Diez segundos de tu voz: la IA que habla ya vale 22.000 millones
Con diez segundos de tu voz, una máquina ya puede hablar como tú en más de 90 idiomas. La empresa que lo ha conseguido acaba de duplicar su valor en siete meses, y sus agentes atienden ya más de 15 millones de conversaciones a la semana. Esto es lo que ha pasado y lo que puede hacer por un negocio pequeño.
La semana en que la voz dejó de sonar a máquina
El 28 de septiembre, ElevenLabs presentó v4 y v4 Turbo, sus nuevos modelos de voz. Son más expresivos, responden más rápido cuando mantienen una conversación en directo y hablan más de 90 idiomas. La versión anterior se quedaba en 70.
Lo que más llama la atención es lo poco que necesitan. Con solo diez segundos de grabación, el modelo aprende a imitar una voz. Además, se le puede indicar cómo decir cada frase: con alegría, en voz baja, con prisa o encadenando varias emociones seguidas, y la máquina sigue el orden.
Si recuerdas las voces de los GPS de hace unos años, olvídalas. Esto no lee un texto. Interpreta.
22.000 millones por aprender a hablar
Dos días después llegó la otra noticia. ElevenLabs cerró una venta de acciones de 300 millones de dólares que valora la empresa en 22.000 millones, el doble que en febrero. Compraron, entre otros, Goldman Sachs, GIC y EQT.
Para ponerlo en perspectiva: la empresa nació en Londres en 2022, fundada por dos emprendedores polacos. Cuatro años después, sus agentes atienden más de 15 millones de conversaciones cada semana, el triple que en febrero. Gestionan devoluciones, renuevan seguros, cambian tarifas de móvil, reservan citas médicas y ayudan con trámites públicos. Más de la mitad de su negocio ya viene de grandes empresas.
Su consejero delegado, Mati Staniszewski, lo resume en una idea: la IA debería relacionarse con las personas igual que nos relacionamos entre nosotros. Es decir, hablando.
La carrera por la voz más humana
ElevenLabs no corre sola. Cartesia se presenta como la más rápida y publica comparativas en las que supera a ElevenLabs en velocidad y calidad. Hume trabaja en voces que reaccionan a las emociones de quien habla. OpenAI sigue ampliando la voz dentro de ChatGPT, y sus nuevos agentes, los dots, atienden por llamada o por mensaje. Speechmatics, por su parte, crece en algo menos vistoso pero igual de importante: entender bien lo que dice la persona al otro lado.
Un aviso honesto: casi todas las comparativas de este sector las publican las propias empresas, y cada una gana la suya. Lo que sí está claro es hacia dónde va la carrera. Hace muy poco, notabas un silencio incómodo antes de que la máquina respondiera. Hoy, las mejores tardan menos de lo que tú tardas en tomar aire.
Y sí, hay un lado oscuro evidente: si copiar una voz cuesta diez segundos, los fraudes por teléfono también se abaratan. Por eso ElevenLabs ofrece desde hace años una herramienta para detectar si un audio sale de sus modelos.
Qué es un agente de voz (sin tecnicismos)
Imagina un recepcionista que nunca cuelga, nunca se cansa, habla el idioma de quien llama y conoce de memoria tu agenda, tus precios y tus normas.
Eso es un agente de voz. No es un contestador automático ni uno de esos menús de "pulse uno para ventas". Es una conversación de verdad: el cliente habla como hablaría con una persona, le interrumpe, cambia de idea a mitad de frase, y el agente le sigue.
Por dentro funciona como un equipo de tres. Uno escucha y convierte la voz en texto. Otro piensa qué responder y consulta lo que necesite (tu calendario, tu web, tu programa de reservas). Y el tercero lo dice en voz alta, con una voz natural. Todo eso ocurre en menos de un segundo.
La parte difícil no es la voz. Esa ya la ponen ElevenLabs y sus rivales. Lo difícil es que el agente sepa de verdad cómo funciona tu negocio: qué puede decidir solo, cuándo debe pasar la llamada a una persona y qué no debe prometer nunca.
Así lo construiría en tres negocios
Estas son aplicaciones posibles, pensadas para empresas pequeñas.
Un restaurante que no pierde reservas. Los viernes a las nueve nadie puede coger el teléfono. El agente atiende cada llamada, mira la disponibilidad real, apunta la reserva, pregunta por alergias o tronas y envía la confirmación por mensaje. Si alguien quiere reservar para un grupo grande o un evento, avisa al encargado.
Una inmobiliaria con compradores de otros países. Un comprador alemán llama a las once de la noche por un piso que ha visto en internet. El agente le atiende en alemán, le cuenta lo esencial del inmueble, le hace las preguntas que haría tu equipo (presupuesto, plazos, si necesita financiación) y le propone una visita. Por la mañana, tienes el resumen en el CRM y la cita en la agenda.
Una clínica que se quita el teléfono de encima. Buena parte de las llamadas son siempre las mismas: confirmar, cambiar o anular una cita. El agente lo resuelve solo, sobre la agenda real, y deja a la recepción libre para atender a quien está delante. Cualquier duda médica pasa siempre a una persona.
En los tres casos, el agente no sustituye al equipo. Se queda con las llamadas que nadie tenía tiempo de atender.
Empieza por una sola llamada
No hace falta poner una voz artificial a toda tu empresa. Piensa en qué llamada se te escapa más a menudo, o cuál repites cien veces al mes, y empieza por ahí.
Si quieres ver cómo sonaría ese primer agente en tu negocio, hablemos en ai.raphsomar.com.
Fuentes: TechCrunch, The Next Web, BusinessCloud, Tech Funding News, ElevenLabs, Cartesia.