Agentes de voz con IA: Nova 2.5 Sonic, GPT-Live y Gemini 3.8 Live

Los agentes de voz con IA son programas que cogen el teléfono, entienden lo que dice quien llama y le responden hablando, en tiempo real, con la información de la empresa. En octubre de 2026 ya hay tres familias de modelos pensadas para eso y con precio publicado: Amazon Nova 2.5 Sonic (lanzado el 5 de octubre), GPT-Live 1 y GPT-Realtime-2.1 de OpenAI, y Gemini 3.8 Live de Google. Para una pyme sirven para atender lo repetitivo (horarios, citas, estado de un pedido, primeras preguntas) y pasar a una persona todo lo demás, siempre avisando de que al otro lado hay una IA.

Este artículo va del teléfono; el asistente escrito para la web o WhatsApp está en chatbot con IA para empresas. Aquí verás qué ha salido, cuánto cuesta, qué llamadas delegar, cómo se conecta a tu línea y qué dicen el Reglamento de IA, la ley de atención a la clientela y el RGPD.

¿Qué es un agente de voz con IA y qué ha cambiado en 2026?

Un agente de voz con IA es un sistema que escucha audio, razona y contesta con audio sin pasar por menús de «pulse 1». Lo que ha cambiado en 2026 es que los modelos ya trabajan de voz a voz directamente, sin encadenar tres piezas (reconocer la voz, generar un texto, leerlo en voz alta), y por eso responden con menos espera y aceptan que les interrumpas a media frase.

Los modelos de voz a voz de este año hacen cuatro cosas que importan en una llamada real:

• Turnos naturales. Detectan cuándo has terminado de hablar y paran si les cortas.
• Herramientas durante la llamada. Consultan la agenda, el programa de pedidos o el ERP mientras siguen hablando.
• Contexto largo. Recuerdan lo que se ha dicho al principio de una llamada de diez minutos.
• Transferencia. Pasan la llamada a una extensión o a un móvil cuando el caso no es suyo.

Lo que no ha cambiado: el agente solo sabe lo que le das. Si los horarios o las condiciones no están escritos, no los adivina; antes conviene ordenar esa información, como explicamos en preparar los datos de tu empresa antes de usar IA.

¿Qué ha lanzado Amazon con Nova 2.5 Sonic?

Amazon Nova 2.5 Sonic es un modelo de voz a voz para agentes de voz en tiempo real, disponible de forma general en Amazon Bedrock desde el 5 de octubre de 2026. Según el anuncio de AWS sobre Nova 2.5 Sonic del 5 de octubre, mejora el razonamiento, el seguimiento de instrucciones y la precisión al usar herramientas respecto a Nova 2 Sonic, con menos latencia. Lo que destaca el fabricante:

• Voces en siete idiomas y control de los turnos de palabra.
• Voz y texto en la misma sesión y herramientas asíncronas: puede buscar un pedido sin dejar la llamada en silencio.
• Ventana de contexto de 256.000 tokens.
• Regiones: Virginia del Norte, Oregón, Tokio y Estocolmo, esta última en la Unión Europea.

Un detalle para España: en la tabla de idiomas de la documentación de Nova Sonic, las voces en castellano son de la variante de Estados Unidos (es-US). Hablan español sin problema, pero el acento no es peninsular; conviene escucharlo antes de decidir. Las notas de versión de Nova 2 Sonic recogen además mejoras con audio telefónico de 8 kHz (marzo de 2026) y menos errores al repetir códigos, importes y direcciones (mayo de 2026).

GPT-Live 1 y GPT-Realtime-2.1: qué ofrece OpenAI

OpenAI tiene hoy dos líneas de modelos de voz para empresas: GPT-Realtime-2.1, de voz a voz con razonamiento, y GPT-Live 1, de conversación «dúplex» que escucha y habla a la vez. Según el registro de cambios de la API de OpenAI, GPT-Realtime-2 salió el 7 de mayo de 2026, la versión 2.1 y su variante mini el 6 de julio, y GPT-Live 1 pasó a disponibilidad general el 10 de septiembre.

• GPT-Realtime-2.1 actualiza la versión 2 con mejor reconocimiento de letras y números, y mejor manejo del silencio, el ruido y las interrupciones. Tiene 128.000 tokens de contexto.
• GPT-Realtime-2.1 mini es una versión más rápida y barata de la anterior.
• GPT-Live 1 mantiene la conversación mientras un modelo o un agente en segundo plano hace el trabajo pesado (consultar, razonar, usar herramientas). El 15 de octubre se añadió una integración para que la aplicación actúe mientras la persona aún habla.

Para el teléfono, la guía de conexión de llamadas por SIP de OpenAI explica que hace falta un proveedor de troncal SIP con número, que la llamada se puede aceptar, transferir o colgar desde tu aplicación y que hay un punto de conexión europeo para mantener los datos en Europa.

Gemini 3.8 Live: la opción de Google

Gemini 3.8 Live es el modelo de voz en tiempo real que Google recomienda por defecto en su Live API desde el 15 de septiembre de 2026, cuando pasó a estable junto a una variante con más razonamiento, Gemini 3.8 Live Extended Thinking. Así figura en el registro de cambios de la API de Gemini, que describe el primero como la opción para la mayoría de agentes de voz de baja latencia y el segundo para casos que necesitan razonar en segundo plano durante la conversación.

La documentación de la Live API indica que admite conversación en 70 idiomas y se conecta a llamadas entrantes y salientes a través de socios de telefonía: Google da el modelo y un tercero pone el número.

Un matiz para los datos: en su página de precios de la API de Gemini, Google indica que el uso del nivel gratuito puede servir para mejorar sus productos y el del nivel de pago no. Para llamadas de clientes reales, toca el nivel de pago.

Modelo	Proveedor	Disponible desde	Qué destaca el fabricante
Nova 2.5 Sonic	Amazon (Bedrock)	5 oct 2026	Herramientas asíncronas, 256.000 tokens, región en Estocolmo
GPT-Live 1	OpenAI	10 sep 2026	Escucha y habla a la vez; precio por minuto
GPT-Realtime-2.1 y 2.1 mini	OpenAI	6 jul 2026	Razonamiento, 128.000 tokens, SIP con punto europeo
Gemini 3.8 Live y Extended Thinking	Google	15 sep 2026	70 idiomas, telefonía a través de socios

¿Cuánto cuesta cada modelo de voz según su página oficial?

Un agente de voz se paga por uso: por millón de tokens de audio o por minuto, en dólares y sin impuestos. Son los precios oficiales a 16 de octubre de 2026; cambian a menudo, así que compruébalos antes de decidir.

Modelo	Audio de entrada	Audio de salida	Fuente
Nova 2.5 Sonic (Virginia del Norte)	3 $ por millón de tokens	12 $ por millón de tokens	Precios de Amazon Bedrock
Nova 2.5 Sonic (Estocolmo)	3,33 $ por millón de tokens	13,31 $ por millón de tokens	Precios de Amazon Bedrock
Gemini 3.8 Live	3 $ por millón (o 0,005 $/min)	12 $ por millón (o 0,018 $/min)	Precios de la API de Gemini
GPT-Realtime-2.1	32 $ por millón	64 $ por millón	Precios de la API de OpenAI
GPT-Realtime-2.1 mini	10 $ por millón	20 $ por millón	Precios de la API de OpenAI
GPT-Live 1	0,05 $ por minuto de sesión de voz	Incluida en el minuto; el modelo que razona detrás se paga aparte	Ficha del modelo en OpenAI

Las cifras de Nova salen de la página de precios de Amazon Bedrock, por región; las demás, de la página de precios de la API de Gemini y la página de precios de la API de OpenAI, con la ficha de GPT-Live 1 para el precio por minuto, que se cobra por segundos.

• El modelo es solo una parte. Se suman la línea y la troncal SIP, la conexión con tus programas y, en GPT-Live 1, el modelo que trabaja detrás.
• Los tokens no son minutos. La factura depende de la duración, de cuánto habla cada parte y del contexto que arrastra la llamada. Solo Gemini 3.8 Live y GPT-Live 1 publican una equivalencia por minuto.
• El coste real se mide con tus llamadas, con un volumen pequeño y la factura del primer mes. Para el resto del proyecto, mira cuánto cuesta implantar inteligencia artificial en una empresa.

¿Qué llamadas de una pyme puede atender un agente de voz?

Un agente de voz atiende bien las llamadas repetitivas con respuesta conocida: horarios, citas, estado de un pedido o una reparación y recogida de datos para devolver la llamada. Las que piden criterio o tacto, como una queja o un presupuesto a medida, conviene que pasen a una persona.

Esta tabla es un ejemplo orientativo; cada empresa la rellena con sus llamadas reales.

Tipo de llamada	¿Para el agente de voz?	Condición
Horarios, dirección, cómo llegar	Sí	Información escrita y al día
Pedir, mover o anular una cita	Sí	Conexión con la agenda real, no con una copia
Estado de un pedido o una reparación	Sí	Que el cliente se identifique con un dato que solo él tenga
Fuera de horario: recoger el motivo y un teléfono	Sí	Que alguien devuelva la llamada al día siguiente
Primeras preguntas antes de un presupuesto	Con cuidado	Solo recoger datos; el precio lo da una persona
Quejas y reclamaciones	No, pasar a una persona	El agente puede tomar nota si no hay nadie libre
Cambios de cuenta bancaria, pagos, datos sensibles	No	Siempre por otra vía verificada

Un ejemplo hipotético: en un taller de cinco personas con las manos ocupadas, si muchas llamadas son «¿está ya mi coche?» y «¿tenéis hueco el jueves?», un agente que consulte la orden de trabajo y la agenda quita interrupciones. Si casi todas son averías que el cliente quiere explicar, aporta poco.

La última fila importa: las voces generadas también se usan para estafar, y un agente de voz nunca debe ser la vía para cambiar una cuenta de pago. Las medidas, en estafas con IA: cómo protegerse del fraude del CEO.

Quien recibe las llamadas transferidas agradece unos auriculares con micrófono que le dejen las manos libres.

¿Cómo se conecta un agente de voz al teléfono de la empresa?

Un agente de voz se conecta al teléfono de la empresa con una troncal SIP o una centralita en la nube que reenvía las llamadas al modelo. No hace falta cambiar de número: se desvían al agente las que nadie coge, las de fuera de horario o una línea concreta.

1. Decidir qué llamadas entran: todas, las que no se cogen en 20 segundos o solo las de fuera de horario, que es lo prudente para empezar.
2. Conectar la línea: tu operador o centralita en la nube envía la llamada por SIP al modelo (o a un socio de telefonía, con Gemini).
3. Escribir las instrucciones: qué responde, qué no, cuándo transfiere y a qué número.
4. Conectar las herramientas: agenda, pedidos o CRM, con permisos de solo lectura al principio.
5. Definir la salida a una persona y qué pasa si nadie contesta.
6. Guardar un registro (transcripción o resumen) para revisar los fallos.

Montar esto sobre tus programas, con la agenda o el ERP de verdad detrás, es lo que hacemos en agentes de IA para empresas; si prefieres un servicio de serie, los criterios para decidir están en agente de IA a medida o herramienta de serie. Con telefonía IP, el agente transfiere a una extensión como haría una recepcionista.

Un corte de luz deja sin router ni teléfono IP, y sin transferencias. Un SAI pequeño los mantiene encendidos unos minutos.

¿Hay que avisar de que se habla con una IA?

Sí: desde el 2 de agosto de 2026, quien llama tiene que saber que habla con una IA, salvo que sea evidente. El artículo 50.1 del Reglamento (UE) 2024/1689 de Inteligencia Artificial obliga a los proveedores a diseñar los sistemas que interactúan con personas para que estas estén informadas de que lo hacen con un sistema de IA, y el apartado 5 del mismo artículo pide que el aviso sea claro y llegue, como tarde, en la primera interacción.

La ficha de la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) sobre las normas de transparencia confirma que esta obligación se aplica desde el 2 de agosto de 2026 y que el periodo de gracia hasta el 2 de diciembre de 2026 afecta solo al marcado y la detección del contenido generado, no al aviso de que se interactúa con una IA.

La obligación es del proveedor del sistema, pero según cómo se lea el artículo 3 del mismo Reglamento, una pyme que encarga un agente de voz y lo pone en servicio con su nombre podría tener papel de proveedor; conviene dejarlo claro en el contrato. En cualquier caso, lo sensato es que lo diga la primera frase de la llamada. Un ejemplo:

«Hola, has llamado a Talleres Ejemplo. Soy el asistente automático de IA del taller. Puedo darte citas y decirte cómo va tu reparación; si prefieres hablar con una persona, dilo en cualquier momento».

Tienes el resto de obligaciones del Reglamento en Ley de IA en Europa: qué obliga ya a tu pyme. Esto es información general; para tu caso concreto, consulta con un profesional (tu asesoría, un abogado o tu delegado de protección de datos).

¿Obliga la ley a ofrecer hablar con una persona?

La Ley 10/2025 de servicios de atención a la clientela obliga a ofrecer atención por una persona, pero solo a las empresas de su ámbito: las grandes empresas y las que prestan servicios básicos como agua, luz, gas, transporte, correos, telecomunicaciones o servicios financieros. La mayoría de pymes queda fuera, aunque copiar sus reglas es una buena práctica.

Según el texto consolidado de la Ley 10/2025 en el BOE, el artículo 2 la aplica, además de a esos servicios básicos, a las empresas que venden principalmente a consumidores y que en el ejercicio anterior tuvieron al menos 250 personas en plantilla, más de 50 millones de euros de volumen de negocio o más de 43 millones de balance. El mismo texto fija lo que interesa a un agente de voz:

• Artículo 8.1: prohíbe los contestadores automáticos u otros medios análogos como medio exclusivo de atención.
• Artículo 8.2: los contestadores, los bots conversacionales y medios análogos deben permitir pedir atención personalizada en cualquier momento de la interacción, y el 95 % de esas peticiones deben atenderse, de media, en menos de tres minutos.
• Plazo: la disposición transitoria única da doce meses desde la entrada en vigor (28 de diciembre de 2025) para adaptarse.

Fuera de ese ámbito la ley no se aplica, pero la idea es buena para cualquiera: que «quiero hablar con una persona» funcione siempre y que alguien conteste o devuelva la llamada pronto. Si dudas de si tu empresa está dentro, consúltalo con tu asesoría o tu abogado.

Qué pide la protección de datos en una llamada atendida por IA

En una llamada atendida por IA se tratan datos personales (la voz, el número, lo que cuenta el cliente), así que se aplica el RGPD como en cualquier otra llamada de clientes, con tres puntos que hay que cuidar más: informar al inicio, firmar el contrato de encargado con el proveedor y saber en qué país se procesan las llamadas.

• Informar. El artículo 13 del RGPD pide informar de quién trata los datos, para qué y con qué base, en el momento de recogerlos. En una llamada, con una frase breve y una web con el resto.
• Contrato de encargado. El proveedor del modelo y el de telefonía tratan los datos por cuenta de tu empresa, y el artículo 28 del RGPD exige un contrato o acto jurídico con sus obligaciones. Los grandes proveedores suelen ofrecer uno estándar: revísalo con tu delegado de protección de datos o tu asesoría y guárdalo.
• Dónde se procesa. Si el audio sale del Espacio Económico Europeo, entran en juego las transferencias internacionales del capítulo V del RGPD (artículos 44 a 49). Por eso importan detalles como la región de Estocolmo de Nova 2.5 Sonic o el punto de conexión europeo de OpenAI.
• Grabar o no. A menudo basta con la transcripción o un resumen, conservados el tiempo justo.

Estas decisiones conviene dejarlas por escrito en la política de uso de IA en la empresa. Si te preocupa que la voz de tus clientes salga de tu control, mira IA local frente a la nube. De nuevo: esto es información general y cada caso tiene matices; consulta con tu delegado de protección de datos o con un profesional.

¿Cuándo no compensa un agente de voz?

Un agente de voz no compensa cuando entran pocas llamadas, cuando casi todas necesitan criterio humano o cuando la información que daría no está escrita. Tampoco si tu clientela lo va a vivir como una barrera.

• Poco volumen. Si entran diez llamadas al día y casi todas se cogen, el esfuerzo de montarlo y revisarlo no se recupera.
• Llamadas de criterio. Presupuestos a medida, diagnósticos, negociaciones: el agente solo puede tomar nota.
• Información que cambia cada día sin registro. Si los precios o la disponibilidad están en la cabeza de una persona, el agente acabará contestando mal.
• Sin nadie para la transferencia. Si nadie recoge ni devuelve las llamadas pendientes, el agente solo retrasa el problema.

Y estos modelos se equivocan: pueden entender mal un nombre o inventar un dato que no encuentran. Por eso el agente solo debe dar información que tenga escrita y, ante la duda, pasar a una persona.

Por dónde empezar: un piloto de un mes

Lo prudente es un piloto de cuatro semanas con las llamadas de fuera de horario, en el que el agente solo informa y recoge datos y una persona revisa todas las transcripciones. Si funciona, se amplía a las llamadas que no se cogen en horario y después a citas y pedidos.

1. Semana 1: apunta qué llamadas entran y cuántas se pierden; escribe las respuestas a las diez preguntas más repetidas.
2. Semana 2: elige modelo y telefonía, configura el aviso de IA y la transferencia, y pruébalo con llamadas del equipo.
3. Semanas 3 y 4: actívalo fuera de horario, revisa cada transcripción y mira la factura real.
4. Final del mes: decide con datos si se amplía, se cambia de modelo o se deja.

Para hacer y escuchar en equipo las llamadas de prueba, ayuda un altavoz de conferencias.

Si quieres saber qué parte de tus llamadas tendría sentido dejar a un agente de voz y cómo se conectaría con los programas que ya usáis, puedes contarnos cómo trabajáis y lo vemos en un diagnóstico gratuito de una hora, sin compromiso. Si prefieres empezar por lo general, en inteligencia artificial para empresas explicamos qué puede hacer la IA y qué no.