Agentes de Voz con IA para Empresas: Qué Son, Qué Pueden Hacer y Cómo se Implementan

Aunque cada proyecto se arma distinto, casi todos los agentes de voz combinan las mismas piezas. La documentación de ElevenLabs, por ejemplo, describe su plataforma de agentes como la coordinación de cuatro partes: un modelo de reconocimiento de voz, un modelo de lenguaje, un modelo de voz sintética de baja latencia y un modelo propio para el control de turnos de la conversación. La documentación de LiveKit lo resume como un flujo de audio que pasa por una cadena de reconocimiento de voz, modelo de lenguaje y voz sintética, y agrega que incluye soporte de telefonía para recibir y hacer llamadas.

Hay dos formas de armar la cadena. La guía de agentes de voz de OpenAI distingue una arquitectura de voz a voz, donde un solo modelo recibe el audio, decide y responde en voz, y una arquitectura encadenada de tres etapas, donde puedes inspeccionar o transformar el texto intermedio y reemplazar cada componente por separado. La segunda da más control y deja una transcripción para auditar; esa guía no compara las dos en latencia ni en confiabilidad, así que no afirmamos cuál es mejor en eso. La elección depende de tu caso y se define en el relevamiento.

RaftLabs, una desarrolladora de software, publicó una guía (actualizada el 16 de agosto de 2026) que ordena los casos de uso según su madurez. Es la opinión de un proveedor y no una norma, pero sirve de mapa:

La lectura práctica: los casos con un objetivo claro y un guion acotado funcionan mejor que las conversaciones abiertas. En cobranza, la misma guía separa el recordatorio de pago (encaja bien) de las llamadas emocionalmente sensibles y las negociaciones complejas (todavía no). En cobranza con IA por llamadas y WhatsApp desarrollamos esa diferencia. Si dudas entre voz, chat y una persona, mira la comparación de agente de voz, chatbot o humano.

En una llamada, la demora entre que terminas de hablar y el agente responde se nota enseguida. Según RaftLabs, el objetivo de producción es responder en menos de 500 milisegundos de punta a punta, y por encima de 800 milisegundos la conversación se descarrila. Para una cadena optimizada con transmisión continua de audio reporta entre 400 y 800 milisegundos en total, frente a 1.000 a 3.000 en una sin ella. Son cifras de un proveedor, no un estándar ni una garantía nuestra: la demora real depende del modelo, de la telefonía, de la red y de cuánto trabajo haga el agente antes de contestar, por ejemplo consultar tu sistema.

La misma guía marca otro punto difícil: detectar si el usuario interrumpe, y decidir cuándo terminó de hablar, porque el silencio solo no alcanza ya que la gente hace pausas a mitad de frase. LiveKit también incluye la detección confiable de turnos entre los desafíos centrales. En la práctica, es lo que separa una llamada fluida de una frustrante.

Sobre la calidad de la voz, varía mucho según el proveedor y la voz elegida. La prueba que importa es con tus textos: nombres, direcciones, importes y siglas de tu negocio. Escucha muestras reales antes de decidir. No encontramos una medición pública e independiente del desempeño con acento argentino, así que no afirmamos nada al respecto: lo probamos con tus llamadas.

Una llamada contiene datos personales: lo que dices, tu número y, si se graba, tu voz. La Ley 25.326 define dato personal como información de cualquier tipo referida a personas determinadas o determinables. Según nuestra lectura, una grabación donde se puede identificar a la persona entra en esa definición, pero confírmalo con un abogado: no damos asesoramiento legal. Estos son los puntos de la ley que más importan en un proyecto de voz:

• Consentimiento (art. 5): el tratamiento es ilícito si el titular no prestó su consentimiento, que debe ser libre, expreso e informado. La ley prevé excepciones, por ejemplo para datos que derivan de una relación contractual y son necesarios para cumplirla, pero no conviene apoyar una grabación en una excepción sin consultar antes.
• Información previa (art. 6): al recabar datos hay que informar de forma expresa y clara la finalidad, los destinatarios, la existencia del archivo, quién es el responsable y las consecuencias de dar o no los datos.
• Seguridad y confidencialidad (arts. 9 y 10): quien trata los datos debe adoptar medidas técnicas y organizativas, y guardar confidencialidad.
• Transferencia internacional (art. 12): se prohíbe transferir datos a países u organismos que no den niveles de protección adecuados, con excepciones. Si el audio se procesa o se guarda fuera del país, pregunta dónde y consulta cómo aplica en tu caso.
• Acceso (art. 14): el titular puede solicitar información sobre sus datos, de modo que conviene saber dónde quedan guardados los audios y las transcripciones.

Como buena práctica, y no como un requisito que hayamos verificado en una norma, recomendamos avisar al inicio de la llamada algo como: "Esta llamada es atendida por un asistente virtual y puede ser grabada. Si prefieres hablar con una persona, dilo en cualquier momento". Tampoco conviene grabar si no hace falta, ni guardar audios más tiempo del necesario.

Si el agente va a hacer llamadas salientes con fines publicitarios o de oferta de servicios, existe además el Registro Nacional "No llame" (Ley 26.951): según el sitio oficial, protege de las llamadas que ofrecen servicios o publicidad, sea una línea fija o móvil, y quien llama tiene hasta 30 días desde la inscripción para dejar de hacerlo. Antes de lanzar una campaña saliente conviene depurar la lista contra ese registro y consultar con un abogado cómo aplica la ley a tu caso.

Por último, la Agencia de Acceso a la Información Pública (AAIP) publicó en septiembre de 2024 una guía de recomendaciones para entidades públicas y privadas sobre transparencia y protección de datos personales en sistemas de IA. Entre otras cosas recomienda evaluaciones de impacto, equipos multidisciplinarios y sistemas transparentes y explicables. La página oficial la presentó como versión preliminar y enlaza también a un PDF con "final 2025" en el nombre, por lo que conviene revisar cuál es la versión vigente. Más detalle en nuestra guía sobre la Ley 25.326 para empresas.

Conviene conocerlos antes de contratar, porque son los que definen el diseño:

• Alucinaciones: un modelo de lenguaje puede dar una respuesta falsa con total seguridad. Se reduce limitando al agente a información verificada de tu negocio y haciendo que consulte tus sistemas en lugar de "recordar", pero no se elimina.
• Demora: cada etapa suma tiempo, y las acciones que consultan un sistema externo suman más. Una demora larga puede hacer que la persona hable encima del agente o cuelgue.
• Entorno de audio: ruido de fondo, mala señal, personas que hablan a la vez y acentos fuertes bajan la calidad del reconocimiento.
• Datos dictados: DNI, direcciones, correos y números de cuenta son los más propensos a errores. Conviene repetirlos y pedir confirmación.
• Accesos: el agente solo puede hacer lo que tus sistemas permiten. Si tu agenda o tu CRM no tienen una forma de conectarse, hay que resolverlo antes o acotar el alcance.
• Llamadas sensibles: ante enojo, urgencias o malas noticias, una persona hace mejor el trabajo. El agente debe detectar la señal y derivar.
• Consentimiento y grabación: lo explicado arriba. Sin un aviso claro y una base legal, el proyecto tiene un riesgo que ninguna tecnología arregla.

Por eso desaconsejamos prometer un porcentaje de resolución antes de ver tus llamadas reales. Se mide durante un piloto, no se adivina.

1. Relevamiento: escuchamos una muestra de tus llamadas reales (si existen) y elegimos un solo caso de uso para empezar, el que más se repite y tiene un guion claro.
2. Diseño de la conversación: definimos qué dice el agente, qué datos pide, qué acciones puede hacer, qué no puede hacer y en qué momento deriva a una persona.
3. Base de conocimiento y reglas: cargamos la información de tu negocio, con una sola fuente de verdad y sin datos desactualizados.
4. Telefonía y accesos: configuramos el número o la conexión con tu central y los permisos a tus sistemas, con las cuentas a tu nombre.
5. Integración: conectamos la agenda, el CRM o el sistema de gestión para que el agente consulte y escriba en lugar de inventar.
6. Pruebas: llamadas de prueba con casos felices y casos difíciles (ruido, interrupciones, datos mal dictados, pedidos fuera de alcance).
7. Piloto acotado: se lanza con un porcentaje de llamadas o un horario limitado, con revisión humana de las conversaciones.
8. Ampliación: recién con evidencia se suman casos de uso, horarios o volumen.

No damos un plazo en semanas porque no encontramos una fuente verificable para el caso de voz y depende del alcance y de las integraciones. Se estima por escrito después del relevamiento.

Una buena medición se define antes de lanzar y se compara contra cómo funcionaba la atención antes. Indicadores habituales:

• Llamadas que el agente resolvió sin derivar, con una definición escrita de qué cuenta como "resuelta".
• Llamadas derivadas a una persona y motivo de la derivación.
• Llamadas abandonadas antes de terminar y en qué momento de la conversación.
• Duración media y tiempo de espera hasta la primera respuesta.
• Errores de comprensión y datos mal capturados, hallados al revisar una muestra de transcripciones.
• Satisfacción medida con una pregunta corta al final de la llamada o con una encuesta propia.

Importante: sin una línea de base de cómo se atendía antes, cualquier mejora que se declare es una opinión. Y al principio, la revisión humana de las conversaciones es parte del servicio, no un extra.

No hay una única respuesta, y depende de qué tan estándar sea tu caso. Estas son las opciones más habituales:

Sea quien sea el proveedor, estas preguntas te ayudan a elegir:

• ¿Las cuentas, los números y la documentación quedan a tu nombre?
• ¿Dónde se procesa y se guarda el audio, y por cuánto tiempo?
• ¿Puedes escuchar una prueba con tus textos y llamadas parecidas a las tuyas antes de firmar?
• ¿Cómo se deriva a una persona y qué contexto recibe?
• ¿Qué indicadores se entregan y con qué frecuencia?
• ¿Qué costos recurrentes hay aparte del desarrollo (telefonía, uso de voz y de IA, mantenimiento)?
• ¿Qué pasa si dejas de trabajar con ese proveedor?

Nosotros somos un estudio de software con 19+ años de experiencia y un equipo de 6. Hemos trabajado en proyectos de contact center con agentes de voz y en cobranza automatizada. Trabajamos a medida, sin prometer porcentajes. Atendemos de forma presencial solo en el valle de Calamuchita; en el resto del país, de forma remota por videollamada. Para ver todo el panorama de proveedores y servicios, mira la guía de agencia de automatización en Argentina y el servicio de agentes de IA.

El costo se reparte en cuatro partes: el desarrollo y la integración iniciales, la telefonía, el uso de los modelos de voz y de IA (que suele medirse por minuto o por volumen) y el mantenimiento. Los valores de terceros cambian seguido y varían por proveedor, por eso aquí no damos cifras: las detallamos, con fuente y fecha, en cuánto cuesta un agente de voz con IA. Para una visión más amplia, mira cuánto cuesta automatizar los procesos de una empresa.

Cuando nos escribes, esto es lo que puedes esperar:

• Una llamada inicial sin cargo para elegir el caso de uso con el que conviene empezar.
• Una estimación de horas por escrito. Nuestra tarifa está publicada en planes: USD 85 la hora en Starter (20 horas al mes), USD 75 en Growth (40 horas) y USD 60 en Scale (80 horas o más). Las horas reales dependen del relevamiento y de las integraciones.
• Los costos recurrentes por separado: telefonía, uso de voz y de IA, y mantenimiento.
• Cuentas, números y documentación a tu nombre desde el primer día.
• Un piloto con un solo caso de uso, una derivación a una persona definida y los indicadores para medirlo.
• Un acuerdo claro sobre dónde se procesan y se guardan los audios, y qué aviso se da a quien llama.

Cuéntanos qué llamadas se repiten en tu negocio y te respondemos con una estimación. Escríbenos por WhatsApp o revisa los planes por horas. El presupuesto no tiene costo.

Preferimos decírtelo de frente:

• Si recibes muy pocas llamadas por día, una persona, un horario de atención claro o un buzón de voz probablemente rinden más que un proyecto de voz.
• Si tus clientes escriben más de lo que llaman, empieza por un chatbot para WhatsApp, que es más simple y más barato de poner en marcha.
• Si tus llamadas son emocionalmente sensibles, urgentes o complejas (reclamos graves, negociaciones, malas noticias, emergencias), necesitan una persona.
• Si tu caso es simple y tienes quien la configure, una plataforma lista para usar puede alcanzar sin pagar un desarrollo a medida.
• Si necesitas un call center de personas, con operadores y turnos, no es lo que hacemos.
• Si todavía no tienes ordenados tus procesos o tus sistemas no se pueden conectar, primero conviene resolver eso.
• Si buscas una promesa de ahorro o de porcentaje de resolución garantizado, no la vamos a dar.

• Si piensas en recordatorios de pago o gestión de mora, lee cobranza con IA por llamadas y WhatsApp.
• Si quieres saber cuánto cuesta, mira cuánto cuesta un agente de voz con IA.
• Si dudas entre canales, compara agente de voz, chatbot o humano.
• Si validas identidades en un banco o una fintech, lee KYC con IA por chat y voz.
• Para entender las diferencias entre voz y texto, está la nota chatbot de IA o agente de voz en atención al cliente, y para el caso sin call center, agente de voz con IA para atención sin call center.

Datos consultados el 4 de noviembre de 2026. Los precios, las normas y las cifras de terceros cambian: confírmalos en la fuente antes de decidir.

• ElevenLabs: documentación de la plataforma de agentes de voz (componentes, telefonía y herramientas)
• OpenAI: guía de agentes de voz (arquitectura de voz a voz y arquitectura encadenada)
• LiveKit: documentación de agentes (reconocimiento de voz, modelo de lenguaje, voz sintética, detección de turnos y telefonía)
• RaftLabs: AI voice agents, cuándo construir y cuándo no (actualizada el 16 de agosto de 2026)
• Argentina.gob.ar: texto de la Ley 25.326 de Protección de los Datos Personales
• Argentina.gob.ar: Registro Nacional "No llame" (Ley 26.951)
• Argentina.gob.ar: guía de la AAIP para usar la inteligencia artificial de manera responsable (publicada en septiembre de 2024)