La tecnología de IA más reciente en 2026: agentes de voz con IA, IA en tiempo real y el recepcionista del futuro

Hace tres años, una IA capaz de atender el teléfono con fluidez era una demo. En 2026 es un producto que puedes comprar por menos de 135 € al mes. No se debe a un único avance, sino a que varias tecnologías han madurado a la vez: modelos que escuchan y hablan en tiempo real, mejor reconocimiento de voz para idiomas pequeños, agentes de IA capaces de realizar acciones y estándares abiertos para conectarlos con los sistemas que las empresas ya usan.

Este artículo explica la evolución sin palabras de moda. Distinguimos tres cosas: lanzado (disponible de forma general y en producción), beta/preview (disponible, pero puede cambiar) y expectativas (investigación o anuncios, pero aún no listo). Las fuentes y fechas están al final. Los proveedores citados son ejemplos del mercado, no una lista de aquello sobre lo que está construido Aibooking.dk.

1. Modelos de voz en tiempo real: de una cadena a un solo paso

Tradicionalmente, un asistente telefónico con IA ha sido una cadena de tres sistemas: reconocimiento de voz (voz → texto), un modelo de lenguaje (texto → respuesta) y síntesis de voz (respuesta → voz). Cada eslabón añade retraso, y el tono de voz se pierde por el camino porque el modelo de lenguaje solo ve texto.

Los modelos de voz a voz reciben audio y devuelven audio en un único modelo. Pueden notar si quien llama suena estresado y responder con un tono adecuado, y no tienen que esperar a que termine un eslabón para empezar el siguiente.

• Lanzado: OpenAI puso a disposición general su Realtime API en agosto de 2025 junto con el modelo de voz a voz gpt-realtime, y la API puede recibir llamadas telefónicas directamente por SIP, el estándar que usa la telefonía. Google ofrece conversaciones en tiempo real a través de la Gemini Live API; las notas de versión de Vertex AI indican Gemini 2.5 Flash con audio nativo como disponible de forma general desde diciembre de 2025, y las de la Gemini API indican Gemini 3.8 Live como disponible de forma general desde septiembre de 2026.
• Beta/preview: Varios modelos en tiempo real más recientes se publican primero como «preview», donde los nombres, los precios y el comportamiento pueden cambiar. Conviene saberlo si un proveedor se basa en un modelo preview.
• Expectativa: el «dúplex completo»: modelos que escuchan y hablan a la vez, como las personas, y pueden decir «ajá» mientras hablas. Modelos de investigación como Moshi de Kyutai (2024) han demostrado el principio, pero todavía no es estándar en las soluciones telefónicas comerciales.

La cadena no ha muerto. Muchas soluciones siguen usando reconocimiento y síntesis de voz por separado porque da más control sobre la voz y sobre lo que dice la IA. Lo que te importa no es la arquitectura, sino el resultado: ¿suena natural la conversación y hace la IA lo correcto?

2. Latencia, interrupciones y diálogo natural

Las personas somos muy sensibles a las pausas en una conversación. Un conocido estudio sobre diez idiomas observó que el silencio típico entre dos hablantes ronda los 200 milisegundos, y que los daneses tenían los silencios más largos del estudio, casi medio segundo de media.

Lo difícil no es solo responder rápido, sino saber cuándo ha terminado de hablar quien llama. Los sistemas antiguos esperaban al silencio, lo que provocaba pausas largas o interrupciones en mitad de una pausa para pensar. Los nuevos modelos de turno de palabra combinan sonido y significado para juzgar si la frase ha terminado. Deepgram lanzó Flux en octubre de 2025, un modelo de reconocimiento de voz con detección de turno integrada, y los modelos en tiempo real de los grandes proveedores tienen funciones similares.

• Interrupciones («barge-in»): una buena voz de IA se calla cuando quien llama la interrumpe, y escucha. Pregunta siempre a un proveedor si se la puede interrumpir.
• Muletillas y pausas para pensar: «Eh, déjeme comprobar…» no debe interpretarse como una frase terminada.
• Audio telefónico: la red telefónica transmite audio de menor calidad que una app. Prueba siempre por una línea telefónica real, no solo en el navegador.

3. Reconocimiento y síntesis de voz en danés

El danés es difícil para las máquinas: muchas vocales, el golpe glotal «stød», contracciones y un área lingüística pequeña con menos datos de entrenamiento. Eso ha cambiado de dos maneras.

Primero, los grandes modelos multilingües han mejorado claramente en danés porque se entrenan con mucho más audio. Segundo, Dinamarca cuenta ahora con recursos abiertos: el proyecto CoRal, dirigido por el Alexandra Institute y financiado por Innovation Fund Denmark, ha recopilado cientos de horas de habla danesa de más de mil personas de todas las edades y de todo el país, tanto lectura en voz alta como conversación, y ha publicado un modelo danés de reconocimiento de voz y un conjunto de datos para síntesis de voz. Así se puede comprobar lo bien que un modelo entiende dialectos, personas mayores y jóvenes.

En síntesis de voz ya hay voces danesas de sonido natural de varios proveedores. Las diferencias están sobre todo en la pronunciación de nombres, números, direcciones y anglicismos. Más información en reconocimiento de voz y voces de IA.

4. Agentes de IA que realizan acciones

La mayor diferencia entre un chatbot y un agente de IA es que el agente puede hacer algo: consultar un hueco libre, crear una reserva, enviar un SMS o recuperar el estado de un pedido. Esto ocurre mediante «function calling» o «herramientas», en las que el modelo de lenguaje decide llamar a una función definida por el proveedor y recibe el resultado.

• Lanzado: el function calling es estándar en todos los grandes modelos en tiempo real. Para Gemini 3.8 Live, Google describe llamadas a funciones que pueden ejecutarse de forma asíncrona, para que la conversación continúe mientras el sistema trabaja.
• Lanzado como estándar abierto: el Model Context Protocol (MCP) es un protocolo abierto para conectar la IA con herramientas y datos externos. En diciembre de 2025 se transfirió a la Agentic AI Foundation, bajo la Linux Foundation, y lo apoyan los mayores proveedores de IA.
• Expectativa: agentes que resuelven de forma autónoma tareas largas a través de varios sistemas. Funciona en entornos controlados, pero en el contacto con clientes las acciones deben ser pocas, bien definidas y registradas.

Para una empresa, esto significa: no preguntes «¿tenéis IA?», sino «¿qué acciones puede realizar la IA y cómo puedo ver lo que ha hecho?».

5. Integraciones con calendario, CRM y tienda online

Un recepcionista con IA es tan bueno como los sistemas a los que está conectado. En la práctica, tres integraciones son decisivas:

• Calendario (Google Calendar, Outlook, programas sectoriales): para que la IA solo reserve huecos realmente libres. Consulta reservas automáticas con IA.
• CRM: para que la conversación se guarde en la ficha del cliente y la siguiente llamada empiece con contexto.
• Tienda online (por ejemplo, Shopify): para que la IA pueda responder sobre stock, envíos y estado del pedido con datos en tiempo real. Consulta IA para tiendas online con integración de Shopify.

La tendencia técnica es construir las integraciones sobre estándares abiertos (API, webhooks y MCP) en lugar de plugins cerrados. Eso facilita cambiar de proveedor y conectar programas sectoriales.

6. Paso a una persona y gestión de errores

Incluso los mejores modelos se equivocan: pueden entender mal un nombre, malinterpretar una doble negación o «alucinar» una respuesta sin fundamento. Por eso, en 2026 la madurez consiste tanto en redes de seguridad como en inteligencia:

• Repetir y confirmar: nombres, fechas y direcciones se leen en voz alta antes de guardarse.
• Conocimiento acotado: la IA solo responde a partir de la información de la empresa que se le ha dado y dice «no lo sé» en lugar de adivinar.
• Paso con contexto: las reclamaciones, los casos urgentes y las peticiones de hablar con una persona se transmiten con un resumen. Consulta cuándo transferir a una persona.
• Grabación y transcripción: para poder encontrar y corregir los errores.

7. Seguridad de datos y uso responsable: el Reglamento de IA ya se aplica

2026 es el año en que el Reglamento de IA de la UE llega de verdad a la atención al cliente. Desde el 2 de agosto de 2026 se aplican los requisitos de transparencia del artículo 50: hay que informar a las personas de que interactúan con un sistema de IA, salvo que sea evidente. Para un recepcionista con IA, esto significa en la práctica que el saludo debe decir que es un asistente digital. En el verano de 2026 la UE aprobó un «ómnibus digital» que aplaza las normas para la IA de alto riesgo, pero, según los análisis jurídicos, no aplazó los requisitos de transparencia para los chatbots.

El RGPD se aplica como siempre: una llamada contiene datos personales, y grabar llamadas requiere una base jurídica. La autoridad danesa de protección de datos (Datatilsynet) ha publicado orientaciones sobre la grabación de llamadas; consulta también las de tu autoridad nacional. Exige datos en la UE, un contrato de encargo de tratamiento, cifrado y reglas de borrado. Consulta nuestra guía sobre RGPD y Reglamento de IA para recepcionistas con IA.

Este artículo no es asesoramiento jurídico: consulta siempre el texto legal vigente o habla con un asesor sobre tu caso concreto.

8. ¿Qué significa para tu empresa?

La tecnología está preparada para las tareas que necesitan la mayoría de las pequeñas y medianas empresas: atender el teléfono, gestionar preguntas repetidas, reservar en el calendario y enviar recordatorios. No está preparada para sustituir el criterio, la empatía y la responsabilidad. La lista práctica para 2026:

1. Escucha antes de comprar. Llama a una línea de demostración y fíjate en las seis señales de calidad.
2. Interrúmpela. ¿Se calla y escucha?
3. Prueba con el idioma de tus clientes: nombres, direcciones, acentos.
4. Pregunta qué acciones puede realizar y dónde quedan registradas.
5. Exige que se identifique como IA, datos en la UE y un contrato de encargo de tratamiento.
6. Empieza con un alcance reducido (por ejemplo, solo las llamadas fuera de horario) y amplía cuando hayas leído las transcripciones de las primeras semanas.

Para lo básico, empieza por ¿qué es un agente de voz con IA? y ¿qué es un recepcionista con IA?