Agentes de voz

Agente de voz con IA que suena humano: cómo lograrlo

Qué hace que un agente de voz con IA suene humano: latencia, interrupciones, voz en español, aviso legal y costes reales por minuto. Con ejemplos y datos.

Matías Casasola Matías CasasolaFundador y CEO de Anunzi · 11 min de lectura
Propietaria atiende una llamada con asistencia de IA
En este artículo
  1. En resumen
  2. Qué significa «suena humano» en una llamada
  3. Los cuatro factores que hacen que suene natural
  4. Cómo funciona por dentro, sin tecnicismos
  5. Qué puede resolver un agente de voz con IA
  6. Avisar de que es una IA: lo que debes cumplir
  7. Cuánto cuesta un agente de voz
  8. Cómo ponerlo en marcha paso a paso
  9. Nuestra visión: sonar humano es dar un buen servicio
  10. Prueba un agente que suena humano
  11. Preguntas frecuentes
  12. Fuentes
  13. Recomendaciones

Un agente de voz con IA suena humano cuando responde en torno a un segundo, deja que lo interrumpas, usa frases de espera naturales y habla con una voz en español que encaja con tu marca. Nada de eso depende de un truco: es una cuestión de diseño, de integración con tus sistemas y de decir con claridad que es una IA. En Anunzi lo construimos así, y en este artículo te explicamos qué mirar, qué medir y cuánto cuesta.

En resumen

  • Un agente suena humano por cuatro cosas: respuesta en unos 1 segundo, manejo de interrupciones, frases de espera y voces personalizadas en español.
  • El agente de Anunzi responde en ~1 segundo, resuelve más del 95% sin derivar a una persona, atiende 24/7 y puede estar listo en 1 a 7 días.
  • Sonar humano no exime de avisar: en la UE, el AI Act exige informar de que la persona habla con una IA desde el 2 de agosto de 2026.
  • Los planes empiezan en 87 USD/mes con telefonía. La llamada entrante cuesta 20 créditos por minuto, es decir, 0,20 USD.

Qué significa «suena humano» en una llamada

No significa engañar a nadie. Significa que la conversación no se siente como hablar con una máquina: no hay silencios incómodos, no hay que esperar a que termine un mensaje grabado y no hay que repetir tres veces lo mismo.

Conviene separar cuatro cosas que a menudo se mezclan:

  • IVR tradicional: el menú de «pulsa 1 para ventas». Reproduce mensajes pregrabados y solo entiende opciones cerradas. Si quieres ver la diferencia con detalle, tienes la comparativa entre IVR tradicional y asistente de voz con IA.
  • Generador de voz: convierte un texto en audio. Sirve para locuciones y vídeos, pero no conversa ni consulta tu agenda.
  • Asistente de voz de consumo: responde a órdenes sueltas, no gestiona un trámite de principio a fin.
  • Agente de voz con IA: escucha, entiende lo que necesitas, consulta tus sistemas y responde hablando, en tiempo real y dentro de un proceso (una cita, un reclamo, un cobro).

Lo que suena humano es lo cuarto. Y la voz es solo una parte: un agente con una voz preciosa que no sabe consultar tu CRM sigue sin resolver nada.

Los cuatro factores que hacen que suene natural

1. Velocidad de respuesta

Es el factor más notorio. En una conversación entre personas, los turnos se encadenan casi sin pausa. Un estudio académico de 2025, FLEXI, toma como aceptable para una interacción humana una latencia inferior a 400 ms. En sus pruebas, los modelos comerciales rondan 1 segundo, mientras que un sistema de código abierto llegó a 4 segundos, un ritmo que se siente mecánico.

Comparación de latencia en tres tipos de interacción

Por eso importa el dato: nuestro agente responde en alrededor de 1 segundo. Es el nivel que el propio estudio sitúa en los mejores modelos comerciales, y se nota en la llamada: la persona no se queda preguntándose si la línea se ha cortado.

Qué puedes hacer tú al evaluar cualquier solución:

  • Llama y mide a ojo cuánto pasa entre que terminas de hablar y empieza la respuesta.
  • Prueba con frases largas y con frases de una sola palabra («sí», «mañana»).
  • Haz la prueba desde un móvil con cobertura normal, no desde la fibra de la oficina.

2. Interrupciones

Las personas se interrumpen constantemente: corrigen, añaden, dicen «espera, no». Un agente que sigue hablando por encima de ti suena a grabación. El agente debe detenerse cuando hablas, escuchar lo nuevo y retomar el hilo sin empezar de cero.

En un cobro o en una cita esto es decisivo. Si el cliente dice «mejor el jueves» a mitad de la frase, el agente tiene que cambiar la propuesta en el acto.

3. Frases de espera

Cuando el agente consulta una agenda o un sistema de pagos, necesita unos instantes. Una persona diría «un momento, lo miro». Un agente bien diseñado hace lo mismo, en vez de callar. Es un detalle pequeño que evita la sensación de línea muerta.

Hay otro límite conocido del sector: según AWS, la IA de voz generativa todavía tiene dificultades con las disfluencias del habla, como los «um» o los «ah», porque no siguen un patrón fijo. Lo útil es no forzarlas: una voz clara, con ritmo, frases cortas y pausas bien colocadas suena mejor que una imitación torpe de titubeos.

4. Voz personalizada en español

Un agente para España no debería sonar igual que uno para Argentina o México. El acento, el vocabulario y el tratamiento (tú, usted) cambian la percepción de cercanía. En Anunzi ofrecemos voces personalizadas en español y trabajamos el tono de cada cliente. Nuestro motor de voz es VPower, y puedes conocerlo en la página del motor de voz.

Lo mejor es oírlo. En la página de demos tienes grabaciones de llamadas reales de agentes para que juzgues la naturalidad por ti mismo, sin fiarte de lo que diga ningún texto.

Cómo funciona por dentro, sin tecnicismos

Durante una llamada, el agente hace cuatro cosas: transcribe lo que dices, entiende la intención, decide qué responder o qué acción ejecutar y lo dice en voz alta. En los sistemas de producción esas fases no esperan unas a otras: se solapan para ganar tiempo, y de ahí sale el ritmo natural.

La parte que más separa a un agente útil de una demo vistosa es la conexión con tus herramientas: telefonía, agenda, CRM y pagos. Si quieres profundizar, tenemos una guía sobre arquitectura y pasos para integrar agentes IA con telefonía y otra sobre integración con CRM, ERP e IVR.

Cómo funciona por dentro, sin tecnicismos

El CRM como memoria del agente

Un agente que sabe quién llama, qué compró y qué dejó pendiente suena mucho más humano que uno que pregunta lo mismo cada vez. Si dudas de qué aporta cada pieza, este repaso sobre qué puede hacer un CRM por tu empresa te sitúa antes de conectar la voz. Cada llamada debería dejar registro: motivo, resultado y siguiente paso.

Qué puede resolver un agente de voz con IA

El alcance depende de tu sector, pero los casos que más se repiten en nuestros clientes son estos:

  • Atención al cliente 24/7: consultas frecuentes, estado de un pedido, horarios, incidencias. El agente atiende a cualquier hora, también fines de semana.
  • Citas: pedir, cambiar y cancelar sobre tu agenda real. Clínicas y equipos comerciales lo usan para no perder llamadas.
  • Cobranzas: recordar vencimientos, acordar fechas de pago y enviar el enlace de pago por WhatsApp en la misma conversación.
  • Sector público: reclamos y trámites de ciudadanos, con registro de cada caso.
  • Call centers: absorber el volumen repetitivo y dejar a las personas los casos que requieren criterio.

Nuestro agente resuelve más del 95% de los casos sin derivar a una persona, y está listo en 1 a 7 días. Según el plan, puede atender de 1 a 20 llamadas simultáneas, algo que un equipo humano no consigue sin ampliar plantilla.

Un caso real: Villa María

La Municipalidad de Villa María, en Argentina, gestiona sus reclamos ciudadanos con un agente de voz de Anunzi. Entre enero y julio de 2026 atendió 13.325 llamadas y resolvió el 85% sin transferirlas a una persona. Los casos que sí requieren a un funcionario llegan ya con la información recogida.

El ejemplo muestra algo útil para cualquier organización: un agente natural no sustituye a los equipos, les quita lo repetitivo.

Cuándo pasar a una persona

Un agente humano-sonoro también sabe cuándo no seguir. Define transferencia a una persona en estos casos:

  1. El cliente la pide expresamente.
  2. Hay una queja delicada o un conflicto emocional.
  3. El caso exige una decisión fuera de las reglas que has configurado.
  4. El agente no entiende tras dos intentos.

Esa transferencia, hecha con contexto y sin que el cliente repita su historia, es parte de sonar profesional.

Avisar de que es una IA: lo que debes cumplir

Una voz natural plantea una pregunta legal evidente: ¿hay que decir que es una IA? En la Unión Europea, sí. El Reglamento europeo de IA exige, en su artículo 50.1, que los sistemas que interactúan directamente con personas las informen de que hablan con una IA, salvo que sea evidente. Esta obligación se aplica desde el 2 de agosto de 2026.

En la práctica, para una llamada:

  • Di que es un asistente de IA en la primera frase, de forma clara.
  • No confíes en que la persona «se dará cuenta»: con una voz natural, no lo hará.
  • Ofrece pasar con una persona cuando corresponda.

Voz y datos personales

La voz puede identificar a una persona, por lo que, según el análisis del despacho LetsLaw, el RGPD se aplica desde el momento en que se graba. Los errores de transcripción también tienen relevancia jurídica, por el principio de exactitud (artículo 5) y el derecho de rectificación (artículo 16). Si grabas o transcribes llamadas, informa de ello y define cuánto tiempo conservas los datos. Tenemos una guía con cinco frentes para cumplir el RGPD en agentes de voz.

La normativa varía por país. Lo anterior es la regla de la UE; si operas en Latinoamérica, revisa la ley de protección de datos de cada país con tu asesor jurídico.

Cuánto cuesta un agente de voz

El modelo es una suscripción mensual con créditos. Un crédito equivale a 0,01 USD y todos los planes incluyen 1 número local de EE. UU.

Tipo de llamada entrante Créditos por minuto Coste por minuto
Con número de Anunzi 20 0,20 USD
Con tu troncal SIP propia 16 0,16 USD

Los planes publicados en nuestra página de precios son:

Plan Precio mensual
Inicial 87 USD
Starter 175 USD
Plus 300 USD
Growth 580 USD
Scale 1160 USD
Pro 1680 USD
Volume 2700 USD
Custom a medida

El plan Inicial, desde 87 USD/mes con telefonía, es el punto de entrada para probar con un caso concreto, por ejemplo las citas de una clínica o los recordatorios de pago. Para grandes volúmenes, como un call center o un municipio, hay acuerdos a medida.

Un cálculo rápido

Si tu agente atiende 500 llamadas entrantes de 3 minutos con número de Anunzi, son 1.500 minutos. A 20 créditos por minuto, serían 30.000 créditos, es decir, 300 USD en consumo. Con troncal SIP propia, 16 créditos por minuto, serían 24.000 créditos, es decir, 240 USD. Compáralo con el coste de las llamadas que hoy se pierden o de las horas de tu equipo en consultas repetitivas.

Cómo ponerlo en marcha paso a paso

  1. Elige un caso de uso acotado. Citas, cobranzas o reclamos. Mejor uno bien hecho que cinco a medias.
  2. Reúne el guion de negocio. Preguntas frecuentes, reglas, horarios, cuándo transferir. Nosotros lo convertimos en el comportamiento del agente.
  3. Conecta tus sistemas. Telefonía, agenda, CRM y pagos. Nuestro equipo lo integra a medida.
  4. Elige la voz y el tono. Acento, tratamiento y frases de espera acordes con tu marca.
  5. Prueba con llamadas reales. Escucha, ajusta y repite. Muchos proyectos quedan listos en 1 a 7 días.
  6. Añade el aviso de IA y el circuito de transferencia. Es la parte que protege tu relación con el cliente.
  7. Mide cada semana. Porcentaje resuelto sin derivar, llamadas perdidas, tiempo de resolución y satisfacción.

Si además quieres que el agente escriba por WhatsApp, puedes combinarlo con un agente de WhatsApp para el mismo cliente.

Nuestra visión: sonar humano es dar un buen servicio

Cuando empezamos con agentes de voz, la pregunta de los clientes era: «¿se va a notar que es una máquina?». Hoy la pregunta correcta es otra: «¿resuelve lo que la persona llamó a resolver?».

Para nosotros, la naturalidad es una consecuencia de hacer bien tres cosas: responder rápido, dejar que la persona hable cuando quiera y estar conectados a los sistemas donde ocurre el trabajo. Por eso cada agente se implementa a medida, con el tono de cada organización y con un equipo propio en Argentina y España, que habla tu mismo español.

Y creemos que la transparencia suma, no resta. Un agente que dice desde el principio que es una IA, y resuelve en un segundo y sin rodeos, genera más confianza que uno que intenta pasar desapercibido.

Matias

Prueba un agente que suena humano

Si atiendes llamadas, gestionas citas o cobras, un agente de voz de Anunzi atiende 24/7, responde en ~1 segundo y se integra con tu agenda, tu CRM y tu telefonía. Puedes ver cómo funciona en agentes de voz y comparar los planes en la página de precios.

Anunzi

Crea tu agente gratis, sin tarjeta, en 2 minutos: empieza aquí.

Preguntas frecuentes

¿Un agente de voz con IA puede pasar por una persona?

Técnicamente puede sonar muy natural, pero no debe hacerse pasar por una persona. En la UE, el AI Act exige informar de que se habla con una IA desde el 2 de agosto de 2026. Lo recomendable es decirlo en la primera frase de la llamada.

¿Cuánto tarda el agente en contestar?

El agente de Anunzi responde en alrededor de 1 segundo. Es la franja en la que se mueven los modelos comerciales más avanzados según el estudio FLEXI, y es suficiente para que la conversación fluya sin pausas largas.

¿Sirve para call centers y para administraciones públicas?

Sí. El agente atiende de 1 a 20 llamadas simultáneas según el plan y deriva a una persona los casos que lo requieren. La Municipalidad de Villa María atendió 13.325 llamadas entre enero y julio de 2026 y resolvió el 85% sin transferirlas.

¿Cuánto cuesta atender una llamada?

La llamada entrante cuesta 20 créditos por minuto con número de Anunzi, o 16 créditos por minuto con troncal SIP propia. Como 1 crédito equivale a 0,01 USD, son 0,20 USD y 0,16 USD por minuto. Los planes empiezan en 87 USD/mes.

¿Puedo ofrecerlo con mi propia marca?

Sí, Anunzi ofrece infraestructura white-label para agencias y partners que quieran vender agentes de IA con su propia marca. Es una vía habitual para call centers y agencias que amplían su catálogo.

Fuentes

Recomendaciones

Matías Casasola

Escrito por

Matías Casasola

Fundador y CEO de Anunzi

Fundó Anunzi y lidera el producto y la tecnología de la plataforma de agentes de voz con IA en español. Trabaja con empresas y gobiernos de España y Latinoamérica para que ninguna llamada quede sin atender.

LinkedIn →

Tu próxima llamada puede atenderla un agente.

Crea tu cuenta y configura tu agente desde el panel.

Crea tu agente gratis Ver planes