Durante años, llamar a una empresa significaba escuchar lo mismo: «pulse 1 para esto, pulse 2 para aquello». Pulsabas el 1, luego el 3, luego el 2, y acababas pidiendo hablar con una persona.
Eso ha cambiado. La IA de voz ha avanzado mucho en poco tiempo: los modelos mantienen una conversación, entienden el contexto, detectan intenciones, consultan información y ejecutan acciones con una latencia que ya resulta natural.
Y no es una previsión a cinco años. En España hay empresas usando voz e inteligencia artificial en hospitales, bancos, aseguradoras, clínicas, contact centers y también en casa.
He revisado los proyectos que me parecen más representativos y este es mi listado de 10 empresas y proyectos españoles de IA de voz que merece la pena conocer. No hacen lo mismo, y esa es la parte interesante.
Qué se entiende hoy por IA de voz
Un sistema de IA de voz combina cuatro piezas: reconocimiento de voz (ASR), un modelo de lenguaje que decide qué responder, síntesis de voz (TTS) y una capa de herramientas que le permite consultar y modificar datos reales. Cuando además se conecta a telefonía, tienes un agente de voz: algo que atiende o realiza una llamada y termina una gestión, no solo una locución que responde preguntas.
Con esa definición, estas son las empresas.
Resumen: las 10 empresas de un vistazo
| # | Empresa / proyecto | Sector | Para qué sirve |
|---|---|---|---|
| 1 | Tucuvi | Salud | Seguimiento clínico telefónico de pacientes |
| 2 | Atendy | Pymes y empresas | Recepción telefónica y gestión de citas |
| 3 | Veridas | Biometría y banca | Identificación por voz |
| 4 | ClinicBot | Clínicas privadas | Recepcionista de voz para centros sanitarios |
| 5 | Biometric Vox | LegalTech y seguros | Firma electrónica por voz |
| 6 | Fonetic (Sabio) | Contact centers | Automatización de gran volumen |
| 7 | Sherpa.ai | IA empresarial | Aprendizaje federado y privacidad del dato |
| 8 | Inbenta | Customer experience | Comprensión de intención y acciones |
| 9 | Voikers | Marketing y branding | Identidad sonora de marca |
| 10 | OyePaco | Robótica de compañía | IA de voz en un dispositivo físico |
1. Tucuvi: IA de voz dentro del sistema sanitario
Sector: salud / healthtech
Caso de uso: seguimiento clínico y monitorización de pacientes
Tucuvi es el ejemplo que mejor demuestra que un agente de voz puede hacer algo más que atender llamadas. Su agente clínico, LOLA, llama por teléfono a pacientes para hacer seguimiento: pregunta por síntomas, evolución y medicación, y estructura esa información para que el equipo sanitario detecte señales de alerta.
No es una voz que responde preguntas. Es una IA que participa dentro de un proceso asistencial, con protocolos clínicos definidos y derivación a un profesional cuando la conversación lo requiere.
Los datos que publica la compañía en sus casos de éxito son concretos. En el programa de seguimiento de EPOC del Hospital Ribera Povisa, Tucuvi reporta una reducción del 43,7 % de los ingresos urgentes y del 40 % de las estancias hospitalarias, con un 93 % de recomendación por parte de los pacientes. En otro programa, de seguimiento de pacientes en espera de implante de válvula aórtica, LOLA siguió a 255 pacientes y permitió priorizar 46 casos que necesitaban adelantar la intervención.
La plataforma está certificada como producto sanitario con marcado CE, que es un requisito nada trivial en este terreno.
La conclusión que saco: la IA de voz no tiene por qué sustituir a una persona. Puede hacer que esa persona llegue antes a donde hace falta.
2. Atendy: una centralita que ejecuta acciones
Sector: atención al cliente, pymes y empresas
Caso de uso: recepción telefónica, citas, leads y reservas
Atendy parte de un problema sencillo: el teléfono suena cuando estás ocupado, y si no contestas la llamada acaba en otra empresa.
Su propuesta son agentes de voz que contestan, entienden qué quiere la persona, la cualifican, consultan una agenda, crean o modifican una cita y envían confirmaciones por WhatsApp. La diferencia frente a una centralita tradicional es que no se limita a responder: cierra la gestión.
Ofrece planes desde 59 €/mes con 500 minutos y permite conectar calendarios, WhatsApp, n8n, Make o Zapier. Para volúmenes altos plantea SIP propio e integraciones a medida.
Encaja bien en clínicas, inmobiliarias, talleres, hoteles y gestorías: negocios donde una llamada perdida es dinero perdido.
3. Veridas: la voz como identidad
Sector: biometría, banca y ciberseguridad
Caso de uso: identificación y autenticación por voz
Veridas trabaja con biometría de voz: identificar a una persona por las características físicas y acústicas de su habla.
El dato que mejor explica su propuesta es que su tecnología puede verificar a un usuario con tres segundos de audio, en distintos idiomas y con cualquier frase. Eso cambia la experiencia de autenticación: en lugar de recordar contraseñas, responder preguntas de seguridad o teclear códigos, la propia conversación forma parte del proceso de identificación.
Aplicaciones evidentes en banca, seguros y cualquier servicio donde verificar quién llama sea crítico. La voz deja de ser solo un canal y pasa a ser una capa de identidad.
4. ClinicBot: IA de voz especializada en clínicas
Sector: salud privada, dental y estética
Caso de uso: recepción telefónica y gestión de citas
Transparencia: ClinicBot es un proyecto propio. Lo incluyo porque cubre un caso de uso que en este listado no cubre nadie más, pero conviene que lo sepas al leerlo.
En una clínica, el teléfono suena justo cuando recepción está atendiendo a un paciente. Y una llamada perdida se convierte en una cita perdida.
ClinicBot es una recepcionista de voz con IA especializada en clínicas: atiende llamadas, responde preguntas frecuentes y gestiona citas, sin que el equipo tenga que estar pendiente del teléfono. La idea es hacer accesible una tecnología que hasta hace poco solo existía en proyectos a medida, más caros y más lentos de desplegar.
Aquí hay algo que en IA de voz importa mucho: la especialización. No es lo mismo un agente que sabe hablar que uno que entiende cómo funciona una clínica, qué pregunta un paciente, qué información puede dar y cuándo debe pasar la llamada a una persona.
5. Biometric Vox: firmar un contrato hablando por teléfono
Sector: legaltech, seguros y telecomunicaciones
Caso de uso: firma electrónica mediante voz
Esta es probablemente la aplicación que más sorprende a quien todavía asocia «agente de voz» con «contestar llamadas».
Biometric Vox ha desarrollado FirVox, una solución de firma electrónica avanzada basada en biometría de voz. La compañía indica que cumple con el reglamento europeo eIDAS y que permite asociar la firma a la identidad biométrica del hablante.
La consecuencia práctica es que una conversación telefónica puede formar parte de un proceso formal de contratación: seguros, telecomunicaciones, servicios financieros. La voz pasa a ser parte de la identificación, la autenticación y la formalización de una operación.
6. Fonetic, hoy dentro de Sabio: IA de voz antes de que fuera tendencia
Sector: contact centers y grandes cuentas
Caso de uso: automatización de grandes volúmenes de interacciones
Antes de que se hablase de agentes de voz con IA ya había empresas trabajando con reconocimiento de voz, NLP y automatización conversacional. Fonetic era una de ellas.
Fundada en Madrid en 2006, fue adquirida por Sabio Group. En el momento de la operación, Sabio indicaba que Fonetic procesaba y monitorizaba más de 200 millones de interacciones al año para clientes como AXA, Santander, Endesa, Generali, Mapfre o Vodafone.
Lo incluyo porque conviene recordar que la IA conversacional no apareció con ChatGPT. Lo que ha cambiado es la capacidad de los modelos y la combinación disponible hoy: LLM + ASR + TTS + herramientas + APIs + telefonía. Esa combinación es la que permite una generación de agentes mucho más flexible.
7. Sherpa.ai: IA sin mover los datos de sitio
Sector: IA empresarial y privacidad
Caso de uso: aprendizaje federado
Sherpa.ai aborda una parte del problema que se menciona poco: qué pasa con los datos.
Su tecnología de federated learning permite entrenar modelos con datos que se quedan dentro de los sistemas de cada organización. Lo que se comparte son actualizaciones del modelo, no los datos originales.
Es especialmente relevante en sanidad, banca, seguros y administración pública, donde el dato es sensible por definición. La compañía tiene sede en el País Vasco y plantea su plataforma alrededor de privacidad, soberanía del dato y cumplimiento normativo.
Y esto va a pesar cada vez más: no basta con que la IA sea capaz, tiene que poder usarse de forma segura.
8. Inbenta: entender lo que la persona quiere decir
Sector: customer experience, e-commerce y banca
Caso de uso: IA conversacional, búsqueda semántica y agentes de voz
Reconocer palabras no es entender la intención, y esa distinción es la que decide si un agente funciona.
Inbenta trabaja en experiencia de cliente y comprensión del lenguaje, con soluciones de voice AI capaces de clasificar solicitudes y ejecutar acciones de principio a fin.
Un ejemplo de por qué importa. Nadie llama diciendo:
«Deseo modificar la reserva número 12345.»
Lo que dice es:
«Hola, es que al final el jueves no puedo ir, ¿me lo podéis cambiar?»
El sistema tiene que entender que ambas frases significan lo mismo. Ahí está la parte difícil: no en convertir voz en texto, sino en interpretar la intención detrás de las palabras.
9. Voikers: cómo suena una marca cuando habla
Sector: marketing, audio branding y voz
Caso de uso: identidad sonora y experiencias conversacionales
No todo en voz es automatizar llamadas. También está la identidad.
Voikers se constituyó en 2019 en Madrid, impulsada por Roberto Carreras, para trabajar proyectos de voz aplicados a marcas: estrategias de audio, aplicaciones para altavoces inteligentes e interfaces conversacionales. En 2023 se integró en el grupo de comunicación LLYC.
El planteamiento es sencillo de entender. Las marcas llevan décadas cuidando colores, tipografías, logotipo y tono de comunicación. Ahora aparece otra pregunta: ¿cómo suena tu marca cuando habla contigo? ¿Formal o cercana? ¿Con acento? ¿Con voz propia? ¿Y queremos que esa voz sea tan reconocible como hoy lo es un logotipo?
Si en los próximos años hablamos con marcas a través de agentes, alguien tendrá que decidir eso.
10. OyePaco: la IA de voz sale del teléfono y entra en casa
Sector: robótica e IA conversacional
Caso de uso: compañía, conversación e interacción cotidiana
Aquí hago una distinción, porque OyePaco no es otro agente de voz para empresas: Paco es un robot mascota de compañía.
La mayoría de agentes que estamos viendo viven dentro de un teléfono, una web, una app o una centralita. Paco propone otra cosa: poner la IA en un objeto físico con el que convives. Escucha, conversa y realiza funciones de asistencia y compañía.
Estamos acostumbrados a pensar la IA como algo que vive en una pantalla: ChatGPT en el ordenador, el asistente en el móvil, el agente en el teléfono. ¿Qué pasa cuando la IA tiene presencia física en la habitación?
Un robot mascota no compite con un smartphone. Hace algo que un smartphone no hace bien: estar ahí. Eso abre terreno en compañía, accesibilidad, recordatorios, interacción familiar y asistencia diaria.
La pregunta deja de ser «¿puede la IA hablar conmigo?» y pasa a ser «¿qué pasa cuando la IA puede estar conmigo?».
La IA de voz en España ya no es una promesa
Si miras los diez juntos, aparece algo evidente: la IA de voz no es una tecnología única ni sirve para una sola cosa.
- Tucuvi la usa para acompañar y monitorizar pacientes
- Atendy y ClinicBot, para automatizar conversaciones de negocio
- Veridas, para identificar personas
- Biometric Vox, para formalizar operaciones
- Fonetic/Sabio, para automatizar grandes volúmenes
- Sherpa.ai, para usar IA manteniendo el control del dato
- Inbenta, para comprender mejor al usuario
- Voikers, para definir cómo suena una marca
- OyePaco, para llevar la conversación a un objeto físico
Cada uno ataca un problema distinto. Y esto es solo el principio.
Por qué está creciendo tanto la voz
La razón es sencilla: hablar es más natural que aprender a usar una interfaz. No hay que saber dónde está el botón, qué menú abrir ni qué comando usar.
A eso se suman tres cosas que han cambiado en poco tiempo:
- La latencia ha bajado. Los sistemas responden lo bastante rápido como para que la conversación no se rompa.
- Las voces son más naturales y los modelos entienden mejor el contexto y las interrupciones.
- Los agentes pueden hacer cosas. Consultar una agenda, crear una cita, enviar un WhatsApp, consultar un CRM, modificar una reserva, transferir la llamada, generar una alerta.
Ese tercer punto es el cambio real. La IA de voz deja de ser un chatbot que habla y se convierte en una interfaz para ejecutar acciones.
Preguntas frecuentes sobre la IA de voz en España
¿Qué es un agente de voz con IA?
Es un sistema que mantiene una conversación telefónica en lenguaje natural y ejecuta gestiones reales: consultar una agenda, crear una cita, actualizar un CRM o derivar la llamada. Combina reconocimiento de voz, un modelo de lenguaje, síntesis de voz y conexión con las herramientas del negocio.
¿En qué se diferencia de un IVR de toda la vida?
Un IVR funciona con menús y opciones cerradas («pulse 1»). Un agente de voz con IA entiende lo que la persona dice con sus propias palabras, mantiene el contexto de la conversación y decide qué hacer en cada momento.
¿Qué sectores lo están usando ya en España?
Sanidad pública y privada, banca y seguros, contact centers, clínicas, inmobiliarias, hostelería, automoción y logística. Los casos con más recorrido son los que tienen alto volumen de llamadas repetitivas: citas, seguimiento, información y cualificación de leads.
¿Es legal grabar y procesar la voz de un cliente?
Depende del uso. El tratamiento de voz está sujeto al RGPD, y si se usa como dato biométrico para identificar a alguien entra en la categoría de datos especialmente protegidos, con requisitos adicionales. Además, el Reglamento Europeo de IA obliga a informar de que se está hablando con un sistema de inteligencia artificial.
¿Cuánto cuesta poner un agente de voz en una empresa?
Hay soluciones estándar desde unas decenas de euros al mes con minutos incluidos, y desarrollos a medida cuyo coste depende del volumen de llamadas y de las integraciones. El coste por minuto suele ser el factor que más pesa a partir de cierto volumen.
Lo que viene
Hemos hablado mucho de IA generativa: texto, imagen, vídeo, copilotos, agentes. Creo que la siguiente discusión va a ser más física: cómo interactuamos con la IA.
La voz tiene bastantes papeletas para ser una de las interfaces principales. No requiere pantalla, ni teclado, ni aprendizaje previo. Es la interfaz que usamos desde que aprendemos a hablar; ahora estamos enseñando a las máquinas a usarla también.
Y cuando juntas voz, modelos de lenguaje, herramientas, automatización y hardware, aparecen sistemas capaces de escuchar, comprender, decidir y actuar. Ahí es donde empieza lo interesante.
¿Me dejo alguna empresa española de IA de voz que conozcas? Cuéntamelo y la reviso para la próxima actualización del listado.
