Terminología del recepcionista telefónico con IA: glosario sin tecnicismos

Empezaste a investigar un asistente telefónico con IA para resolver un problema muy simple —las llamadas perdidas— y hacia la tercera pestaña del navegador te topaste con un muro de palabras. Agente de voz. IVR. Flujo de llamada. SIP. Portabilidad. Latencia. Todo el mundo las usa como si ya las conocieras, y nadie se para a explicarlas. Esta es la página que se para y las explica. Sin barniz comercial, sin dar por hecho que tienes un departamento de informática: solo la terminología del recepcionista telefónico con IA que de verdad necesitas para tomar una buena decisión.

La verdad honesta sobre la mayoría de estos términos es esta: existen porque el sistema telefónico lo construyeron ingenieros, para ingenieros, décadas antes de que nadie imaginara un ordenador contestando el teléfono con voz humana. La jerga es fontanería vieja. No necesitas hacerte fontanero. Solo necesitas saber lo justo para distinguir una función real de una palabra brillante, y entender qué te está prometiendo de verdad un proveedor cuando dice que tus llamadas quedarán atendidas.

Las dos palabras que más confusión causan

Antes del glosario propiamente dicho, aclaremos los dos términos que la gente confunde constantemente: IVR y agente de voz. Los dos contestan tu teléfono. No son lo mismo, y la diferencia es la esencia de toda esta categoría.

Un IVR —respuesta de voz interactiva, por sus siglas en inglés— es el viejo menú de «pulse 1 para ventas, pulse 2 para soporte». Existe desde los años ochenta. Sigue un árbol rígido: quien llama pulsa una tecla o dice una única palabra guionizada, y el sistema pasa a la siguiente rama. No puede entender una frase. No puede responder una pregunta que no hayas programado de antemano. Los clientes lo detestan con razón: les obliga a hacer ellos el trabajo.

Un agente de voz (también llamado recepcionista con IA, asistente telefónico con IA o IA conversacional de voz) escucha lo que la persona dice de verdad, entiende la intención que hay detrás y responde con habla natural. Pregúntale «¿abrís el sábado?» y responde a la pregunta. Pídele cita para el martes por la tarde y te la da. No hay árbol de menús que recorrer porque no hay menú. Ese es el salto que los últimos años han hecho posible, y por eso todo el vocabulario se volvió confuso de repente: los términos viejos y los nuevos conviven ahora lado a lado.

Agente de voz (y sus muchos alias)

Agente de voz es el término paraguas para el software que mantiene una conversación hablada por teléfono. Verás la misma idea vendida con una docena de nombres: recepcionista con IA, asistente telefónico con IA, recepcionista virtual, IA conversacional, contestador con IA, voicebot. El marketing elige la palabra que suena más amable para su público. Por debajo, todos describen el mismo truco de tres pasos.

1. Te oye — la conversión de voz a texto transforma tus palabras en texto en el mismo momento en que las dices.
2. Entiende y decide — un modelo de lenguaje lee ese texto, deduce qué quieres y elige una respuesta usando el perfil y las reglas del negocio.
3. Te responde hablando — la síntesis de voz convierte la respuesta en una voz natural, tan rápido que parece una llamada en vivo.

Cuando alguien dice que su agente de voz es «bueno», normalmente quiere decir que estos tres pasos ocurren con la rapidez y precisión suficientes para que quien llama no sienta que habla con una máquina — o al menos no le importe. Todos los demás términos de este glosario son, en el fondo, detalles de cómo esos tres pasos se conectan con tu número de teléfono real.

Voz a texto, transcripción y texto a voz

La conversión de voz a texto (STT), a veces llamada reconocimiento automático del habla (ASR), es el paso que convierte las palabras habladas de quien llama en texto escrito en tiempo real. Son los oídos del sistema. Los acentos, el ruido de fondo y la gente hablando a la vez son sus problemas más difíciles — por eso conviene probar siempre un agente de voz con una llamada real y un poco caótica, no con una demo limpia de estudio.

La transcripción está estrechamente relacionada, pero cumple otro propósito. El STT ocurre en vivo para que el agente pueda responder; una transcripción es el registro escrito de toda la conversación, guardado para que lo leas después. Es una de esas funciones discretamente valiosas. Tras cada llamada, un buen asistente te envía la transcripción junto con un breve resumen: quién llamó, qué quería, qué se acordó. Te llevas la sustancia de la llamada sin haber tenido que estar presente.

La conversión de texto a voz (TTS), o síntesis de voz, es la boca. Convierte la respuesta elegida por el agente en habla audible. El TTS moderno es lo que hace que los asistentes de hoy suenen humanos y no como un GPS de los noventa: ritmo natural, respiraciones, algún «mmm» ocasional. A veces oirás la palabra voz para referirse a una persona sintetizada concreta que puedes elegir (más cálida, más ágil, con un acento determinado).

Flujo de llamada (y diseño de conversación)

Un flujo de llamada es el mapa de lo que ocurre durante una llamada: cómo saluda el agente, qué tiene permitido hacer, cuándo agenda una cita y cuándo toma un mensaje, y cuándo pasa la llamada a una persona. En los IVR antiguos, el flujo de llamada era un árbol de decisiones rígido. En un buen agente de voz se parece más a un conjunto de objetivos y límites: «saluda con calidez, responde preguntas a partir del perfil del negocio, ofrece agendar si quieren cita, toma un mensaje si no estás seguro».

También oirás diseño de conversación o prompt para referirse a las instrucciones escritas que moldean el comportamiento y el tono del agente. El punto práctico para ti: cuanto más pregunte la configuración sobre tu negocio —tus servicios, tus horarios, tus precios, cómo prefieres gestionar las consultas— mejor se ajusta el flujo de llamada. Un asistente genérico sin contexto da respuestas genéricas, y a veces equivocadas. No es la tecnología la que falla; es la configuración que se ha saltado.

Intención, entidades y «alucinación»

La intención es lo que quien llama intenta conseguir, por debajo de sus palabras exactas. «¿Tenéis algo el jueves?», «¿Puedo pasarme esta semana?» y «Necesito una cita» son tres frases con una sola intención: reservar algo. Reconocer la intención es lo que separa a un agente de voz de un IVR que solo entiende la frase exacta que guionizaste.

Las entidades son los detalles concretos dentro de una petición: una fecha, una hora, un nombre, un número de teléfono, un servicio. «Resérvame un corte de pelo con Sam el martes que viene a las cuatro» contiene cuatro entidades que el agente necesita capturar correctamente. Cuando alguien se queja de que una reserva llegó con la hora equivocada, normalmente es una entidad mal oída — conviene comprobar que tu asistente confirma los datos a quien llama antes de colgar.

Alucinación es la palabra franca del sector para cuando una IA se inventa algo con total seguridad: un precio que nunca fijaste o un servicio que no ofreces. Es el riesgo que más importa a un negocio, porque una respuesta equivocada dada con soltura es peor que ninguna respuesta. La barrera de seguridad es el anclaje: un asistente bien construido responde solo a partir del perfil que le diste, y dice «déjame tomar nota y alguien te lo confirma» cuando no lo sabe. Si un proveedor no quiere contarte cómo evita las alucinaciones, es una pregunta en la que merece la pena insistir.

Desvío de llamadas — la entrada fácil

Este es el término que decide cuánto lío supone realmente la puesta en marcha. El desvío de llamadas significa decirle a tu línea telefónica actual que envíe las llamadas a otro sitio — en este caso, al asistente con IA. Tu número se queda exactamente donde está, con tu compañía telefónica de siempre. Solo añades una regla: desviar las llamadas a este número nuevo.

Normalmente puedes configurar el desvío para que sea condicional. El desvío incondicional envía todas las llamadas al asistente. El desvío por ocupado o sin respuesta solo desvía cuando tu línea está comunicando o nadie contesta tras unos tonos — así atiendes las llamadas que puedes, y el asistente recoge el desbordamiento y las llamadas fuera de horario. Para la mayoría de los pequeños negocios, esta configuración condicional es el punto óptimo: sigues contestando cuando estás libre, y nada se escapa cuando no lo estás.

Portabilidad numérica — la mudanza permanente

La portabilidad numérica es el cambio contrario: significa transferir la titularidad de tu número de teléfono de un operador a otro. Es lo que haces cuando cambias de compañía por completo y quieres conservar tu número. Es permanente, implica papeleo y puede tardar desde un día hasta un par de semanas según tu país y tu proveedor.

Por esto importa la distinción cuando estás comparando: casi nunca necesitas portar tu número para usar un asistente telefónico con IA. El desvío hace el trabajo sin el compromiso. Si el alta de un proveedor te exige portar tu número principal de negocio solo para probar su servicio, es pedir demasiado por algo que aún no has comprobado. Desconfía. La portabilidad es una herramienta perfecta para su propósito real —cambiar de operador—, pero no debería ser el precio de entrada para probar un recepcionista.

SIP, VoIP y las palabras de fontanería

Estos son los términos que hacen que a los dueños se les nuble la vista, así que seremos breves y honestos: para la mayoría de los pequeños negocios, no necesitas entenderlos para comprar ni para usar un asistente con IA. Pero los vas a ver, así que aquí va lo que significan.

VoIP (voz sobre IP) significa simplemente llamadas telefónicas que viajan por internet en lugar de por las líneas de cobre tradicionales. Si llamas a través de una app, de unos auriculares conectados al ordenador o de un teléfono de mesa conectado a internet, ya estás usando VoIP. La mayoría de los teléfonos de empresa modernos lo son.

SIP (protocolo de inicio de sesión) es el estándar técnico que establece y cierra esas llamadas por internet — el apretón de manos que conecta los dos extremos. Un troncal SIP (SIP trunk) es un paquete de líneas de nivel empresarial entregado por internet. Oirás estas palabras cuando un proveedor conecta un asistente con IA directamente a la centralita de una empresa grande. Para un negocio de una, dos o cinco personas, esto es fontanería que ocurre entre bastidores; rara vez la tocas.

Latencia, interrupción y turnos de palabra

Estas tres palabras describen si una llamada se siente natural, algo que importa más que cualquier ficha técnica.

La latencia es la demora entre que la persona termina de hablar y el asistente empieza a responder. En una llamada telefónica, el silencio incomoda enseguida: incluso una pausa de dos segundos parece que se cortó la línea. La latencia baja es lo que hace que un agente de voz se sienta presente y no lento. Es una de las cosas más difíciles de conseguir y de las más fáciles de notar, así que fíate de tus propios oídos durante una llamada de prueba antes que de cualquier cifra de un folleto.

El barge-in (o gestión de interrupciones) es si puedes cortar al agente a mitad de frase y que se calle y escuche — como haría una persona. Sin esto, el agente te habla por encima y tienes que esperar a que termine su línea guionizada antes de que te oiga. Con esto, la conversación fluye. Los turnos de palabra son la habilidad más amplia de saber cuándo la persona ha terminado una idea y cuándo solo hace una pausa para respirar. Si esto falla, hasta un agente inteligente parece robótico; si funciona, quien llama muchas veces ni se da cuenta de que habla con un software.

Traspaso, escalado y transferencia atendida

Un buen asistente conoce sus límites, y estas palabras describen qué hace al llegar a ese borde. El traspaso (o escalado) es el momento en que la IA se detiene e involucra a una persona — porque quien llama está molesto, tiene una pregunta compleja o pide explícitamente hablar con alguien. La elegancia con que un producto gestiona esto dice mucho de cuánto respetan sus creadores a quien llama.

Hay dos estilos habituales. Una transferencia atendida (warm transfer) pasa la llamada en vivo directamente a una persona, idealmente con un resumen rápido de lo hablado para que el cliente no tenga que repetirse. Un traspaso por mensaje anota los datos y te avisa para que devuelvas la llamada — la jugada correcta cuando no hay nadie disponible para recibir una transferencia en vivo, por ejemplo fuera de horario. Lo esencial es que un asistente digno de confianza nunca finge ser humano cuando se lo preguntan, y nunca atrapa a nadie en un bucle sin forma de llegar a una persona.

Concurrencia, 24/7 y disponibilidad

La concurrencia es cuántas llamadas puede atender el asistente al mismo tiempo. Un recepcionista humano atiende una llamada; el resto oye el tono de ocupado o el buzón de voz. Un agente de voz puede coger varias —o muchas— llamadas simultáneas sin cola. Para un negocio que recibe una avalancha repentina (una promoción, un lunes ajetreado, una urgencia), esta es discretamente una de las mayores ventajas: nadie se queda en espera y ningún cliente decide probar con tu competencia.

24/7 y disponibilidad son las afirmaciones llanas de que el asistente contesta a todas horas, incluidas noches, fines de semana y festivos. Esta es la razón por la que muchos dueños se interesan por todo esto en primer lugar. La aritmética es simple: si pierdes diez llamadas a la semana —fuera de horario, durante las citas, los días que cierras— y aunque solo una de ellas fuera una reserva que valía la pena, un asistente que las recoge se paga solo. No hace falta ningún estudio inventado; tú ya sabes cuántas llamadas estás perdiendo.

Perfil de negocio, base de conocimiento y «entrenamiento»

El perfil de negocio o base de conocimiento es la información de la que el asistente saca sus respuestas: tus servicios, horarios, los precios que has decidido compartir, la ubicación, cómo gestionas las peticiones habituales. Es lo más importante que está bajo tu control, porque el asistente solo es tan preciso como este perfil. Dedica veinte minutos a rellenarlo bien y la diferencia en la calidad de las llamadas es dramática.

A veces verás la palabra entrenamiento usada con ligereza aquí. Puede referirse al entrenamiento profundo y técnico del modelo de lenguaje subyacente (que lo hace el proveedor, no tú), o simplemente a «rellenar tu perfil para que el asistente conozca tu negocio». Cuando una herramienta para pequeños negocios dice «entrena a tu asistente en minutos», casi siempre significa lo segundo, lo amable: responder a un breve asistente de configuración sobre cómo trabajas. Nadie espera que hagas aprendizaje automático.

Cómo se traduce todo esto en ponerse en marcha

Junta toda la jerga y el flujo real resulta refrescantemente ordinario. Con Vunoon, te registras, rellenas un breve asistente de configuración que se convierte en tu perfil de negocio y pruebas el agente de voz llamándolo y hablándole como lo haría un cliente. Cuando estés satisfecho, activas el desvío de llamadas en tu línea actual —sin portabilidad ni fontanería SIP que aprender— y ya estás en marcha. Tras cada llamada recibes una transcripción con su resumen; cuando el asistente no puede ayudar, hace un elegante traspaso por mensaje en lugar de adivinar.

Ese es el sentido de descifrar estas palabras: en cuanto las ves por dentro, la tecnología deja de intimidar y se convierte en una lista corta de decisiones que eres perfectamente capaz de tomar. No necesitas hablar telecomunicaciones con fluidez. Necesitas un recepcionista que conteste, entienda y traspase con honestidad — y ahora ya sabes distinguir si un producto lo hace de verdad.

1. 1
   Construye el perfil

   Responde al asistente de configuración sobre tus servicios, horarios y cómo prefieres gestionar las consultas. Esta es la «base de conocimiento»: el asistente solo es tan bueno como lo que pongas aquí.
2. 2
   Prueba el agente de voz

   Llámalo. Interrúmpelo, habla entre dientes, haz una pregunta fuera de guion. Estás comprobando la latencia, el barge-in y si responde a partir de tu perfil.
3. 3
   Desvía tus llamadas

   Configura el desvío condicional para que el asistente recoja el desbordamiento y las llamadas fuera de horario. Tu número se queda exactamente donde está; puedes desactivarlo en segundos.
4. 4
   Lee las transcripciones

   Cada llamada te llega como resumen y transcripción, así que mantienes visibilidad total incluso de las llamadas que nunca cogiste.