CPaaS significa Communications Platform as a Service: una plataforma en la nube que permite a los desarrolladores añadir llamadas, mensajes, video y verificación a sus propias aplicaciones mediante APIs, sin construir ni operar infraestructura de operadores. Twilio creó la categoría en 2008 y aún la define (su propia guía de una página es la definición de referencia), con Vonage, Sinch, Plivo, Bandwidth, Infobip y Bird (antes MessageBird) trabajando el mismo modelo.
El comprador clásico de CPaaS es un equipo de producto que necesita una notificación, un código de un solo uso o una llamada enmascarada dentro de su app. El SMS de que tu conductor ha llegado, el recordatorio de tu dentista, el código 2FA: todo es tráfico CPaaS. El comprador más reciente es un equipo que pone un agente de voz al teléfono, y ese comprador debería leer hasta el final, porque la pregunta de plataforma ha cambiado de forma.
Qué cubre un CPaaS
El catálogo exacto varía según el proveedor, pero el núcleo es el mismo conjunto de canales, cada uno accesible desde una API:
- Mensajería. SMS y MMS, mensajería gratuita (toll-free) y canales OTT como WhatsApp y Messenger.
- Voz. Llamadas programables sobre VoIP y la red telefónica pública, más troncales SIP para conectar tu operador actual.
- Video. Llamadas punto a punto, salas de grupo y streaming en vivo.
- Email. Entrega transaccional y de marketing.
- Verificación. Códigos de un solo uso, autenticación de dos factores y comprobaciones de identidad.
- Herramientas low-code. Constructores visuales para equipos que quieren montar flujos sin escribir cada integración a mano.
Compones todo esto dentro de tu producto. Una app de salud puede usar verificación para los inicios de sesión, SMS para los recordatorios y voz para los casos urgentes. El CPaaS se queda con las relaciones con los operadores, el enrutado de entregas y la fontanería de cumplimiento; tú te quedas con la aplicación.
CPaaS frente a UCaaS y CCaaS
Los tres acrónimos se confunden constantemente, y los proveedores que venden los tres no ayudan. La distinción es para quién es el software:
| CPaaS | UCaaS | CCaaS | |
|---|---|---|---|
| Qué es | APIs de comunicaciones que integras en tu propio producto | Suite de colaboración interna (llamadas, reuniones, chat) | Centro de contacto alojado para equipos de soporte |
| Quién lo usa | Desarrolladores | Empleados | Agentes de centro de contacto |
| Ejemplos | Twilio, Vonage, Sinch, Plivo | Zoom, RingCentral, Microsoft Teams | Genesys Cloud, Five9, NICE |
| Precios | Por minuto, por mensaje, por llamada | Por puesto al mes | Por puesto de agente al mes |
Si compras teléfonos para tu personal, eso es UCaaS. Si operas una cola de soporte, eso es CCaaS. Si estás construyendo la comunicación dentro de algo que vendes, eso es CPaaS. Las siglas riman; los compradores son tres equipos distintos.
Cómo funcionan los precios de CPaaS
El CPaaS se cobra por uso, sin cuota de plataforma: por minuto la voz, por segmento los SMS, por verificación completada la autenticación. El modelo es la razón por la que la categoría se extendió: una startup puede enviar su primer texto por menos de un céntimo y escalar la misma cuenta a millones de mensajes.
Los precios de lista de Twilio en EE. UU., en octubre de 2026, son el ejemplo habitual: 0,014 USD por minuto en una llamada saliente, 0,0085 USD por minuto entrante a un número local, 1,15 USD al mes por el número y 0,0083 USD por segmento de SMS. Dos reglas de facturación importan más que las tarifas: las llamadas se cobran por tramo (una llamada saliente que reenvías paga ambos tramos) y la mayoría de los proveedores redondea al minuto siguiente. La guía de precios de Twilio recorre toda la tarjeta de tarifas.
Una advertencia honesta: el precio por minuto es por la tubería. Cualquier cosa que escuche, piense o hable en la llamada (transcripción, un LLM, texto a voz) es otra capa medida, del CPaaS o de quien te venda los modelos. Conversation Relay, el producto de agentes de Twilio, añade 0,07 USD por minuto de sesión activa. Suma las capas antes de comparar los totales.
Los proveedores
Los nombres que encontrarás, en el orden aproximado en que aparecen:
- Twilio: el creador de la categoría y la evaluación por defecto. El catálogo de APIs más amplio, precios por uso y la documentación con la que se comparan todas las demás.
- Vonage: la antigua Nexmo; fuerte en APIs de voz y video, propiedad de Ericsson.
- Sinch: grande en mensajería y voz, sobre todo a nivel internacional, tras comprar varios proveedores regionales.
- Plivo: APIs de voz y SMS con un catálogo más pequeño y sencillo.
- Bandwidth: un CPaaS que posee su red de operador, lo que importa cuando necesitas portabilidad de números o enrutado de emergencias hecho en casa.
- Infobip: mensajería internacional y omnicanal, fuerte fuera de Norteamérica.
- Bird: el antiguo MessageBird, centrado en mensajería y con base europea.
La lista corta adecuada depende de tus canales y tus países. Para una carga de voz en EE. UU., cualquiera de ellos puede llevar una llamada; las diferencias están en el precio, la fiabilidad en tus regiones y cuánta parte de la pila quieres de un solo proveedor.
Dónde cambia la voz con IA las cuentas
Una llamada CPaaS es una tubería. Conecta dos extremos y se quita de en medio, que es exactamente lo correcto cuando hay una persona en cada punta. Pero una parte creciente de las llamadas empresariales en 2026 tiene software en uno de los extremos: un agente que califica un cliente potencial, toma un pedido o reprograma una entrega. Una tubería sola no te da eso. Un agente de voz necesita cinco cosas encima de la tubería:
- Oídos. Voz a texto en streaming que escucha al llamante en el momento en que empieza a hablar.
- Un cerebro. Un LLM que decide qué decir, con tus herramientas y tus datos.
- Una voz. Texto a voz que suene como alguien a quien merece la pena escuchar.
- Turnos de palabra. El modelo que decide cuándo terminó el llamante, cuándo interrumpir y cuándo esperar. Si esto falla, la llamada se siente como un walkie-talkie.
- Telefonía. Números, enrutado, grabación y las partes regulatorias.
Puedes montar todo eso sobre un CPaaS: Twilio lleva la llamada, tú envías el audio a tu voz a texto, ejecutas tu modelo, sintetizas la respuesta y te quedas con el pegamento, el presupuesto de latencia y los turnos de palabra. Los equipos con ingeniería sólida en tiempo real hacen esto y obtienen exactamente la pila que quieren. La alternativa es una plataforma de agentes de voz que empaqueta las cinco piezas y trata la red telefónica como una entrada más: el mismo movimiento que hizo atractivo al propio CPaaS, una capa más arriba.
La pregunta que separa las dos opciones: ¿la llamada necesita pensar? Si la respuesta es no (recordatorios de citas, avisos de entrega, códigos OTP), compra la tubería. Si es sí, estás comprando las capas de encima de la tubería, y esa es otra evaluación.
Dónde encaja Cartesia
Cartesia no es un CPaaS. Construimos la capa de conversación: Sonic para texto a voz, Ink para voz a texto y Managed Agents, el constructor alojado de agentes de voz. La telefonía llega por tres vías, según la documentación de números de teléfono: números de EE. UU. aprovisionados por Cartesia (gratis con tu plan, de un número en Free a personalizado en Enterprise, más una cuota de telefonía de 0,014 USD por minuto), números importados de tu cuenta de Twilio a tus tarifas de Twilio con salida internacional, o tu propio operador por una troncal SIP. Las llamadas del agente cuestan 0,06 USD por minuto, los tokens de tu LLM se cobran a los precios publicados del modelo, y el plan gratuito incluye 1 USD de llamadas de agente al mes: suficiente para llamar a tu propio agente desde tu teléfono y ver cómo te atiende.
Si lo que necesitas son APIs de mensajería, un flujo de verificación o minutos de llamada sin más, un CPaaS como Twilio es la herramienta adecuada, y nuestros agentes funcionarán encantados sobre los números que importes de él. Si lo que necesitas es una voz que sostenga una conversación, empieza en el playground y lee cómo funcionan los agentes de voz.