Herramientasagentes de voz
Cómo crear un agente de voz IA: primer prototipo
Aprende a crear un agente de voz IA con un caso ficticio, instrucciones y pruebas de conversación; descubre cuándo derivar la consulta a una persona.
- Autor: humAIns
- 9 min de lectura
índice · 5 apartados
Define un encargo limitado y la salida humana
Para crear un agente de voz IA útil no empieces por una lista de funciones. Elige una conversación pequeña que puedas evaluar: por ejemplo, una recepción ficticia de un estudio audiovisual que informa de un horario inventado y toma nota de una consulta general. El primer prototipo no necesita reservar, cobrar, consultar una agenda real ni llamar a nadie.
Escribe el alcance en una página:
- Objetivo: responder únicamente a tres preguntas frecuentes ficticias.
- Fuente: una ficha breve que tú mismo redactas con horario, ubicación inventada y canal de contacto genérico.
- Límites: no confirmar precios, disponibilidad ni condiciones que no aparezcan en esa ficha.
- Salida: si la persona pide una acción o un dato fuera de la fuente, explicar que no puede confirmarlo y ofrecer el canal humano establecido.
- Prueba de éxito: resolver las preguntas conocidas sin añadir información y reconocer los casos que debe derivar.
La derivación también forma parte del diseño aunque el prototipo no tenga integración telefónica. En una demo web, la salida puede ser mostrar el contacto general ficticio o invitar a dejar la consulta en un formulario de prueba. En telefonía, transferir una llamada exige una plataforma telefónica compatible, permisos, configuración e integración: no lo des por incluido en una demo de voz.
Construye un prototipo paso a paso en ElevenLabs Agents
La documentación oficial de ElevenLabs permite crear un agente desde el dashboard de ElevenLabs Agents o mediante API. Para una primera prueba manual, el dashboard reduce el trabajo inicial: se crea un agente, se define su comportamiento, se añade una base de conocimiento si hace falta, se selecciona una voz y se prueba la conversación desde el panel. Los nombres exactos de controles pueden cambiar; sigue la interfaz actual de tu cuenta y la guía oficial de inicio rápido.
- Abre el dashboard de Agents e inicia sesión o crea una cuenta según te solicite el servicio. El acceso y las funciones disponibles dependen de la cuenta y pueden cambiar; no asumas que todas las opciones son gratuitas.
- Crea un agente nuevo y selecciona una plantilla en blanco si está disponible. Ponle un nombre de prueba que no incluya datos de una empresa real.
- En el apartado de comportamiento o instrucciones, pega un prompt específico. Define misión, fuente permitida, tono breve, límites y salida humana. Evita instrucciones vagas como «resuelve cualquier consulta».
- Añade una fuente de conocimiento solo si el prototipo lo necesita. Para este ejercicio, usa una ficha inventada y comprueba que el agente responda únicamente con ella. No cargues documentos internos ni datos personales.
- Selecciona una voz de la biblioteca que esté disponible para tu cuenta y prueba pronunciación, ritmo y latencia. La documentación advierte que voces, modelos y LLM de mayor calidad pueden aumentar el tiempo de respuesta; valora la experiencia además del sonido.
- Inicia una conversación desde el dashboard y registra qué preguntas resolvió, dónde dudó y si respetó los límites. No publiques un widget ni conectes telefonía hasta completar las pruebas y revisar permisos, datos y coste aplicable.
Este prompt original sirve para iniciar el ejercicio. Sustituye los campos entre corchetes solo por información ficticia:
Eres la recepción de prueba de un estudio audiovisual ficticio llamado Estudio Bruma.
Tu única tarea es responder preguntas generales usando exclusivamente esta ficha:
- Horario ficticio: de lunes a viernes, de 10:00 a 17:00.
- Ubicación ficticia: calle de la Niebla, 10, Ciudad Ejemplo.
- Contacto de prueba: contacto@example.invalid.
Habla en español, con frases breves y tono cordial. Si preguntan por un precio,
una reserva, disponibilidad, una dirección distinta o cualquier dato que no esté
en la ficha, di que no puedes confirmarlo y ofrece el contacto de prueba.
No inventes respuestas, no pidas datos personales y no ejecutes acciones.
Si no entiendes, pide que repitan una vez. Si sigues sin entender, explica
que la consulta debe atenderla una persona.
Haz preguntas de control antes de probar casos inesperados: «¿Cuál es el horario?», «¿Cuánto cuesta una sesión?» y «Resérvame mañana». La primera debería responder con la ficha; las dos últimas no deben provocar una invención ni una reserva ficticia presentada como real.
Una alternativa con OpenAI y arquitectura de voz
OpenAI documenta varias arquitecturas de agentes de voz. La guía de Voice Agents distingue entre una experiencia de voz con el modelo Realtime, una arquitectura encadenada por etapas y un enfoque en el que un modelo de voz delega razonamiento o herramientas a otro backend. Son opciones para construir una aplicación, no un botón universal que convierta una cuenta en una centralita telefónica.
En una arquitectura encadenada, la aplicación puede convertir audio en texto, aplicar lógica y controles sobre ese texto, generar una respuesta y convertirla en audio. Esta separación facilita inspeccionar pasos y controlar cada etapa, aunque puede añadir latencia. En una arquitectura de voz en tiempo real, audio y respuesta se gestionan dentro de una sesión de voz; hay que diseñar las instrucciones, permisos y acciones que la aplicación ejecuta.
Para un prototipo profesional, dibuja primero el flujo antes de elegir tecnología:
- El navegador o dispositivo captura la voz con el permiso correspondiente.
- La aplicación transmite el audio a los componentes elegidos.
- El sistema decide si responde, pide aclaración o consulta una herramienta autorizada.
- La respuesta hablada vuelve al usuario.
- La aplicación controla qué datos conserva y cómo cerrar o derivar la conversación.
Si se conecta un backend propio, las reglas de negocio y permisos deben vivir ahí: el modelo no debería tener acceso indiscriminado a sistemas o registros. Consulta la documentación actual de OpenAI para decidir entre sus arquitecturas y comprobar requisitos, modelos y costes vigentes. No se incluyen aquí precios porque cambian según uso y no son necesarios para diseñar el primer ejercicio.
Prueba interrupciones, incertidumbre y derivación
Una demo que responde a la pregunta ensayada no basta. Prepara un guion de pruebas y apunta el resultado esperado antes de hablar con el agente. Incluye consultas normales, solicitudes imposibles, errores de reconocimiento y cambios de tema.
| Prueba | Qué observar | Resultado esperado |
|---|---|---|
| Pregunta cubierta por la ficha | Fidelidad a la fuente | Respuesta correcta y concisa |
| Pregunta por un dato ausente | Invención | Reconoce que no puede confirmarlo |
| Petición de reserva o pago | Acción no autorizada | No afirma haber completado nada |
| Frase con ruido o pronunciación distinta | Comprensión | Pide repetir o aclarar sin fingir seguridad |
| Interrupción mientras habla | Turnos de conversación | Se detiene o recupera el turno de forma comprensible |
| Silencio prolongado | Gestión del turno | Pregunta si la persona sigue ahí o cierra con claridad |
| Tema sensible o fuera de alcance | Límite y derivación | Ofrece una salida humana, sin aconsejar ni improvisar |
Repite cada caso varias veces con formulaciones distintas. Comprueba también cómo responde si la persona corrige un dato, cambia de idioma o habla a velocidad diferente. Guarda notas sobre el comportamiento, no grabaciones identificables. Si una respuesta peligrosa aparece una sola vez, ajusta las instrucciones y vuelve a probar; no trates el promedio como garantía.
La derivación necesita una política concreta: qué señales la activan, qué información mínima se transfiere y qué mensaje escucha la persona. Si aún no existe transferencia técnica, dilo claramente y facilita un canal alternativo. Una futura integración con telefonía debe tener pruebas propias para llamadas cortadas, esperas, errores de transferencia y disponibilidad del equipo humano.
Permisos, costes y privacidad antes de conectar datos o llamadas
Antes de usar el prototipo con personas reales, identifica qué recoge cada parte: audio, transcripción, identificadores, registros de herramientas y analítica. Revisa la configuración de retención y borrado del proveedor, quién puede acceder a conversaciones y si el uso previsto está cubierto por las condiciones de la cuenta. Las funciones y precios publicados pueden cambiar; consulta las páginas oficiales en la fecha en que vayas a desplegarlo y calcula el coste con el volumen y la arquitectura reales.
No uses conversaciones reales para probar un flujo que aún inventa datos. Para los primeros ensayos, limita el ejercicio a nombres, horarios y escenarios ficticios. Si después necesitas tratar datos personales, determina la finalidad y la base jurídica, proporciona información adecuada a las personas y revisa el papel de cada proveedor y los acuerdos aplicables. La AEPD publica un decálogo para delegar tareas en asistentes y agentes de IA, útil como orientación para mantener supervisión y límites.
En una prueba telefónica, considera además el aviso a quien llama, la grabación si la hubiera, el acceso a transcripciones, los plazos de conservación y la alternativa para contactar con una persona. No conectes una agenda, CRM, pago o base de clientes hasta haber definido permisos mínimos, registros de auditoría y un mecanismo para detener la acción. El prototipo debe poder apagarse sin perder el canal humano.
Para ampliar el marco conceptual, consulta nuestra guía de agentes de voz, el tutorial para crear agentes de IA y la explicación de texto a voz con IA. El curso IA para Audiovisual está enlazado como opción formativa, sin que eso implique que cubra una función concreta de agentes. También puedes hacer el test ¿Cuánto te queda? para orientar tu siguiente paso.