Voz e IA conversacional: qué funciona ya en una pyme

Un taller mecánico recibe cuarenta llamadas al día. Treinta son la misma: “¿a qué hora abrís?”, “¿me podéis cambiar la cita del jueves?”, “¿está listo mi coche?”. Las diez restantes son las que dan dinero o evitan un disgusto. El problema es que las treinta primeras se comen el tiempo de quien debería atender las diez segundas, y que a partir de las seis de la tarde ya no las coge nadie.

Esa es la conversación real detrás de la voz con IA. No es “sustituir a la persona que atiende el teléfono”. Es decidir qué parte del teléfono no debería estar consumiendo a una persona, y hacerlo sin que quien llama se sienta maltratado.

Resumen

La voz con IA funciona hoy en llamadas repetitivas y de bajo riesgo: recepción fuera de horario, preguntas frecuentes, cualificación básica, confirmar o mover citas. A cambio exige un trabajo que casi nadie presupuesta: guiones de conversación escritos, una vía de salida clara hacia una persona y un tono que se parezca al de tu marca. En voz los fallos se perdonan menos que en un chat, porque quien llama espera respuesta inmediata. Y hay dos obligaciones que no son opcionales: decir que es un asistente y tratar las grabaciones con cabeza.

Qué funciona ya, y qué todavía no

Funciona bien:

• Recepción fuera de horario. La llamada de las nueve de la noche que hoy se pierde. Recoger el motivo, los datos de contacto y devolverla al día siguiente ya es una mejora clara sobre el silencio.
• Preguntas frecuentes con respuesta estable. Horarios, dirección, documentación necesaria, estado de un pedido con número de referencia.
• Cualificación básica. Averiguar qué necesita quien llama y dirigirlo a la persona o al equipo correcto, con la información ya recogida.
• Confirmar, recordar y mover citas. Es el caso más maduro, porque tiene un final claro y verificable. Si además tu agenda ya está conectada, el circuito es corto y comprobable, como contamos en el artículo sobre la agenda de citas.

Todavía no funciona bien:

• Conversaciones con carga emocional: reclamaciones, cancelaciones, quejas de un cliente enfadado.
• Negociación comercial o cualquier cosa que implique comprometer precio, plazo o condiciones.
• Casos donde un error tiene consecuencias serias: salud, urgencias, información legal.
• Llamadas largas con muchos temas mezclados, que es donde el asistente se pierde y quien llama se desespera.

Por qué en voz los fallos se perdonan menos

En un chat, quien escribe acepta esperar. Reformula, escribe otra vez, se va y vuelve. Al teléfono no: hay una persona con el aparato en la oreja esperando ahora, y cualquier silencio de tres segundos se lee como avería.

Eso cambia tres cosas del diseño. La primera, que no hay margen para respuestas largas: quien llama quiere una frase útil, no un párrafo. La segunda, que interrumpir es normal, y el asistente tiene que aguantar que le corten a mitad. Y la tercera, la importante: cuando el asistente no entiende algo por segunda vez, la respuesta correcta no es volver a preguntar. Es pasar la llamada a una persona.

Aquí conviene ser explícito, porque es el error de planteamiento más frecuente: un asistente de voz sin supervisión y sin escalado a una persona es una mala idea. No una idea mejorable: una mala idea. La llamada que se queda atrapada en un bucle es un cliente perdido y, además, una historia que se cuenta. Todo despliegue de voz necesita una salida hacia un humano y alguien que escuche una muestra de llamadas cada semana.

Lo que hay que preparar antes de encender nada

Los guiones de conversación. No un árbol de opciones de centralita, sino qué se pregunta, en qué orden, cómo se confirma un dato y qué se dice cuando algo no encaja. La mayor parte del trabajo de un proyecto de voz es escribir y afinar esto, no configurar la herramienta.

Las reglas de derivación. Escritas y sin ambigüedad: dos malentendidos seguidos, cualquier mención a una reclamación, cualquier petición fuera del alcance definido, y la llamada pasa. Y define qué ocurre si al otro lado no hay nadie disponible, porque a las nueve de la noche no lo habrá.

El tono de marca. Un asistente que habla como un folleto suena peor que uno con frases cortas y naturales. Léelo en voz alta antes de publicarlo: si a ti te suena raro, a quien llame le sonará raro.

El registro y el aviso de fallo. Qué se guarda de cada llamada, dónde queda y quién recibe el aviso cuando algo se rompe. Un canal telefónico caído es más grave que un formulario caído.

Y la conexión con lo que ya tienes. Un asistente que no ve la agenda ni el CRM solo puede recoger recados. La técnica que lo hace posible es la misma que explicamos en la guía de IA multimodal; en la práctica, hoy la voz se apoya en modelos de conversión de audio a texto y de vuelta, como los que documenta OpenAI en su guía de reconocimiento de voz o Google en la parte de audio de Gemini.

Si tienes claro que el teléfono te está comiendo horas y no tanto qué llamadas se pueden delegar, podemos revisar contigo qué conversaciones de tu negocio aguantarían este canal antes de que inviertas en montarlo.

Transparencia y datos: dos cosas que no son opcionales

Decir que es un asistente. No solo por educación: la normativa europea de IA apunta precisamente en esa dirección. El marco regulatorio de la IA de la Comisión Europea establece obligaciones de transparencia para los sistemas que interactúan con personas, y la Comisión detalla ese bloque en su página sobre transparencia. Consulta el calendario de aplicación en la fuente oficial, porque entra por fases. En la práctica, la frase que resuelve el noventa por ciento del asunto va al principio de la llamada y dura tres segundos: decir que quien atiende es un asistente automático y que se puede pasar con una persona.

Las grabaciones, con cautela. La voz es un dato personal, y una llamada suele contener bastantes más. Si vas a grabar o a transcribir, necesitas base legal, informar antes de grabar, guardar solo lo necesario, fijar un plazo de conservación y saber qué proveedor procesa el audio y dónde. Los criterios de la AEPD son la referencia, y su material sobre evaluaciones de impacto ayuda a decidir si tu caso necesita un análisis previo formal. Si el proyecto incluye tratamiento sistemático de llamadas, esa pregunta hay que hacérsela antes, no después.

Un ejemplo aterrizado

Una clínica dental de dos gabinetes en Murcia pierde llamadas cada tarde y dedica una hora diaria a confirmar citas del día siguiente. El primer caso no es “atender el teléfono con IA”. Es uno solo: confirmar y mover citas.

El asistente atiende, se identifica como asistente, pregunta por el nombre y la cita, confirma o propone dos huecos alternativos, y escribe el cambio en la agenda. Cualquier cosa que se salga de ahí (una urgencia, una duda sobre un tratamiento, un cliente molesto) se pasa a recepción en horario o se recoge para devolver la llamada a primera hora.

Durante seis semanas alguien de la clínica escucha veinte llamadas por semana y anota qué salió mal. Con eso se decide si se amplía a un segundo tipo de llamada o si el guion necesita otra vuelta. Lo que no se hace nunca es abrir el canal entero el primer día, que es como se consigue que la voz se gane mala fama dentro de la empresa en una semana.

Preguntas frecuentes

¿Se nota que no es una persona?

Cada vez menos en el timbre de la voz, y bastante en la conversación: los silencios, las interrupciones y las preguntas fuera de guion siguen delatando. En cualquier caso, la pregunta correcta no es si se nota, sino si lo dices. Ocultarlo es un mal negocio, y la normativa europea de IA va justamente en el sentido contrario.

¿Sustituye a quien atiende el teléfono?

No, y plantearlo así es la mejor manera de que salga mal. Lo que hace es quitar de encima las llamadas repetitivas y recoger las que hoy se pierden fuera de horario, para que la persona atienda las que necesitan criterio. Sin alguien detrás que supervise y recoja lo escalado, el canal no se sostiene.

¿Por dónde empiezo si quiero probarlo?

Por el tipo de llamada más repetitivo y menos delicado que tengas, normalmente confirmar citas o responder preguntas de horario y estado. Un solo caso, con guion escrito, escalado claro y una persona escuchando muestras cada semana. Si eso funciona seis semanas, hablamos del segundo caso. Para el resto de canales de atención, el marco general está en atención al cliente.

Siguiente paso

En voz, un fallo se nota mucho más que en un formulario: quien llama espera respuesta ya. Por eso el orden importa tanto. Empieza por una sola llamada, la más repetitiva y la menos delicada, con salida a persona siempre disponible. Si quieres una segunda opinión antes de abrir el canal, acotamos contigo ese primer caso en una primera conversación sin compromiso, y te decimos con la misma claridad si tu teléfono todavía no está para esto.