Llamadas en frío con IA: qué son y cómo crearlas

Rene, Kabir Goel 
Llamadas en frío con IA: qué son y cómo crearlas

Un agente de llamadas en frío con IA marca el número de un posible cliente, habla con quien responde, cualifica el contacto y agenda una reunión. Bien utilizado, da a un pequeño equipo comercial el volumen de llamadas de un centro de ventas. Mal utilizado, daña la reputación de tu número, molesta a todos los que contacta y, en Estados Unidos, puede acabar en una demanda por la TCPA.

Esta página explica qué hacen estos agentes durante una llamada, por qué la calidad de voz determina si alguien sigue al teléfono, cuánto cuestan, dónde pone límites la ley y cómo crear uno con Cartesia. Una aclaración inicial: hacemos los modelos de voz y la plataforma de agentes, no las listas de contactos. Gran parte del contenido que aparece en buscadores sobre este tema, incluidas las comparativas, lo escriben empresas que venden software de llamadas en frío. Léelo y después prueba con tu propia lista.

Qué hace un agente de llamadas en frío con IA

El ciclo de cada llamada es así:

  1. Marcar desde un conjunto de números, al ritmo que permitan tu operador y la ley.
  2. Clasificar la respuesta. La detección de contestadores distingue un saludo humano de un buzón de voz. La mayoría de las campañas descartan los buzones o dejan un mensaje corto y continúan.
  3. Presentarse. Quién llama, por qué y en nombre de quién. El posible cliente suele decidir en esta parte, en cuestión de segundos.
  4. Cualificar. Preguntas sobre el cargo, los plazos y la situación actual, puntuadas según lo que tu proceso comercial considere que merece una reunión.
  5. Responder a objeciones. “Ya tenemos proveedor”, “envíame un correo”, “estoy ocupado”: un agente con guion responde a las habituales y deriva las demás.
  6. Agendar o registrar. Las llamadas cualificadas reciben una invitación de calendario mientras el contacto sigue en línea; el resto se registra en el CRM con transcripción y resultado.

Los productos vendidos bajo esta etiqueta se dividen en dos categorías. Confundirlas explica gran parte de la confusión en las comparativas:

CategoríaQuién está en la líneaQué hace el software
Agente de voz autónomoNingún representante humanoMarca, conversa, cualifica y agenda
Marcador asistido por IAUn representante humanoMarca en paralelo, muestra guiones y objeciones, toma notas

Esta página trata del primer tipo. Si tus representantes siguen en todas las llamadas, necesitas un marcador automático, no un agente de voz; hoy casi todas las empresas de herramientas de ventas venden uno.

Por qué la calidad de la llamada determina si funciona

Un posible cliente cuelga a un robot en casi el tiempo que tarda en detectarlo. Dos cosas lo delatan.

La primera es la demora. Las personas se ceden el turno de conversación en unos 200 milisegundos; nuestra introducción a los agentes de voz explica lo que implica para el tiempo de respuesta. Cuando un agente tarda un segundo y medio en responder a “¿hola?”, el interlocutor oye una máquina. Sonic, nuestro modelo de texto a voz, transmite audio mientras lo genera con una latencia de modelo inferior a 90 ms. La voz suele ser la parte más pequeña de ese tiempo y ocupa el primer puesto en pruebas de escucha a ciegas en VoiceArena y Artificial Analysis.

La segunda es la gestión de interrupciones. Los contactos reales hablan durante la presentación, cambian de dirección a mitad de frase y responden a preguntas que aún no has hecho. Un agente que sigue hablando encima de ellos suena como una llamada automática que reproduce una grabación. La detección de turnos de Ink, nuestro modelo de voz a texto en streaming, está diseñada para esto: indica cuándo ha terminado la persona y cuándo ha interrumpido, para que el agente pueda ceder el turno.

Los detalles menos vistosos también importan. Estos agentes leen teléfonos, fechas, nombres de empresas y precios. Tropezar con “+1 415” o “Q3” los delata al instante. Sonic está diseñado para leer de forma fiable siglas, abreviaturas y números difíciles, algo que importa más en una llamada en frío que en un audiolibro.

Cómo detectar el buzón de voz en llamadas salientes

Pregunta a cualquiera que haya dirigido una campaña saliente: gran parte de las llamadas llegan a un saludo de buzón de voz, no a una persona. Lo que el agente hace en los dos segundos siguientes decide si la campaña deja un mensaje limpio o media presentación en el buzón de alguien.

El paso de clasificación se llama detección de contestador automático (AMD) o detección de buzón de voz. Un marcador clásico escucha los primeros segundos de audio y lo adivina por la forma del saludo: las personas contestan con un “hola” corto y se callan, las máquinas hablan varios segundos sin pausa y el tono marca dónde va el mensaje. Los parámetros de ajuste de AMD de Twilio son la cara pública de esas heurísticas, y los valores por defecto admiten lo difuso del trabajo: un saludo de menos de unos 2,4 segundos cuenta como humano. Ambos errores cuestan. Clasificar a una persona como máquina y el marcador cuelga a un cliente potencial en vivo. Clasificar una máquina como persona y tu agente suelta toda su presentación a una grabación, y luego espera cortésmente una respuesta.

Un agente de voz tiene una opción que los marcadores nunca tuvieron: entender el saludo. En Managed Agents, voicemail_detection es una herramienta del sistema integrada. El agente escucha la respuesta, juzga que es una grabación y llama a la herramienta, que reproduce un message que tú configuras y finaliza la llamada. Sin mensaje configurado, simplemente cuelga. El juicio ocurre donde vive el resto del juicio del agente, así que la transcripción muestra lo que escuchó antes de retirarse, y el registro de llamadas marca el resultado como voicemail_detected en lugar de una misteriosa llamada de ocho segundos.

Define la política de buzón con la campaña, no llamada a llamada: si dejar un mensaje o reintentar el número más tarde, qué dice el mensaje (quién llama, una frase de por qué, un número de devolución) y cuántos intentos antes de dejar descansar un número. El mensaje se gana su tiempo de redacción. Suena en el horario del cliente potencial, y en una lista decente es lo más escuchado que produce tu campaña.

Comprar o crear

Los resultados de búsqueda están llenos de listas del “mejor software de llamadas en frío con IA” escritas por sus vendedores. Detrás hay dos compras distintas:

  • Comprar una plataforma lista para usar como Bland, Synthflow, Vapi, Autocalls y muchas otras. Subes una lista, escribes un guion y las campañas funcionan esta misma semana. Cobran por minuto, incluyendo telefonía y modelos. Si no quieres gestionar la infraestructura de llamadas, es la elección adecuada, sin nada de malo en ello.
  • Crear sobre una plataforma de voz. Conviene cuando la lógica de llamadas forma parte de tu producto, como un CRM, un SaaS vertical o una plataforma de agentes configurable por tus clientes. También cuando necesitas controlar datos, lógica y cumplimiento de una forma que una herramienta cerrada no permite.

Ambas opciones usan modelos de voz por debajo. Thoughtly, una plataforma de agentes comerciales, usa voces de Cartesia de forma predeterminada, y 11x, que crea SDR de IA, colabora con Cartesia para los suyos. Las llamadas salientes también van más allá de las ventas: SuperDial automatiza llamadas administrativas sanitarias. La farmacia que las recibe tampoco pidió que la llamaran, pero son llamadas esperadas y legítimas.

Cómo crear uno con Cartesia

La vía rápida: Managed Agents

Managed Agents es nuestra plataforma para crear y desplegar agentes de voz. Crea el agente en el Playground con un prompt de sistema, una voz y herramientas como la reserva de citas; asígnale un número y llama con la API de llamadas salientes. Una petición puede incluir un lote:

requests.post(
    "https://api.cartesia.ai/agents/calls",
    headers={"X-API-Key": CARTESIA_API_KEY, "Cartesia-Version": "2026-08-14"},
    json={
        "agent_id": "agent_...",
        "outbound_calls": [
            {
                "to_number": "+14155559876",
                "from_number_id": "ap_...",
                "ringing_timeout_seconds": 30,
                "dynamic_variables": {"customer_name": "Jordan"},
            }
        ],
    },
)

Cada entrada llama a un destino, abandona tras ringing_timeout_seconds, entre 5 y 80, y devuelve un agent_call_id con el que consultar el resultado. dynamic_variables personaliza la conversación para que el agente salude a Jordan por su nombre en lugar de leer una plantilla. Los números de Cartesia hacen como máximo una llamada saliente por segundo; las peticiones más rápidas quedan en cola.

La vía de control total: la pila de API

Si quieres gestionar el ciclo, móntalo tú: Sonic transmite la voz del agente, Ink transcribe al interlocutor y detecta turnos, tu LLM decide qué decir y qué herramientas llamar, y un proveedor de telefonía o un troncal SIP transporta el audio. La introducción a los agentes de voz explica el flujo y dónde se consume la latencia. Más control implica más operaciones; elígelo cuando esa diferencia forme parte de tu producto.

Sea cual sea la vía, prueba como se juzgarán las llamadas reales. Haz un piloto con una lista pequeña, mide la proporción de llamadas que llegan a una persona, conversaciones completadas y reuniones agendadas, y escucha tú mismo una muestra de grabaciones. Una transcripción limpia indica que las palabras se transcribieron correctamente; no que el posible cliente siguiera en línea.

Las reglas de consentimiento que no puedes saltarte

En Estados Unidos, la Telephone Consumer Protection Act regula las llamadas a consumidores. En febrero de 2024, la FCC cerró la excepción de “pero es una IA que suena en directo”. Su resolución declarativa confirmó que las llamadas con voces generadas por IA son llamadas “artificiales” según la TCPA. En la práctica:

  • Está prohibido llamar a un consumidor sin consentimiento expreso previo; el telemarketing a consumidores requiere consentimiento expreso previo por escrito.
  • Los mensajes de voz artificial o pregrabada deben identificar a la entidad en cuyo nombre se llama.
  • Las llamadas de telemarketing deben ofrecer una opción de exclusión, y hay que respetarla.
  • Los fiscales generales estatales pueden hacer cumplir las normas directamente y los consumidores pueden demandar.

Las llamadas a líneas fijas empresariales reciben un trato distinto y varios estados añaden normas propias sobre llamadas y grabaciones. La conclusión prudente es que los requisitos de consentimiento e identificación llegan más lejos de lo que muchos creen. Esta página no es asesoramiento jurídico; pide a un abogado que revise tu campaña antes de llamar a gran escala y comprueba qué obligaciones del registro Do Not Call te corresponden. Nuestra política de uso aceptable (Inglés) se aplica a lo que construyas en la plataforma.

Si el plan solo funciona cuando el agente llama a personas que nunca dieron su consentimiento, no es un canal de crecimiento. Es una multa con pasos adicionales.

Siguientes pasos

Preguntas frecuentes

¿Qué es un agente de llamadas en frío con IA?

Es software que hace llamadas comerciales salientes y mantiene la conversación. Marca los números de tu lista, distingue una respuesta humana de un buzón de voz, se presenta, hace preguntas de cualificación, responde a objeciones habituales y agenda una reunión o registra el resultado en tu CRM. Es un agente de voz destinado a llamadas salientes en vez de entrantes.

¿Qué es la detección de contestador automático?

La detección de contestador automático, también llamada detección de buzón de voz o AMD, es el paso en que un marcador saliente o un agente de voz decide si respondió una persona o una grabación. Los marcadores clásicos lo adivinan por la duración del saludo y los patrones de silencio, lo que falla con saludos humanos largos y saludos de buzón cortos. En Managed Agents de Cartesia, el agente juzga lo que escucha y llama a la herramienta integrada voicemail_detection, que reproduce un mensaje configurado, o nada, y finaliza la llamada.

¿Son legales las llamadas en frío con IA?

Con consentimiento, sí. En febrero de 2024, la FCC determinó que las llamadas con voces generadas por IA son llamadas "artificiales" según la Telephone Consumer Protection Act. Llamar a consumidores exige consentimiento expreso previo, identificación de quien llama y una opción de exclusión para telemarketing; los fiscales generales estatales pueden hacer cumplir estas normas. Las líneas de empresas reciben un trato distinto y algunos estados añaden requisitos. Esto no es asesoramiento jurídico; consulta a un abogado antes de llamar a gran escala.

¿Cuánto cuestan las llamadas en frío con IA?

La mayoría de los sistemas cobran por minuto de telefonía más el uso de los modelos de IA. Una plataforma lista para usar agrupa ambos en una tarifa; con una API de voz pagas a cada proveedor por separado y suele salir más barato a gran escala. Consulta los precios de Cartesia para el uso de modelos.

¿Puede un agente de llamadas con IA responder a objeciones?

A las habituales, sí: un agente con LLM responde a "ya tenemos proveedor" o "envíame un correo" con su guion y herramientas. Ante objeciones inusuales o interlocutores hostiles, los agentes todavía pierden el hilo. Configura una transferencia clara a una persona en lugar de dejar que improvisen.

¿Cómo creo un agente de llamadas en frío con IA?

En Cartesia hay dos formas. Crea el agente en Managed Agents y llama con la API de llamadas salientes, que gestiona la marcación, los tiempos de espera y el seguimiento. O monta tu propio sistema: texto a voz en streaming con Sonic, voz a texto con Ink para detectar turnos, tu modelo de lenguaje y un proveedor de telefonía.