Llamadas de voz
Tu Empleado Digital contesta llamadas telefónicas reales con voz natural en español, de voz a voz (OpenAI gpt-realtime), con latencia sub-segundo.
¿Qué es el sistema de voz?
El sistema de voz permite que tu Empleado Digital conteste llamadas telefónicas reales — no un menú IVR con opciones numéricas, sino una conversación fluida en español donde el agente escucha, piensa y responde como una persona.
El agente puede hacer por voz todo lo que hace por WhatsApp:
- Responder preguntas sobre el negocio
- Agendar citas
- Tomar pedidos
- Hacer reservas de hospedaje
- Preguntar el nombre del cliente y registrarlo en la cita (adiós "Llamada entrante")
- Transferir la llamada a un humano
- Enviar la ubicación del negocio por WhatsApp al cliente durante la llamada
Arquitectura del sistema de voz
Activar y configurar
En el menú lateral, haz clic en Llamadas.
Haz clic en Activar número. El sistema busca automáticamente un número disponible con lada mexicana (+52). Si no hay disponibles, asigna un número de Estados Unidos (+1).
El número se contrata como add-on de $120 MXN/mes (aparte de tu plan). Los minutos de conversación consumen créditos del plan: 10 créditos por minuto.
Elige la voz que usará el agente. Todas las voces son en español latinoamericano.
Define el saludo inicial que escuchará el cliente al llamar (ej: "Buen día, hablas con Sofía del Salón Elegance, ¿en qué te puedo ayudar?").
Define a qué números transferir la llamada si el cliente pide hablar con una persona.
Número telefónico
El número que asigna Xambee es un número real de Twilio que puedes compartir con tus clientes. Consideraciones:
- El número recibe llamadas las 24/7
- Si el agente está pausado, el número sigue funcionando pero el sistema reproduce un mensaje de "fuera de servicio"
- No se puede enviar mensajes de texto desde el número de Twilio (solo llamadas)
- Puedes liberar el número en cualquier momento desde el panel (esto libera el número para que otro lo use)
Selección de voz
Las voces son las nativas de gpt-realtime (la voz y el "cerebro" son el mismo modelo, por eso suenan tan naturales). Puedes escucharlas y cambiarlas desde Empleado en tu panel:
| Voz | Género | Estilo | Recomendada para |
|---|---|---|---|
| Marin ⭐ | Femenina | Profesional y clara | La mayoría de los negocios |
| Cedar ⭐ | Masculino | Natural y conversacional | La mayoría de los negocios |
| Ballad | Femenina | Suave, melódica | Spas, servicios personales |
| Sage | Femenina | Conversacional | Restaurantes, cafeterías |
| Verse | Femenina | Narrativa, expresiva | Hospedaje, experiencias |
| Echo | Masculino | Clásico | Clínicas, despachos, talleres |
| Ash | Masculino | Joven, dinámico | Barberías, gimnasios |
| Alloy | Neutral | Equilibrada | Uso general |
⭐ Marin y Cedar son las voces más recientes y naturales — las recomendadas. La misma voz se usa para las notas de voz que el agente responde en WhatsApp (voz equivalente por género).
Flujo de una llamada típica
Ejemplo de llamada a un salón de belleza con voz IA:
Herramientas disponibles en llamadas
| Herramienta | Descripción | Requiere habilidad |
|---|---|---|
agendar_cita | Agenda cita con verificación de disponibilidad | Agenda y citas |
cancelar_cita | Cancela una cita existente del cliente | Agenda y citas |
reagendar_cita | Cambia fecha/hora de una cita | Agenda y citas |
solicitar_reserva | Crea solicitud de reserva de hospedaje | Reservas |
crear_pedido | Registra un pedido de restaurante/tienda | Pedidos |
escalar_humano | Transfiere la llamada a un humano | Escalamiento |
enviar_ubicacion | Envía la ubicación del negocio por WhatsApp al cliente mientras están en llamada | — |
colgar_llamada | Termina la llamada amablemente | — |
Escalamiento en llamadas
Cuando el cliente pide hablar con una persona (o el agente detecta que es necesario), el sistema:
- El agente anuncia: "Te voy a transferir con [Nombre del receptor]"
- Twilio hace el desvío de llamada al número del receptor
- Si el receptor no contesta, el agente retoma e informa al cliente
- El receptor también recibe un WhatsApp con el contexto de la llamada
Historial y métricas
Después de cada llamada, el sistema guarda automáticamente:
- Transcripción completa — Cada turno de la conversación
- Duración — En minutos y segundos
- Costo USD — Costo de la API
- Número del cliente
- Acciones realizadas — Si se agendó cita, se hizo pedido, etc.
El panel de Llamadas muestra 4 métricas del período:
- Total de llamadas recibidas
- Duración total acumulada
- Duración promedio por llamada
- Costo IA total (USD)
Costo y créditos
Una llamada cuesta 10 créditos por minuto. El cobro se hace en bloques de 6 segundos (1 crédito cada uno), así que pagas el tiempo que realmente se habló y no el minuto completo. Diez bloques equivalen a un minuto.
| Duración de la llamada | Bloques | Créditos |
|---|---|---|
| 8 segundos | 2 | 4 (aplica el mínimo) |
| 30 segundos | 5 | 5 |
| 1 minuto | 10 | 10 |
| 1 minuto 10 segundos | 12 | 12 |
| 3 minutos 30 segundos | 35 | 35 |
| 10 minutos | 100 | 100 |
Mínimo por llamada
Toda llamada que el agente contesta consume al menos 4 créditos, aunque el cliente cuelgue a los dos segundos. Contestar tiene un costo fijo que no depende de la duración: la telefonía cobra el primer minuto completo desde que se descuelga, y el agente carga toda la información de tu negocio (catálogo, horarios, servicios) antes de decir la primera palabra.
Llamadas que se transfieren a una persona
Cuando el agente pasa la llamada a uno de tus números de escalamiento, la IA sale de la línea y deja de cobrarse. A partir de ese momento el minuto baja a 5 créditos (1 crédito por bloque de 12 segundos), que es solo el costo de mantener la llamada conectada entre tu cliente y la persona que la tomó.
Si el destinatario no contesta la transferencia, ese tramo no genera ningún cargo. Y si por el desvío de tu operadora la llamada regresa al número de Xambee, esa segunda llamada tampoco se cobra.
Lo que no se cobra
- Llamadas donde el agente nunca alcanzó a hablar (fallo de conexión).
- El tiempo de timbrado, antes de que el agente conteste.
- El análisis automático de la conversación (resumen, sentimiento, intenciones).