Qué es un agente de IA
Un agente de IA es un programa que recibe una petición, decide qué hacer, ejecuta acciones reales y te devuelve un resultado. La diferencia con un chatbot clásico es que un agente puede usar herramientas: según cómo esté construido, consultar una base de datos, llamar a una API o enviar un aviso. En IAVoz.Pro la herramienta real es una: enviar al negocio, por email, el resumen del contacto.
En 2026, los agentes de IA buenos son los que combinan un modelo de lenguaje grande (que entiende y razona) con una caja de herramientas y, en el caso de IAVoz.Pro, una voz neuronal para hablar contigo.
Qué es la IA generativa
IA generativa es el tipo de IA que crea contenido nuevo —texto, imágenes, voz, vídeo— a partir de un patrón aprendido. ChatGPT, Claude, Gemini, Midjourney y los modelos de voz como ElevenLabs son IA generativa. Lo opuesto sería la IA "discriminativa", que solo clasifica (esto es spam / esto no, esto es un gato / esto es un perro).
La IA generativa todavía falla en tareas que requieren razonamiento riguroso o conocimiento muy especializado, donde el experto humano sigue siendo imprescindible.
Qué es un LLM (modelo de lenguaje grande)
LLM significa Large Language Model: un modelo entrenado con cientos de miles de millones de palabras para entender y generar lenguaje natural. Ejemplos: GPT-5 (OpenAI), Claude Opus 4 (Anthropic), Gemini Ultra (Google), Llama 3.3 (Meta). Cada uno tiene fortalezas distintas y precios distintos.
IAVoz.Pro usa un modelo principal (gpt-oss-120b, servido por Groq) y, si falla, un modelo de respaldo a través de OpenRouter. Así reduce el riesgo de quedarse sin respuesta si un proveedor tiene problemas.
Voz neuronal vs voz sintética
Una voz "sintética" tradicional (la de los GPS antiguos, los anuncios automáticos, Siri en sus primeras versiones) suena claramente artificial: cadencia robótica, tono plano, sin emoción. Una voz "neuronal" moderna —ElevenLabs Turbo, Cartesia, OpenAI TTS, Eleven v3— suena mucho más natural: respira, varía el tono, marca énfasis.
En IAVoz.Pro usamos voces neuronales del catálogo de ElevenLabs en todos los planes. No ofrecemos clonación de voz.
Qué dice el RGPD sobre la IA por voz
El RGPD pide, entre otras cosas, una base jurídica para tratar datos personales, garantías adecuadas si los datos salen del Espacio Económico Europeo y un registro de actividades de tratamiento actualizado.
- Aviso y consentimiento: el widget web de IAVoz.Pro pide consentimiento antes de empezar a conversar.
- Proveedores: Twilio, Groq, OpenRouter (respaldo) y ElevenLabs; el backend está en PythonAnywhere. Parte del tratamiento se hace en EE.UU.
- Sesiones temporales: el contexto de la conversación se descarta tras 2 horas sin actividad.
- Si tu despacho necesita un contrato de encargado del tratamiento, escríbenos y lo vemos contigo.
Cómo se clona una voz y cuándo es legal
Clonar una voz con IA significa generar una réplica sintética que suena como una persona real, normalmente a partir de una muestra de audio. Es legal cuando el dueño de la voz da su consentimiento explícito. Es ilegal —y a veces delito— cuando se hace sin permiso, porque la voz puede ser un dato biométrico protegido por el RGPD.
IAVoz.Pro no ofrece clonación de voz: el agente usa voces del catálogo.
Errores comunes al hablar de IA (y cómo no parecer novato)
Si quieres dejar de oír disparates en reuniones de trabajo o en cenas familiares, evita estos cinco errores conceptuales.
Cómo se traducen estos conceptos en los planes IAVoz.Pro
Para que el glosario no quede en abstracto, te explico cómo se materializan los términos en cada plan.
- Personal (19 €/mes): modelo de lenguaje con proveedor de respaldo si el principal falla y voz neuronal a elegir. Sin base de conocimiento de un negocio.
- Starter (99 €/mes): añade la base de conocimiento de tu negocio (un fichero con tus datos, servicios y precios) y la captura de leads con resumen por email.
- Growth (249 €/mes): 3 webs, voz a elegir del catálogo e instrucciones del agente ajustadas a tu negocio.
- Scale (599 €/mes): webs ilimitadas del mismo grupo y configuración a medida por nuestro equipo.
Cómo se mide la calidad real de un sistema IA por voz
Si te toca evaluar varios sistemas para tu empresa, no te fíes de demos pulidas. Mide tú mismo con cuatro métricas concretas.
Estas cuatro métricas valen más que cualquier feature list de proveedor. Si un sistema falla en alguna, tienes evidencia para descartarlo.
Glosario rápido de términos que vas a oír
Diez términos que en 2026 conviene reconocer aunque no profundices. Cada uno con definición de una frase.
- Multimodal: modelo que entiende y genera texto + imagen + voz + vídeo en una sola arquitectura.
- Tool use: capacidad del LLM de llamar a APIs externas (calendario, búsqueda, base de datos) durante una conversación.
- Function calling: nombre técnico de tool use en arquitectura OpenAI/Anthropic.
- Streaming: emitir la respuesta token a token según se genera, en lugar de esperar a tenerla completa. Reduce la latencia percibida.
- Inference: ejecutar el modelo entrenado para generar respuesta. Lo opuesto a "training" (entrenar).
- Latencia time-to-first-token (TTFT): milisegundos entre que el usuario termina de hablar y el modelo empieza a generar.
- Quantization: técnica para reducir el peso del modelo (de FP32 a INT8, por ejemplo) para que corra más rápido en menos hardware.
- Distillation: entrenar un modelo pequeño imitando uno grande, para abaratar inferencia manteniendo calidad razonable.
- Guardrails: filtros y reglas que evitan que el modelo diga cosas peligrosas, ilegales o fuera de su scope.
- Jailbreak: intento del usuario de saltarse los guardrails con prompts maliciosos. Los modelos modernos están bien protegidos pero no son invulnerables.
Preguntas frecuentes
¿Es lo mismo IA generativa que machine learning?
IA generativa es un subconjunto del machine learning. El ML incluye también modelos predictivos (precio de una casa, probabilidad de fraude) y de clasificación (spam o no). La IA generativa es la rama que crea contenido nuevo: texto, imagen, voz, vídeo.
¿Por qué a veces la IA "alucina" o se inventa cosas?
Los LLM generan texto prediciendo la palabra más probable. Cuando no tienen información fiable sobre algo, "completan" la respuesta con lo que estadísticamente suena verosímil, aunque sea falso. Las soluciones modernas combinan el LLM con búsqueda en fuentes verificadas (RAG) para reducir las alucinaciones.
¿Qué es RAG?
Retrieval-Augmented Generation: una técnica que combina un LLM con una base de conocimiento propia. En lugar de inventarse la respuesta, el sistema busca primero en tu catálogo, tus FAQs o tu documentación y genera la respuesta a partir de ahí. Es como si el LLM tuviera apuntes verificados delante.
¿Mis datos están seguros con IAVoz.Pro?
Te decimos qué proveedores procesan las conversaciones (Twilio, Groq, OpenRouter y ElevenLabs), las comunicaciones van cifradas con TLS, las sesiones son temporales y puedes pedir el borrado de tus datos escribiendo a [email protected]. Para necesidades RGPD específicas de tu negocio, consúltanos antes de contratar.