Blog/Vídeos

Agente de voz con Retell AI y Claude: tutorial

¿Cansado de perder clientes por llamadas no contestadas o por la imposibilidad de ofrecer atención 24/7? La solución está en la inteligencia artificial. En este análisis te muestro cómo implementar un agente de voz autónomo que…

¿Qué es un Agente de Voz con IA?

Un agente de voz con IA es un sistema automatizado que utiliza inteligencia artificial para interactuar con usuarios a través de la voz. Convierte habla a texto, procesa intenciones con LLMs, genera respuestas y las convierte de nuevo a voz, realizando acciones en tiempo real.

El Desafío de la Atención Telefónica Tradicional

En el panorama empresarial actual, cada llamada no contestada representa una oportunidad perdida y, en última instancia, dinero que se esfuma. He comprobado que un alarmante 62% de los clientes no deja un mensaje de voz si no se les atiende al instante, optando por buscar soluciones en la competencia sin que siquiera te enteres. La disponibilidad humana es, por naturaleza, limitada: horarios, vacaciones, días libres y la fatiga inherente a la interacción constante. Un empleado humano no puede estar disponible 24 horas al día, 7 días a la semana.

La Solución: Un Agente de Voz con IA que Nunca Descansa

La respuesta a este desafío radica en el diseño de un empleado digital que nunca descansa. Imagina un agente que contesta llamadas a las 3 de la mañana un domingo de agosto, entiende la necesidad del cliente y agenda una cita directamente en tu calendario disponible, sin formularios, sin correos electrónicos y sin que tú tengas que mover un solo dedo. Este sistema no solo garantiza una disponibilidad ininterrumpida, sino que, una vez configurado, el coste por llamada adicional es prácticamente cero, ofreciendo un retorno de inversión medible.

La Arquitectura Subyacente: Cómo Funciona un Agente de Voz en Menos de un Segundo

Para comprender la potencia de un agente de voz, es crucial entender su funcionamiento interno. Cuando alguien realiza una llamada a un número real, esta entra en la plataforma (como Retell AI) y, en menos de un segundo, se desencadenan tres procesos fundamentales:

  • STT (Speech to Text) – El Oído: En aproximadamente 100 milisegundos, el sistema convierte lo que el cliente dice en texto.
  • LLM (Large Language Model) – El Cerebro: En unos 350 milisegundos, el modelo de lenguaje grande (como Claude o GPT) procesa la intención del cliente y genera una respuesta coherente.
  • TTS (Text to Speech) – La Boca: Otros 100 milisegundos se invierten en convertir esa respuesta textual en voz natural.

Mientras estos procesos ocurren, el agente puede ejecutar acciones reales, como agendar en tu calendario, consultar un CRM o conectarse a sistemas externos como N8N. El tiempo total de respuesta de punta a punta es de aproximadamente 600 milisegundos, un rango idéntico al que tarda un humano en responder, lo que contribuye a una interacción fluida y natural.

Los Seis Componentes Clave de un Agente de Voz Eficaz

He identificado seis términos esenciales que encontrarás al construir y optimizar tu agente de voz:

  1. STT (Speech to Text): Es el ‘oído’ del agente, encargado de transcribir la voz del cliente a texto.
  2. LLM (Large Language Model): El ‘cerebro’ que procesa la intención, comprende el contexto y genera la respuesta más adecuada.
  3. TTS (Text to Speech): La ‘boca’ que convierte el texto generado por el LLM en voz natural. Puedes elegir entre cientos de voces o incluso clonar la tuya propia.
  4. TTM (Turn-Taking Model): El ‘ritmo’ de la conversación. Decide cuándo hablar y cuándo escuchar, gestionando interrupciones de forma inteligente. Un TTM mal configurado puede hacer que el agente interrumpa al cliente, arruinando la llamada.
  5. FC (Function Calling): Las ‘manos’ del agente. Permite ejecutar acciones reales mientras habla, como agendar citas, buscar datos en una base de conocimientos, transferir llamadas o interactuar con un CRM. Aquí es donde la IA se vuelve verdaderamente útil.
  6. KB (Knowledge Base): La ‘memoria’ del agente. Aquí se almacena toda la información relevante: servicios, precios, preguntas frecuentes, políticas. Cuanto más específica y detallada sea la KB, mejor funcionará el agente (garbage in, garbage out).

La latencia es un factor crítico. Mantener el tiempo de respuesta en torno a los 600 milisegundos es lo que permite que el agente suene natural y que el cliente no perciba que está interactuando con una IA, siempre y cuando esté bien configurado.

Implementación Práctica: Construyendo tu Agente con Retell AI

Ahora que tenemos clara la teoría, vamos a la práctica. La configuración de un agente de voz en Retell AI se puede resumir en cinco pasos sencillos:

Paso 1: Creación de la Cuenta en Retell AI

El primer paso es registrarte en Retell AI. La plataforma ofrece un crédito inicial de $10 para que puedas empezar a experimentar. En menos de 5 minutos, tendrás acceso a tu dashboard.

Paso 2: Selección del LLM

Elegir el modelo de lenguaje adecuado es crucial. He comprobado que GPT-4.1 ofrece una excelente relación calidad-precio, mientras que Claude es ideal para tareas que requieren un razonamiento más complejo. Los costes han disminuido significativamente, haciendo que modelos como GPT-5.1 sean también una opción viable.

Paso 3: Configuración del Prompt

El ‘prompt’ es la instrucción principal que guía el comportamiento del agente. Debe ser extremadamente específico e incluir:

  • Rol: La identidad del agente (ej. ‘recepcionista de barbería’).
  • Objetivo: La meta principal (ej. ‘agendar citas’).
  • Tono: El estilo de comunicación (ej. ‘profesional, amable’).
  • Servicios, Precios, Fechas: Detalles específicos del negocio.

Cuanto más detallado sea el prompt, mejor será el rendimiento del agente. Aquí te muestro un ejemplo de la estructura de un prompt efectivo:

Identidad: Eres Miriam, recepcionista de Barbería Premium. Objetivo: Agendar citas para cortes de pelo y barba. Idioma y Estilo: Español de España, tono profesional y amable. Reglas de Pronunciación: (Ej. '66611333' se pronuncia 'seis seis seis uno uno tres tres tres'). Fecha y Hora de Referencia: Madrid, España. Catálogo de Servicios: Corte Clásico (35€), Arreglo de Barba (20€), etc. Horario de Atención: Lunes a Sábado, 10:00 - 20:00. Normas de Operativa: No agendar fuera de horario. Herramientas Disponibles: Servidor MCP para Google Calendar. Formato de Fecha y Horas: 'Martes a la 1 del mediodía'. Flujo para Agendar Cita: 1. Identificar necesidad. 2. Recomendar barbero (si no hay preferencia). 3. Obtener fecha y hora. 4. Verificar disponibilidad (Google Calendar). 5. Si hay disponibilidad, solicitar nombre y teléfono. 6. Crear evento en Google Calendar. 7. Si no hay disponibilidad, ofrecer alternativas. 8. Cierre. Flujo para Modificar/Cancelar Cita: (Detalles específicos). Respuestas a FAQ: (Preguntas frecuentes y respuestas). Manejo de Errores: (Cómo actuar ante información incompleta). Escalabilidad y Situaciones Especiales: (Ej. 'transferir a humano si es complejo'). Pautas de Conversación: (Ej. 'usar lenguaje natural, evitar jerga'). Formato de Título de Cita: 'Cita Barbería - [Nombre Cliente] - [Servicio]'. Cierre: 'Gracias por llamar, te esperamos en Barbería Premium.'

Paso 4: Conexión con N8N (MCP Server Trigger)

La integración con herramientas de automatización como N8N es fundamental para que el agente pueda realizar acciones reales. Utilizaremos un MCP (Multi-Channel Protocol) Server Trigger en N8N para conectar el agente con nuestro calendario (Google Calendar) y, opcionalmente, con un CRM. La configuración implica:

  • Crear un nodo ‘MCP Server Trigger’ en N8N.
  • Copiar la ‘Production URL’ de N8N y pegarla en la configuración del MCP en Retell AI.
  • Establecer un tiempo de espera (timeout) de 30,000 milisegundos (30 segundos) para asegurar que N8N tenga tiempo suficiente para procesar y responder, evitando fallos.

Integración con Google Calendar

Para que el agente pueda agendar y verificar citas, necesitamos integrar Google Calendar. Esto requiere:

  • Activar la API de Google Calendar en Google Cloud.
  • Crear un proyecto y obtener el Client ID y Client Secret.
  • Configurar las credenciales en N8N.

Dentro de Retell AI, añadiremos dos herramientas clave:

  1. Create Calendar Event: Configurada para crear un evento en Google Calendar. Le indicaremos que la IA extraiga la fecha, hora de inicio y fin, localización y resumen del evento directamente de la conversación.
  2. Check Calendar Availability: Para verificar la disponibilidad en un rango horario específico. También permitiremos que la IA determine los parámetros de búsqueda y la zona horaria (ej. ‘Europa/Madrid’).

Es crucial activar la opción ‘Hablar mientras esperas’ con una ‘static sentence’ (ej. ‘Voy a crear la cita’ o ‘Voy a comprobar la disponibilidad’) para que el cliente sepa que el agente está realizando una acción en segundo plano.

Paso 5: Asignar un Número y Publicar

Finalmente, puedes asignar un número de teléfono a tu agente. Retell AI permite comprar números desde $2 al mes (en EE. UU.) o conectar tu propio número vía SIP. Una vez publicado, tu agente estará listo para recibir llamadas de inmediato.

Explorando la Interfaz de Retell AI

El dashboard de Retell AI es intuitivo y ofrece una visión completa de tus agentes y su rendimiento. He explorado las siguientes secciones:

  • Dashboard: Vista general de tus agentes.
  • Agentes: Gestión y creación de agentes de voz o chat (flujo de conversación, solicitud única, multimensaje, personalizado).
  • Bases de Conocimientos: Donde se gestiona la memoria del agente.
  • Números de Teléfono: Para asignar y gestionar números.
  • Llamadas por Lotes: Para realizar campañas de llamadas.
  • Monitor:
    • Historial de Llamadas: Detalles de cada interacción, coste, duración, sentimiento del usuario, estado de la sesión y razones de desconexión.
    • Historial de Chat: Registro de interacciones por chat.
    • Analíticas: Métricas clave como recuento de llamadas, duración, latencia, llamadas exitosas, motivos de desconexión y tasa de éxito.
  • Garantía de Calidad de la IA: Funciones de control de calidad.
  • Alertas: Configuración de notificaciones basadas en métricas clave.
  • Facturación y Ajustes: Gestión de la cuenta y créditos.

Al crear un agente de voz, tienes opciones avanzadas como la selección del modelo de lenguaje (GPT, Claude), la elección de la voz (cientos de opciones, clonación de voz), y la configuración del ‘Manual del Agente’ que incluye personalidad, palabras de relleno naturales, empatía, precisión, alfabeto fonético de la OTAN, normalización del habla, emparejamiento inteligente, confianza y límites de alcance. También puedes definir el mensaje de bienvenida dinámico y configurar funciones específicas, bases de conocimientos, sonidos de fondo, sensibilidad a interrupciones, detección de teclado, duración máxima de llamada y extracción de datos post-llamada.

Demostración: Agente de Voz en Acción

He realizado pruebas tanto por chat como por voz para demostrar la funcionalidad del agente. Utilizando una simulación de barbería, el agente fue capaz de:

  1. Saludar al cliente y presentarse.
  2. Entender la solicitud de un ‘corte de pelo clásico’.
  3. Recomendar un barbero experto en ese estilo (Adrián).
  4. Verificar la disponibilidad en Google Calendar para una fecha y hora específicas (ej. ‘martes a la 1 del mediodía’).
  5. Solicitar el nombre completo y número de teléfono del cliente.
  6. Crear la cita en el calendario.
  7. Confirmar la cita, el precio y mencionar el envío de un recordatorio por WhatsApp.

Aunque en las primeras iteraciones la voz del agente puede sonar algo ‘robótica’, he comprobado que la clave está en la iteración constante y la optimización del prompt, la selección de voz y los parámetros de configuración. Podemos cambiar las voces, clonar la nuestra y ajustar el estilo hasta lograr una interacción lo más natural posible.

Comparativa y Datos Clave

Para que tengas una visión clara, he preparado esta tabla comparativa:

CaracterísticaAgente HumanoAgente de Voz con IA
DisponibilidadHorario limitado, sujeto a fatiga24/7/365, sin fatiga
Costo por llamadaAlto (salario, beneficios, interrupciones)Céntimos por llamada, coste fijo bajo
Tasa de errorVariable (errores humanos, días malos)Baja (si bien configurado y optimizado)
EscalabilidadLimitada (requiere más personal)Ilimitada (maneja picos de demanda)
Gestión de interrupcionesNatural, pero puede ser ineficienteGestionada por TTM, optimizada para fluidez
Acciones en tiempo realManual (agendar, consultar CRM)Automatizada (Function Calling con N8N, CRM, Calendar)

Momentos Clave del Vídeo

Ve directo a la parte que más te interese:

  • 0:00 Introducción al agente de voz IA y su capacidad de agendar citas de forma autónoma.
  • 1:00 El problema de las llamadas perdidas y la solución 24/7 que ofrece un agente de IA.
  • 2:00 Explicación de la arquitectura técnica: STT, LLM, TTS y la importancia de la latencia de 600ms.
  • 3:00 Detalle de los seis componentes clave de un agente de voz: STT, LLM, TTS, TTM, FC, KB.
  • 5:00 Guía paso a paso para configurar el agente en Retell AI, incluyendo la selección del LLM y la configuración del prompt.
  • 10:00 Integración con N8N (MCP Server Trigger) y Google Calendar para permitir acciones reales del agente.
  • 15:00 Demostración práctica del agente de voz interactuando por chat y voz, agendando una cita.

Preguntas frecuentes

¿Cuánto tarda un agente de voz con IA en responder?

Alrededor de 600 milisegundos de punta a punta, un tiempo parecido al de un humano. Se reparten en unos 100 milisegundos para pasar voz a texto, unos 350 para el modelo de lenguaje y otros 100 para pasar texto a voz.

¿Qué es el Function Calling en un agente de voz?

Son las manos del agente: le permite ejecutar acciones reales mientras habla. Por ejemplo, agendar citas, buscar datos en una base de conocimientos, transferir llamadas o interactuar con un CRM.

¿Cuánto cuesta empezar con Retell AI?

La plataforma ofrece un crédito inicial de $10 para experimentar. Los números de teléfono se pueden comprar desde $2 al mes en EE. UU. o puedes conectar tu propio número vía SIP.

Conclusión

He comprobado que la implementación de un agente de voz con IA representa una transformación radical en la atención al cliente. Lo que hoy hemos visto para una barbería es aplicable a cualquier negocio con atención telefónica: clínicas, despachos de abogados, inmobiliarias, restaurantes. La lógica es idéntica: un prompt bien definido, una base de conocimientos robusta y la integración con herramientas de automatización. El coste de una cita perdida es incalculable, mientras que un agente de IA ofrece disponibilidad 24/7, cero llamadas perdidas y un coste por interacción de céntimos. Esto es solo la punta del iceberg de la automatización inteligente. Si deseas explorar cómo aplicar esta tecnología a tu negocio, te invito a unirte a las mentorías gratuitas de los domingos o a consultar la bóveda de recursos de Desarrollos Conia.

Aprende IA cada domingo, en directo

Únete gratis a las mentorías de los domingos: 90 minutos en directo con las novedades de la semana y casos prácticos.

Unirme gratis

2 respuestas

Próximo directo: dom 15 nov · 19:00h (España)

Empieza este domingo.

El próximo domingo, personas que quieren accionar estarán en esta reunión aprendiendo a aplicar IA en su negocio. Tú eliges si estás o no estás.

Pon tu email real. Te enviaremos plantillas y regalos por email.

Datos protegidos · Sin spam · Cancelas cuando quieras

+3000 en el grupo
+20 países
100% gratis