Un agente de voz con IA para el teléfono: qué hace, qué falla y cuándo no compensa

El teléfono de una clínica pequeña suena unas 40 veces al día. Dos personas en recepción cogen las que pueden entre paciente y paciente, y el resto se van al buzón. Casi nadie deja mensaje: cuelgan y llaman a la clínica siguiente.

Ese hueco es el que llena un agente de voz. No es magia y no sirve para todo, así que vamos por partes.

Qué es un agente de voz (y qué no)

Un agente de voz con IA es un programa que contesta el teléfono, entiende lo que dice la persona en lenguaje normal, consulta lo que haga falta (tu agenda, tu CRM, tu catálogo) y responde hablando. La conversación va y viene como con una persona: se le puede interrumpir, cambiar de tema o pedir que repita.

Conviene distinguirlo de tres cosas con las que se confunde:

• Un contestador graba y ya. Alguien tiene que escuchar los mensajes después.
• Un IVR es el “pulse 1 para citas, pulse 2 para facturación”. Un árbol rígido: si tu caso no está en el menú, no hay salida.
• Un chatbot vive en la web o en WhatsApp y escribe. Comparte el cerebro con el agente de voz, pero no el canal, y el canal cambia mucho las cosas: por escrito el usuario tolera esperar tres segundos, por teléfono no.

La diferencia práctica con el IVR es que al agente le hablas como hablarías a la recepcionista: “hola, quería cambiar la cita que tengo el jueves para la semana que viene por la tarde”. Eso, en un menú de teclas, son cuatro niveles y una llamada perdida.

Lo que hace bien hoy

Después de montar unos cuantos, la línea está bastante clara. Funciona muy bien en llamadas repetitivas y acotadas:

• Coger, mover y cancelar citas contra una agenda real.
• Responder las quince preguntas de siempre: horarios, dirección, precios, si hay parking, qué documentación traer.
• Tomar el pedido o el aviso y dejarlo escrito en el sistema con los datos completos.
• Filtrar y pasar a una persona cuando el asunto se sale del guion.

Esa última es la parte que más se subestima. Un agente que sabe cuándo callarse y pasar la llamada vale más que uno que intenta resolverlo todo.

Lo que todavía se le da mal

Aquí es donde la mayoría de las páginas de venta miran hacia otro lado.

La latencia manda. Entre que la persona termina de hablar y el agente responde pasan hoy entre medio segundo y un segundo y medio. Por debajo de un segundo la conversación suena natural; por encima, la gente empieza a repetir la frase pensando que no la han oído.

El ruido de fondo se le atraganta: una llamada desde el coche con la ventanilla bajada o desde una obra sube mucho la tasa de error. Los acentos y los nombres propios también. “Mendieta” y “Mendietta” suenan igual, y si el agente tiene que buscar al paciente por apellido, hay que dejarle una salida: deletrear, pedir el DNI o pasar a recepción.

Y hay conversaciones que no deberían ser automáticas nunca. Una reclamación enfadada, un resultado médico, una cancelación de contrato. Ahí el agente debe reconocer la situación en la primera frase y pasar la llamada.

La cuenta: cuándo empieza a compensar

Hagamos el cálculo con números redondos, y sustituye luego los tuyos.

Una clínica recibe 40 llamadas al día. Con dos personas en recepción atendiendo también el mostrador, se quedan sin coger unas 8. De esas 8, pongamos que 3 eran para pedir cita. Si el valor medio de un paciente nuevo es de 60 €, son 180 € al día que se van por el desagüe del buzón de voz. Veinte días hábiles al mes: 3.600 €.

Ese número es el que hay que mirar primero, antes que el precio de montarlo. Nosotros presupuestamos cada proyecto según lo que haya que conectar, y esa cifra solo tiene sentido puesta al lado de la de arriba: si el agente recupera una sola de esas tres llamadas al día, la conversación ya no va del coste del software.

Ahora dale la vuelta. Si tu negocio recibe 5 llamadas al día y las coges todas, un agente de voz no te va a ahorrar nada: te va a añadir una capa entre tú y tu cliente. Y si cada llamada tuya es una negociación distinta de 20 minutos, tampoco. La automatización del teléfono compensa cuando hay volumen y repetición; si falta cualquiera de las dos, es mejor gastarse el dinero en otra cosa.

Nuestro umbral orientativo: a partir de unas 20 llamadas diarias con un 60 % de consultas repetidas, merece la pena sentarse a mirarlo.

Cómo se monta, en la práctica

No es instalar una app. Un despliegue normal lleva entre dos y cuatro semanas, y va así:

1. Escuchar llamadas reales. Una o dos semanas de grabaciones (con el aviso legal correspondiente) valen más que cualquier reunión de requisitos. De ahí salen las preguntas frecuentes de verdad, que casi nunca coinciden con las que el dueño creía.
2. Escribir el guion y los límites. Qué resuelve, qué no toca, con qué frase pasa a una persona, qué hace si no entiende dos veces seguidas.
3. Conectarlo a los sistemas. Aquí está el trabajo real: la agenda, el CRM, el ERP. Un agente que no puede leer huecos libres ni escribir la cita es un contestador caro.
4. Probar con llamadas de verdad. Primero internas, luego un porcentaje del tráfico real fuera de horario, que es donde el coste de equivocarse es menor.
5. Revisar las transcripciones cada semana. Las primeras semanas siempre aparecen giros que no estaban previstos. Se corrigen y el agente mejora. Sin esta parte, el proyecto se estanca en el 70 % de aciertos.

Si quieres ver el detalle técnico y los canales que soportamos, está en la página de agente de voz. Para el caso concreto de consultas y centros médicos, incluida la parte de protección de datos, tienes la página de clínicas.

Por dónde empezar

Antes de contratar nada, mide dos cosas durante una semana: cuántas llamadas entran y cuántas se quedan sin coger. Tu centralita lo sabe. Con esos dos números y el valor medio de tu cliente ya puedes decidir tú solo si esto tiene sentido, sin que te lo cuente un comercial.

Si el número te sale grande y quieres una segunda opinión, hacemos una auditoría gratuita en la que miramos tus llamadas y te decimos qué se puede automatizar y qué no. A veces la respuesta es que no compensa, y también te lo decimos.

Si algún término de este artículo te suena a chino, en el glosario de IA están explicados sin tecnicismos.