos o tres segundos tras cada frase parece roto aunque todas sus respuestas sean correctas.

2. Calla si le interrumpen. Hable encima de él a mitad de frase. Debe callar y escuchar, y no debe cortarse en seco porque usted dijo «mm».

3. No se sale del guion. Pida un descuento que no existe, pregunte por la competencia, pídale un poema. Un buen agente se niega con educación y vuelve a la cita. Un modelo débil acepta cosas que su negocio no ofrece, y usted se entera por un cliente enfadado.

4. Transfiere bien. Pida una persona. Luego mire qué recibe esa persona: el nombre, el número y el resumen de la llamada, o nada.

5. No se hace pasar por persona. Pregúnteselo directamente. El nuestro responde con honestidad. Un agente que finge ser humano convierte en queja a cada persona que se da cuenta.

Después repita las pruebas desde un móvil, no solo desde el navegador. Una llamada que cruza dos redes móviles pierde mucho audio, y las respuestas cortas, como el número de un portal, son las que más sufren. Dos tramos móviles explica qué hacen los códecs, y nuestra demo tiene un selector que lo simula.

¿Cuánto cuesta un agente telefónico con IA?

Hay dos facturas, y lo que suele aparecer en las búsquedas muestra solo la primera.

Los minutos. Las plataformas alojadas cobran por minuto de conversación, a menudo por componente. El 9 de octubre de 2026 la página de precios de Retell AI publicaba la infraestructura de voz a $0,055 por minuto, Claude 5 Sonnet como modelo de lenguaje a $0,064 por minuto y las llamadas a $0,015 por minuto (sin decir para qué país). La cadena de voz de los agentes de ElevenLabs costaba $0,080 por minuto por encima de lo incluido; esa página no aclara si el modelo de lenguaje entra en la tarifa. Cien llamadas al día de tres minutos son unos 9.000 minutos al mes. Con los tres componentes de Retell juntos, $0,134 por minuto, salen unos $1.200 al mes. Es nuestra cuenta sobre un precio publicado, no una oferta, y el modelo que elija la mueve.

La implantación. Los minutos compran acceso a un constructor. Alguien tiene que escribir los guiones, conectar la telefonía, integrar el CRM y la agenda, acordar qué significa «terminado» y escuchar llamadas después. Para un operador llave en mano con hasta 20-30 llamadas simultáneas estimamos una primera versión en $25-40 mil y el soporte en $1,5-3 mil al mes, con hardware, operador y licencias aparte. Cuánto cuesta un agente de voz recorre las tres opciones de entrega en detalle.

Si le basta el constructor, porque tiene un guion sencillo y alguien en casa que lo mantenga, no hay motivo para pagar una implantación.

¿Alojado o dentro de su perímetro?

La pregunta «dónde corren los modelos y dónde quedan las grabaciones» decide plazo, presupuesto y hardware. Hay tres respuestas, y la página de entrega las compara lado a lado.

La regla de decisión. Si guardar grabaciones en un proveedor es aceptable, empiece alojado: es la vía más rápida, y la voz y la velocidad son las que oye en nuestra demo. Si los datos deben quedarse con usted pero se permite llamar a modelos externos desde el perímetro, elija la opción intermedia: un servidor normal y ninguna GPU que comprar. Solo si nada puede salir del edificio necesita la instalación totalmente local, y entonces alquila el hardware para una prueba de carga antes de comprarlo.

La opción local se dimensiona por la carga pico, no por las llamadas al día: cuántas personas terminan una frase en el mismo segundo y esperan respuesta. Dos tarjetas L40S son nuestro punto de partida para 20-30 llamadas simultáneas, unos $35-50 mil estimados con precios del 9 de octubre de 2026. Esa cifra de llamadas es una suposición hasta que la sustituya una prueba de carga con sus guiones.

¿Para quién no es un agente telefónico con IA?

Una línea que suena cinco veces al día. Si hay pocas llamadas y una persona ya las atiende bien, el agente ahorra poco y añade un sistema que mantener. Un buen buzón y una regla de devolución salen más baratos.

Llamadas que son sobre todo criterio. Negociar un contrato, dar una mala noticia, una queja que solo puede resolver un responsable. El agente puede tomar los datos y agendar la llamada con la persona adecuada. No debe intentar hacer su trabajo.

Un negocio sin reglas escritas. El agente responde según su lista de precios, su zona de servicio y sus reglas de transferencia. Si eso vive solo en la cabeza de alguien, escríbalo primero. Es trabajo útil aunque nunca compre un agente, y sin él ningún agente se comportará bien.

Un equipo que no va a escuchar las llamadas. Los guiones se desajustan cuando cambian precios y horarios. Alguien tiene que escuchar cada semana una muestra de llamadas y corregir al agente. Si nadie lo hará, el agente empezará poco a poco a dar los precios del trimestre pasado.

¿Cómo se acepta antes de ponerlo en marcha?

Fije los criterios antes de empezar, para que «terminado» signifique lo mismo para las dos partes. Los que usamos:

• Guiones. Una lista acordada de conversaciones pasa de principio a fin en su línea real, incluidas las difíciles: objeciones, interrupciones, cambios de tema.
• Voz. La calidad se juzga en su telefonía, no en un estudio ni en el navegador.
• Tiempo de respuesta. Mediana y percentil 90 desde el final de la frase de quien llama hasta la voz del agente, con una carga acordada. «Mediana no superior a 1,5 segundos» es una línea razonable para el contrato.
• Interrupción. El agente calla cuando le interrumpen y no se corta por un «ajá».
• Datos. Los campos tras la llamada son correctos (nombre, teléfono, solicitud, fecha, resultado) y llegan donde usted trabaja con ellos.

Por dónde empezar

Llame a la demo y haga usted mismo las cinco pruebas: interrúmpale, sáquele del guion, pida una persona, luego active la línea de dos tramos móviles y repita. Si es el agente que quiere en su línea, cuéntenos sus llamadas en la página de Voice AI; las preguntas con las que empezaremos están en la página de entrega.