La demo muestra cómo suena el agente. Esta página trata de lo que hay detrás de la llamada: de qué está hecho el operador, las formas de entregarlo, qué hay que decidir antes de un precio y cuánto cuesta cada parte.
No existe un «modelo de operador» que se pueda entregar como un archivo. Es una cadena de piezas, y cada una funciona en tiempo real.
Recibe la llamada y lleva el audio en ambos sentidos: un troncal SIP, Asterisk o su centralita.
Una llamada a su número llega por el operador y entra en Asterisk, que envía el audio al agente.
Convierte la voz de quien llama en texto mientras todavía habla.
«Hola, tengo chinches en un piso de dos dormitorios» es texto antes de que termine la frase.
Un modelo de lenguaje decide qué decir, según el guion, sus precios y sus reglas.
Conoce la tarifa, hace una pregunta cada vez, no ofrece descuentos que no existen y vuelve a la cita.
Dice la respuesta con la voz del operador, con pausas, respiraciones y entonación.
Las primeras palabras empiezan a sonar mientras el modelo aún escribe el final de la frase.
Escribe el resultado donde su equipo trabaja: CRM, calendario, hoja de cálculo, mensajería.
Tras la llamada aparece un registro en el CRM: nombre, teléfono, solicitud, fecha de visita, precio indicado, resultado.
Sobre la cadena está el control de la conversación: saber que quien llama ha terminado, no pararse por un «ajá», callarse cuando le interrumpen, llenar la pausa si la respuesta tarda. La demo lo tiene todo ajustado, y es lo que separa una conversación de un contestador.
La gente espera respuesta alrededor de un segundo después de hacer una pausa. Así se repartió ese segundo en una llamada real a nuestra demo.
Medido en una llamada de demostración el 9 de octubre de 2026, con modelos en la nube. Para una instalación local hay que medirlo de nuevo con sus modelos y su hardware: es lo que decide si la conversación parece viva.
La pregunta «nube o propio» decide casi todo lo demás: plazo, presupuesto, hardware y cuánto se parecerá la voz a la demo.
Como en la demo: modelos en los proveedores, paga por minuto de conversación.
Cuando importan la rapidez de lanzamiento y la calidad de la voz, y guardar grabaciones en un proveedor es aceptable.
Telefonía, control de la conversación, integraciones y datos quedan en su casa; los modelos se llaman por API.
Cuando los datos deben quedarse con usted, pero llamar a modelos externos desde el perímetro está permitido.
Toda la cadena en sus servidores, sin que salga nada.
Cuando no puede salir nada, y hay presupuesto para el hardware y tiempo para las pruebas.
El precio y el plazo llegan después de la especificación. Sin ella aparecen mil y un deseos por el camino. Estas son las preguntas que necesitan respuesta, con ejemplos.
¿Dónde funciona?
Decide la forma de entrega, el hardware y la mitad del presupuesto.
«Todo en nuestros servidores, no sale nada» o «en casa, pero los modelos en la nube por API valen».
¿Solo voz o una conversación completa?
Leer un texto dado y un operador que escucha, entiende y lleva la conversación son sistemas de tamaño muy distinto.
«Leer el estado de un pedido por su número» o «tomar una solicitud y responder preguntas».
¿Qué hace el operador?
Cada escenario es un prompt, conocimiento, comprobaciones y pruebas. Sin ejemplos no se puede dimensionar.
«Tomar una solicitud de control de plagas, dar el precio de la tarifa, dar cita y pasar a una persona si el cliente discute».
¿Cuántas llamadas simultáneas?
La carga en el pico decide el hardware o la factura de la nube.
«Hasta 10 en un día normal, 30 en el pico, 1-2 de noche».
¿Con qué lo conectamos?
El límite del trabajo: qué conectan ustedes y qué construimos nosotros.
«Tenemos Asterisk y les damos un troncal SIP; la integración con el CRM la hacemos nosotros con su API».
¿Qué hardware hay?
Para lo local: ajustamos los modelos a su hardware, o el hardware a la calidad que necesita.
«Un rack en un centro de datos, sin GPU, presupuesto de compra por acordar».
¿Cómo se acepta el resultado?
Sin criterios de aceptación cada cambio se vuelve una discusión.
«Diez escenarios acordados pasan en nuestra línea real, respuesta mediana de no más de 1,5 segundos, la interrupción funciona».
La palabra «operador» esconde cantidades de trabajo muy distintas. Dos ejemplos en la misma línea.
Averigua quién llama y para qué, responde preguntas habituales, da cita o pasa a una persona con el contexto ya recogido.
AgenteCasaLimpia Control de Plagas, ¿en qué puedo ayudarle?
ClienteTenemos cucarachas, ¿cuánto cuesta?
AgenteEntendido. ¿Es un piso? ¿Cuántos dormitorios?
ClienteDos.
AgentePara dos dormitorios son ciento veinte euros. ¿Le doy cita para mañana?
Uno o dos escenarios, la tarifa, reglas de transferencia. Integración: un registro en el CRM.
Maneja objeciones, ofrece alternativas, comprueba disponibilidad y huecos, tramita el pedido en sus sistemas y lo confirma.
ClienteEs caro. Otros cobran menos.
AgenteLo entiendo. Tiene garantía de un año y la segunda visita es gratis. Si hay pocas, existe una opción más barata.
ClienteVale, el sábado.
AgenteA ver los técnicos... sábado a las once está libre. Lo tramito.
Guiones de objeciones, acceso en vivo a agendas y existencias, creación de pedidos por API, comprobaciones antes de confirmar. Bastantes más pruebas.
Si toda la cadena debe funcionar en su casa, necesita capacidad de cálculo. Las opciones dependen de la carga y del modelo. La referencia para 20-30 conversaciones simultáneas es la opción 2, desde la que empezaríamos a probar.
Opciones de hardware para comprar
| Configuración | Llamadas simultáneas* | Servidor completo | Cuándo encaja |
|---|---|---|---|
| 1. Piloto: 1 × L40S 48 GB o 1 × RTX PRO 6000 96 GB | 5-10 / 10-20 | $20-35k | Un piloto, un departamento, una prueba de concepto |
| 2. Base: 2 × L40S, 32 núcleos, 256 GB, NVMe 2 TB | 20-30 | $35-50k | Producción con un modelo compacto de 7-14 mil millones de parámetros |
| 3. Base con margen: 2 × RTX PRO 6000 96 GB | 30-50 | $45-60k | Un modelo mayor (30-70 mil millones) o margen para crecer en la misma caja |
| 4. Grande: 4 × L40S o 4 × H200 NVL | 50-100+ | $55-75k / $160-200k | Un modelo grande, más de 50 llamadas, varias sedes en un clúster |
| 5. Económico, usado: A100 80 GB | 15-25 / 2 GPU | $8-12k / GPU | Presupuesto ajustado; sin FP8, garantía corta o ninguna |
Alquiler: 2 × L40S por proveedor
| Proveedor | Por GPU y hora | 2 GPU al mes | Nota |
|---|---|---|---|
| Vast.ai | ≥ $0.54 | ≈ $790 | Marketplace de hosts particulares, la disponibilidad varía |
| Runpod | $0.79 / $1.09 | ≈ $1,150 / $1,590 | Community / Secure Cloud |
| Scaleway | €1.47 | ≈ €2,150 | Configuración de 2 GPU, solo París |
| Nebius | ≥ $1.55 | ≈ $2,260 | Configuraciones por vCPU |
| OVHcloud | $1.80 | ≈ $2,630 | Configuración de 2 GPU, Europa |
| AWS (g6e) | $1.86 | ≈ $2,720 | Sin tamaño de 2 GPU: dos instancias de 1 o una de 4 (≈ 7.660 $) |
| CoreWeave | $2.25 | ≈ $13,140 | Solo nodos de 8 GPU |
| Immers.cloud | — | ≈ 321 000 ₽ (2 × A100) | Datos en Rusia. Sin L40S; lo más cercano con precio público es A100 80 GB |
| Selectel, Yandex Cloud, Cloud.ru, Timeweb, MTS Cloud | — | — | Datos en Rusia. Sin L40S público; RTX 6000 Ada, A6000, A100, H100 bajo pedido |
| Lambda, Google Cloud, Azure, Hetzner | — | — | Sin L40S; Google, Azure y Hetzner ofrecen RTX PRO 6000 |
* El número de llamadas es una suposición, no una medida: depende del tamaño del modelo, del reconocimiento y de la síntesis, y se fija con una prueba de carga. Precios consultados el 9 de octubre de 2026, sin IVA; el hardware y la memoria se encarecieron durante todo 2026.
Una voz que suena limpia en el navegador cruza una red móvil con compresión. Si la llamada pasa por dos tramos móviles, el audio se degrada dos veces. Lo probamos con un modelo de la línea: AMR-NB en cada tramo y G.711 entre ellos.
Un modelo de línea es una aproximación. La calidad se decide con llamadas por su cadena real, y eso forma parte de la aceptación.
Escucharlo en la demo con «Dos tramos» →Los criterios se fijan antes de empezar, para que «terminado» signifique lo mismo para ambas partes.
Si nos encargamos de todo el call center virtual: Asterisk, telefonía, el operador con IA, la integración y el lanzamiento.
Es un orden de magnitud, no una tarifa. La cifra exacta llega cuando se fija el alcance: un operador que cualifica y transfiere y uno que vende y tramita pedidos cuestan distinto.
Las preguntas que surgen al mirar la tabla de arriba con ganas de ahorrar. En resumen: una o dos llamadas de prueba funcionan casi en cualquier cosa. Veinte o treinta conversaciones simultáneas respondidas en un segundo, no.
Tiene 24-32 GB de memoria. En una tarjeta tienen que caber el modelo de respuesta, el reconocimiento y la síntesis, más memoria para cada conversación en curso. Para 20-30 llamadas en paralelo no alcanza y las respuestas hacen cola. Además, la licencia de los drivers de NVIDIA prohíbe usar GeForce en centros de datos, no tienen memoria con corrección de errores (ECC) y su refrigeración no está pensada para 24/7 en un rack. Sirve para un prototipo de una o dos llamadas, no para producción.
Un modelo de lenguaje en CPU tarda segundos por frase. El reconocimiento y la síntesis en tiempo real para decenas de flujos también chocan con la CPU. El presupuesto de respuesta es de un segundo, la mitad para el modelo. Con CPU no se cumple ni con una sola llamada.
Para un piloto con pocas llamadas, quizá: es la opción 1 de la tabla, pero más débil. El problema son los picos: cuando cinco personas terminan de hablar a la vez, sus respuestas hacen cola y un segundo se convierte en tres a cinco. La T4 además no soporta formatos de cálculo modernos y es bastante más lenta. Solo compensa si el pico es de un par de llamadas.
Ejecuta bien un solo modelo y es cómodo para desarrollar. Pero está hecho para un flujo: atiende mal decenas de conversaciones en paralelo, porque no agrupa peticiones como las GPU de servidor. Y no hay gestión de servidor, redundancia ni operación normal en rack.
Un modelo pequeño cabe, pero sigue peor el guion: confunde precios, se va del tema, acepta descuentos que no existen y maneja peor los idiomas. Lo vimos en pruebas incluso entre modelos en la nube del mismo nivel: uno respondía breve y según las reglas, otro igual de rápido se iba en monólogos. El tamaño del modelo es un compromiso entre calidad de conversación y hardware, y hay que probarlo con sus escenarios.
Las llamadas llegan en oleadas: por la mañana, tras un envío, a mediodía. La latencia no sube poco a poco: salta en cuanto las peticiones superan lo que la tarjeta procesa. Un servidor pensado para la media responde en tres segundos en el pico, justo cuando más gente llama.
Sí, y es el camino correcto. Primero alquiler y pruebas de carga, luego la opción 1 para un piloto. La arquitectura permite repartir reconocimiento, síntesis y modelo de respuesta en servidores distintos, así que crecer es añadir hardware, no rehacer el sistema.
Escuche primero al agente. Si este orden de presupuesto le encaja, el siguiente paso es describir la primera entrega y fijar qué debe funcionar en la aceptación.
Cuánto cuesta: desde $99 al mes · ¿Qué llamadas salientes hace el agente?
