Una recepcionista de voz IA para tu negocio

En este tutorial vas a montar una recepcionista telefónica con IA: un sistema que contesta llamadas, responde preguntas frecuentes y agenda citas sin que nadie levante el tubo. Es para vos si ya trabajaste con APIs y prompts, y tenés un negocio (o un cliente) que pierde llamadas todos los días.

Antes de empezar

• Un caso de uso concreto. "Que atienda todo" es la receta del fracaso. Empezá con algo acotado: agendar citas, responder horarios y precios, tomar datos del que llama.
• Un proveedor de telefonía por internet. Necesitás un número que la IA pueda atender. Twilio es el clásico, pero ojo: la disponibilidad de números locales varía muchísimo por país en Latinoamérica. Verificá que exista número para TU país antes de construir nada.
• Presupuesto mensual. Esto no es gratis: pagás el número, los minutos de llamada, la transcripción, el modelo de lenguaje y la voz. Cada pieza cuesta centavos por minuto, pero suma. Calculá el costo por llamada antes de prometer nada.
• Conocimiento básico de APIs y webhooks. Un webhook es una URL tuya que el proveedor llama cuando pasa algo (por ejemplo, cuando entra una llamada).

Paso 1 — Definí el alcance y la salida a humano

Escribí en un documento: qué preguntas contesta, qué datos captura, y —lo más importante— cuándo pasa la llamada a una persona. Toda recepcionista IA necesita una salida digna: "te comunico con alguien del equipo" o "te mandamos un WhatsApp en 10 minutos". Sin esto, el que llama con un problema raro se frustra y tu negocio queda mal.

Paso 2 — Elegí la arquitectura

Tenés dos caminos:

• Plataforma todo-en-uno (tipo Vapi, Retell o similares): te dan la tubería completa —telefonía, transcripción, modelo y voz— y vos configurás el prompt. Levantás algo funcionando en un día. Contra: menos control y pagás el margen de la plataforma.
• Armarla vos: número de Twilio + transcripción en tiempo real (speech-to-text) + un modelo de lenguaje + una voz sintética (text-to-speech), todo orquestado por tu servidor. Máximo control y costo por minuto más bajo, pero la latencia es tu problema y hay mucho que puede fallar.

Mi recomendación honesta: validá con la todo-en-uno. Migrá a lo propio solo cuando el volumen justifique la ingeniería.

Paso 3 — Escribí el prompt como un guion de trabajo

El prompt de una recepcionista no es un prompt de chat. Estructuralo así:

ROL: Sos la recepcionista de [negocio]. Hablás en español,
frases cortas, tono cálido. Nunca inventás información.

SABÉS: horarios, dirección, servicios y precios (pegados acá).

FLUJO: 1) Saludá y preguntá en qué ayudás.
2) Si piden cita: pedí nombre, teléfono y horario preferido.
3) Si no sabés algo: ofrecé derivar a un humano. NO inventes.

LÍMITES: no des diagnósticos, no negocies precios,
no hables de temas ajenos al negocio.

Dos reglas de oro para voz: frases cortas (lo que en texto se lee bien, hablado suena eterno) y prohibido inventar (una alucinación por teléfono es una promesa que tu negocio no hizo).

Paso 4 — Conectá el número y controlá la latencia

Apuntá el webhook de voz de tu número hacia la plataforma o tu servidor. Después medí la latencia total: el tiempo entre que la persona termina de hablar y la IA responde. Si pasa de un par de segundos, la conversación se siente rota y la gente corta. Para bajarla: modelo rápido en vez del más potente, respuestas cortas, y streaming de audio (que empiece a hablar antes de tener la respuesta completa).

Paso 5 — Probala como cliente enojado

No la pruebes solo vos con voz clara y preguntas amables. Hacé que llamen personas distintas: con ruido de calle, con acento marcado, interrumpiendo, preguntando cosas fuera de guion, pidiendo hablar "con una persona de verdad". Anotá cada falla y ajustá el prompt o el flujo. Diez llamadas adversariales te enseñan más que cien de laboratorio.

Paso 6 — Medí y mejorá con datos

Guardá transcripciones y grabaciones (avisando al inicio de la llamada, que en muchos países es obligación legal). Revisá cada semana: ¿cuántas llamadas resolvió sola? ¿en cuáles derivó? ¿en cuáles la gente cortó? Ese número —llamadas resueltas sin humano— es tu métrica de verdad, no lo linda que suena la voz.

Errores comunes

• Latencia alta. La gente corta antes de que la IA termine el saludo. Arreglo: medí de punta a punta y recortá cada eslabón; el saludo inicial puede ser audio pregrabado.
• Sin salida a humano. Un caso raro y la experiencia se derrumba. Arreglo: derivación explícita en el prompt y un canal real detrás (persona o WhatsApp).
• Prompt kilométrico. Más instrucciones no es más control: el modelo se pierde. Arreglo: alcance chico, información pegada al prompt solo la necesaria.
• Ignorar la telefonía local. Construís todo y resulta que no hay números en tu país o las llamadas llegan con calidad pobre. Arreglo: probá la pata telefónica el primer día, no el último.

Siguiente paso

Cuando la recepcionista atienda bien, el valor está en conectarla al resto del negocio: que agende directo en el calendario, que registre al cliente en tu CRM y que dispare un WhatsApp de confirmación. Ahí deja de ser un contestador inteligente y pasa a ser una empleada que trabaja 24/7.