Playbook · Atención al cliente

Agente de voz con IA para una tienda

Qué cuesta de verdad al mes, con las cifras medidas sobre un sistema en producción que atiende el teléfono de una tienda. No es una estimación de folleto: es el consumo real, llamada a llamada, con lo que salió mal incluido.

La respuesta corta

El coste de un agente de voz es minutos hablados, y nada más: sin suelo mínimo y sin tramos. Al volumen de una tienda con unas 80 llamadas al día salen entre 250 y 320 $/mes entre plataforma de voz y telefonía; en fase de arranque, entre 116 y 150 $. Tres cosas que no están en ningún folleto: los minutos que anuncia el plan no son los tuyos —compras créditos, y el titular se calcula con el modelo de voz más caro—; el 72 % del minuto facturado es el asistente hablando, así que acortar lo que dice es la única palanca que baja la factura y mejora el servicio a la vez; y si el exceso no está habilitado en tu cuenta, al agotar los créditos el agente deja de contestar.

De dónde salen estas cifras

De un sistema en producción, no de una calculadora. Las cifras de esta página se midieron sobre las llamadas reales de un agente que atiende el teléfono de una tienda de instrumentos musicales con tienda física y venta online en España, un negocio que llegó a tener tres personas atendiendo el teléfono y hoy lo cubre una a ratos. El consumo sale de la API de la cuenta y de 26 llamadas telefónicas reales, 53,8 minutos, con la duración y el reparto del habla medidos uno a uno. Las tarifas son de lista y el consumo es real: eso es lo que hay, y así se dice.

No decimos de quién es la tienda, por la misma razón por la que no publicamos capturas de los paneles de nadie. Lo que sirve de un caso real no es la marca: es que las cifras vengan de llamadas que existieron.

¿Qué piezas hacen falta, de verdad?

1

Una plataforma de voz conversacional

Es la que escucha, transcribe, decide y habla. Aquí está el 90,7 % del coste: voz, transcripción y orquestación. El modelo de lenguaje, que es lo que todo el mundo mira, es solo el 9,3 %. Las opciones del mercado están en nuestra comparativa de herramientas de voz con IA para ecommerce.

2

Un número de teléfono que entregue la llamada

Un número de telefonía en la nube cuesta aproximadamente un dólar al mes, y la llamada entrante alrededor de 0,018 $/minuto. Si quieres conservar el fijo que ya está publicado en tu web y en Google, se redirige a ese número — pero esa redirección la factura tu operador de siempre, y es el dato que más veces falta en la cuenta.

3

Un backend tuyo que dé los datos

Es la pieza que separa un agente útil de una grabación cara. Estado del pedido, horario de hoy, disponibilidad: eso sale de tu tienda, no del modelo. Y es el backend quien valida, nunca el modelo — si el agente tiene que comprobar un número de pedido, lo comprueba el servidor contra la base de datos, no el modelo «fijándose bien».

Por qué este playbook no trae plantilla de n8n. Porque un agente de voz no se monta ahí. n8n es excelente para un flujo que arranca con un evento y recorre pasos, y una conversación telefónica no es eso: ocurre en tiempo real, el orden lo decide quien llama y cada respuesta tiene que volver en menos de un segundo. Preferimos decirlo a publicar una plantilla que no haría lo que promete.

La trampa número uno: los minutos del plan no son tus minutos

Lo que compras no son minutos, son créditos. Y los minutos que anuncia cada plan están calculados con el modelo de voz más caro del catálogo. Si usas uno rápido, el consumo por minuto baja casi a la mitad y los mismos créditos rinden mucho más.

Lo que anuncia el planLo que consume de verdadMinutos reales
275 minutos
calculado a 812 créditos por minuto, el modelo caro
486 créditos/minuto
medido en producción con el modelo rápido
460 minutos

1,67 veces lo anunciado, con los mismos créditos y sin pagar nada más. Funciona al revés también: si eliges el modelo de voz más realista, los minutos del plan se te quedan en lo que dice el folleto. La pregunta útil al contratar no es cuántos minutos trae, sino cuántos créditos trae y cuántos consume por minuto el modelo que vas a usar.

Y la trampa de debajo: qué pasa al agotarlos. En la cuenta que medimos, tres indicadores de la propia API decían que la ampliación de crédito estaba desactivada. Con eso, al acabarse los créditos el asistente no factura de más: deja de contestar el teléfono. Es un ajuste de la cuenta, no del plan, y se comprueba antes de contratar. Regla que este proyecto ya pagó una vez: la etiqueta del plan no es la capacidad.

Dónde se va el dinero: el agente habla demasiado

Este es el hallazgo que más cambia el coste y no aparece en ninguna comparativa, porque hay que medirlo llamada a llamada. De cada minuto facturado:

El reparto del minuto

72 % lo habla el asistente

El cliente ocupa el 18 % y los silencios y esperas apenas el 10 % — y los silencios largos ya se cobran con descuento, así que ahí no hay nada que rascar. Medido sobre 249 intervenciones reales: 1.455 caracteres por llamada, en 19 intervenciones de unos cinco segundos.

Lo que NO baja la factura

Cambiar a un modelo más barato

El modelo de lenguaje es el 9,3 % del coste: unos 10 $/mes al volumen completo. Y bajarlo empeora lo único que de verdad duele en estos sistemas, que es que el agente obedezca. No compensa. La palanca está en el otro 90 %, y se tira acortando lo que el asistente dice.

Lo que se ganó acortando, con cifras. Tres cambios concretos: responder con el horario de hoy en vez de recitar el de la semana (126 → 65 caracteres), compactar las frases de estado del pedido (264 → 154 en una de ellas) y un límite duro de dos frases por respuesta (348 → 223 caracteres por intervención, un 36 % menos). Efecto: la llamada media baja de 124 a unos 90-100 segundos, y con ella la factura entre un 20 y un 29 %. Nada de eso recorta información que el cliente necesite oír.

La cuenta completa, por volumen

Con 22 días laborables, la llamada media real de 124 segundos y las tarifas de lista de la plataforma de voz y de la telefonía. La derivación supone que el 20 % de las llamadas pasa a una persona, dos minutos, cobrando las dos patas a la vez, que es como se factura.

EscenarioLlamadas/mesMinutosVozTeléfonoTotal/mes
Pruebas
10 llamadas/día
22045599 $14 $116 $
Arranque
20 llamadas/día
44090999 $22 $127 $
Medio
40 llamadas/día
8801.81999 $38 $150 $
Completo
80 llamadas/día
1.7603.637224 $70 $319 $
Completo, respuestas cortas
80 llamadas/día, llamada media de 100 s
1.7602.933168 $58 $251 $

Coste marginal de una llamada más, con el plan pagado: 0,04 $. Y un dato que ahorra doscientos dólares al mes: el minuto extra, una vez agotado el plan, sale un 67 % más caro que el incluido, pero mucho más barato que saltar al plan siguiente. El punto en que compensa cambiar de plan está en las 100 llamadas al día; por debajo, pagar el exceso es más barato.

Lo que el prompt no arregla

Si algo tiene que pasar siempre o no pasar nunca, pedírselo al modelo no basta. Son tres lecciones de producción, y las tres costaron tiempo:

  1. Si no quieres que haga algo, quítale la herramienta. En el sistema que medimos, el agente usó una función que tenía prohibida pese a la instrucción, tres veces. La solución no fue reescribir el prompt otra vez: fue retirar la herramienta. Contención estructural, no textual.
  2. Quien valida los datos es el backend, nunca el modelo. Un número de pedido, un código, un importe: lo comprueba el servidor contra la base de datos. Un modelo «fijándose bien» no es una validación.
  3. Una instrucción puede estar autorizada más abajo sin que te des cuenta. Una coletilla de cierre resistió tres reescrituras porque otras dos reglas del propio prompt la permitían. Se corrigieron las dos y el modelo la seguía diciendo. Cuando eso pasa, la respuesta está en el backend, no en una cuarta reescritura.
Y la lección que más caro sale: prueba con el texto que genera el sistema, no con el que tú escribirías. Un recorte de respuesta se verificó con la frase «¿estáis abiertos?», que es lo que uno se imagina que pregunta la gente. Pero esa consulta no la escribe quien llama: la escribe el agente al resumir la pregunta, y la resumía como «horario de atención». La condición no se cumplía nunca y el recorte no se activó jamás. Se descubrió en una llamada real, no en las pruebas.

Cuándo NO compensa

Por volumen

Si el teléfono no suena

Por debajo de unas diez llamadas al día, el coste fijo del plan pesa más que las horas que ahorras. Un agente de voz se paga con el volumen de llamadas repetidas —dónde está mi pedido, a qué hora abrís, hacéis reparaciones—, no con la novedad.

Por tipo de llamada

Si cada llamada es distinta

Si lo que entra son consultas de asesoramiento donde cada caso es único, lo que necesitas es que una persona esté libre para cogerlas — y para eso el agente sirve justo como filtro de lo repetitivo, no como sustituto.

El número que falta para cerrar el retorno no es el coste. Es cuánto te cuesta hoy una llamada —el tiempo de quien la coge, más las que se pierden porque comunica— y cuántas de ellas terminan en venta. Sin esas dos cifras, cualquier cálculo de retorno es una ilusión bien maquetada. Son las dos preguntas con las que conviene empezar, antes de mirar plataformas.

Por dónde seguir

Lo que esta página no mide. Las tarifas de la plataforma de voz y de la telefonía son de lista, no facturas: el consumo sí es real. Falta en la cuenta lo que cobra el operador por redirigir el fijo publicado hacia el número nuevo, que depende de cada contrato y puede mover el total. Y las cifras de ahorro por acortar respuestas están medidas en simulador sobre las respuestas reales del backend: miden bien la conducta del modelo, no las pausas del teléfono.

Última revisión: 2 de octubre de 2026. Cifras de consumo medidas sobre 26 llamadas reales y la API de la cuenta.

Preguntas frecuentes

¿Cuánto cuesta un agente de voz con IA para una tienda?

Al volumen de una tienda que recibe unas 80 llamadas al día, entre 250 y 320 dólares al mes sumando plataforma de voz y telefonía, con el plan bien elegido. A volúmenes de arranque —de 10 a 40 llamadas diarias— se queda entre 116 y 150 dólares. El coste es estrictamente proporcional a los minutos hablados: no hay suelo mínimo ni tramos, y una llamada más cuesta unos 4 céntimos una vez pagado el plan.

¿Por qué los minutos que anuncia el plan no son los que voy a tener?

Porque lo que compras no son minutos, son créditos, y los minutos anunciados se calculan con el modelo de voz más caro. Con un modelo rápido, el consumo por minuto baja casi a la mitad, así que los mismos créditos rinden bastante más. En el sistema que medimos, un plan anunciado con 275 minutos dio 460 reales: 1,67 veces lo anunciado. Conviene mirar los créditos y el consumo por minuto, no el titular.

¿Qué pasa cuando se acaban los créditos del plan?

Depende de un ajuste de la cuenta que casi nadie comprueba. Si el exceso está permitido, el minuto extra se factura más caro —en nuestro caso 0,08 dólares frente a 0,0479 del incluido— y el servicio sigue. Si no lo está, y en la cuenta que medimos no lo estaba, el asistente deja de contestar. No factura de más: se apaga. Es un dato que se consulta en la cuenta antes de contratar nada, porque la etiqueta del plan no es la capacidad.

¿Dónde se va el dinero en una llamada?

En lo que habla el asistente. Medido sobre llamadas reales, el 72 % del minuto facturado es el agente hablando, el 18 % el cliente y el 10 % silencios, que además se cobran con descuento. El modelo de lenguaje es solo el 9,3 % del coste: cambiarlo por uno más barato no baja la factura y empeora la obediencia. La única palanca que baja el coste y mejora el servicio a la vez es que el agente diga menos.

¿Cuánto cuesta que el agente pase la llamada a una persona?

Más de lo que parece, y depende del destino. Pasar a un fijo nacional es del orden de 0,018 dólares por minuto; pasar a un móvil es unas tres veces más. Y hay un detalle que se olvida: durante la derivación corren las dos patas de la llamada a la vez, así que se paga doble. En el sistema que medimos, eso bastó para decidir que la derivación apuntara a un fijo y no a una centralita móvil.

¿Se puede controlar al agente solo con el prompt?

No del todo, y conviene saberlo antes de diseñar. En el sistema que medimos hubo instrucciones que el modelo desobedeció tras tres reescrituras del prompt, y una herramienta que llegó a usar cuando tenía prohibido usarla. Lo que funciona es estructural: si no quieres que haga algo, se le quita la herramienta; si un dato tiene que ser correcto, lo valida el backend y no el modelo.

¿Necesito n8n para montar esto?

No, y por eso este playbook no trae plantilla. Un agente de voz vive en una plataforma de voz conectada a un número de teléfono y a tu propio backend, que es quien responde con datos de verdad. n8n es excelente para flujos que se disparan con un evento, pero la conversación telefónica ocurre en tiempo real y no es un flujo por pasos.