¿Agente de voz o agente de texto? La comparación que te ahorra errores caros
Comparamos el agente de voz y el agente de texto con costos reales de los proveedores más usados, para que elijas el que le conviene a tu negocio y no el que está de moda.
Costos reales, cuándo usar cada uno y cómo se combinan, con ejemplos para negocios en México.
Agente de voz o agente de texto: la decisión que define cuánto vas a pagar
Compara costos reales, casos de uso y cuándo conviene cada uno antes de contratar o construir tu primer agente.
La mayoría de los negocios que quieren un agente de IA dan por hecho que será de texto, por WhatsApp. Pero hay otra opción que casi nadie considera primero: un agente que contesta el teléfono y habla. No son lo mismo, no cuestan lo mismo y no sirven para lo mismo. Esta guía los compara con números reales, y trae un PDF gratis para descargar con un checklist que te ayuda a decidir cuál le conviene a tu negocio.
Qué es cada uno (y en qué se diferencian de lo viejo)
Un agente de voz no es el menú de «oprima 1 para ventas, oprima 2 para soporte» que ya conoces. Entiende lo que el cliente dice en lenguaje natural, busca información, agenda, confirma y, si no puede resolver, transfiere la llamada a una persona. Se construye con un modelo que convierte voz a texto, responde y convierte la respuesta de vuelta a voz, o con modelos más nuevos que hacen todo eso en un solo paso.
Un agente de texto vive en WhatsApp, en el chat de tu página o en Instagram. Lee los documentos de tu negocio, responde por escrito, manda fotos, catálogos o un link de pago, y deja un historial que se puede revisar después. No necesita que nadie hable con él: el cliente escribe cuando puede.
Agente de voz
Contesta llamadas, entiende lenguaje hablado, agenda y transfiere. Cobra por minuto hablado.
Agente de texto
Responde por escrito en WhatsApp, web o Instagram. Manda imágenes y links. Cobra por conversación.
Las diferencias que de verdad importan
| Aspecto | Agente de voz | Agente de texto |
|---|---|---|
| Dónde vive | Teléfono, línea del negocio, call center | WhatsApp, chat web, Instagram |
| Qué tan rápido resuelve | Resuelve en la misma llamada | El cliente puede tardar en responder, pero no se pierde el hilo |
| Qué tanto se nota el ánimo | Detecta tono, urgencia, frustración | Solo hay texto; mayúsculas y emojis son la única pista |
| Cómo se cobra | Por minuto hablado | Por conversación, casi siempre más barato por interacción |
| Qué tan fácil es auditar | Hay que escuchar o transcribir la llamada | Queda escrito, se busca y se revisa directo |
El agente de voz no reemplaza a una persona de un día para otro
Para llamadas difíciles —una queja fuerte, una negociación, un caso legal— lo normal es que el agente transfiera a alguien del equipo. Que sepa cuándo ceder el control es tan importante como que conteste bien.
Cuánto cuesta cada uno (con números reales)
El agente de voz se cobra casi siempre por minuto hablado, y esa cuenta tiene más capas de las que parece. Con la Realtime API de OpenAI, hablar un minuto con el modelo completo cuesta entre 0.06 y 0.11 USD sin caché de audio, y entre 0.04 y 0.06 USD con el caché funcionando; con el modelo mini baja a entre 0.02 y 0.05 USD por minuto (fuente). Con ElevenLabs, la tarifa base ronda los 0.08 USD por minuto, y el costo real todo incluido (modelo, transcripción, voz sintética) va de 0.12 a 0.30 USD por minuto (fuente).
A eso se suma la llamada telefónica en sí, que se cobra aparte. Con Twilio en México, recibir una llamada en un número local o móvil cuesta 0.0100 USD por minuto, y marcar hacia un celular cuesta 0.0473 USD por minuto (fuente). Ninguno de estos precios incluye la plataforma que arma y conecta al agente.
El agente de texto por WhatsApp se cobra distinto: por conversación, no por minuto. Meta cobra 0.0436 USD por conversación de marketing, 0.0080 USD por conversación de utilidad y 0.0309 USD por conversación de autenticación; las conversaciones de servicio, cuando el cliente escribe primero, son gratis. Para 500 conversaciones al mes eso es cerca de 14 USD, y para 2,000 conversaciones, cerca de 53 USD (fuente). A eso se suma la plataforma o el CRM que conecta el número con el agente.
Ejemplo: 300 llamadas de 3 minutos contra 800 conversaciones de WhatsApp al mes
En casi todos los escenarios el agente de voz sale más caro, porque se cobra por minuto y no por conversación. Eso no lo hace mala opción: lo hace una opción que hay que medir antes de prometerle resultados a nadie.
Calcula cuánto te costaría cada uno
Mueve los números a los que se parece tu negocio y compara los dos caminos.
Cifras de ejemplo: 0.10 USD por minuto hablado (dentro del rango de 0.06 a 0.30 USD que reportan los proveedores citados arriba) y 0.027 USD por conversación de WhatsApp, calculado con los ejemplos de tarifas de Meta citados en las fuentes. No incluyen la plataforma ni el CRM, solo el costo de uso.
Lo que casi nadie cotiza desde el inicio
El precio por minuto que te dan de entrada rara vez incluye todo: el modelo de lenguaje, la transcripción de voz a texto, la voz sintética y la llamada telefónica suelen facturarse por separado. Pide el desglose completo antes de comparar dos cotizaciones.
Si prefieres que te ayudemos a calcular esto para tu negocio en concreto, puedes escribirnos por WhatsApp y lo revisamos juntos, sin costo.
Cuándo te conviene el agente de voz
- Pierdes llamadas fuera de horario y no las regresas a tiempo
- Tu negocio depende de citas o reservaciones que se confirman por teléfono (clínica, taller, restaurante)
- Los clientes llaman para preguntar siempre lo mismo: horario, ubicación, precio base
- No tienes a nadie que conteste el teléfono todo el día
- Tus anuncios generan llamadas directas, no mensajes (inmobiliaria, servicios de urgencia)
- Tus clientes son de una generación que prefiere llamar antes que escribir
Cuándo te conviene el agente de texto
- Ya recibes la mayoría de tus consultas por WhatsApp o Instagram
- Necesitas mandar fotos, catálogos o un link de pago como parte de la respuesta
- Te conviene que todo quede por escrito para revisarlo después (pedidos, cotizaciones)
- Tu equipo no tiene capacidad para atender llamadas en vivo
- El volumen de conversaciones es alto pero cada una es corta
Cómo se combinan en un mismo negocio
No es uno o el otro para siempre. La combinación más común es que la voz capte el primer contacto —porque una llamada perdida se pierde para siempre— y el texto dé seguimiento, porque es más barato y queda registrado.
La llamada entra
El agente de voz contesta, entiende la necesidad del cliente y resuelve lo que puede resolver en la misma llamada.
Si no puede resolverlo, deriva
Transfiere a una persona si el caso es complicado, o agenda una cita si el cliente lo necesita.
El seguimiento sigue por WhatsApp
El agente de texto manda la confirmación, el resumen de la llamada o la cotización por escrito, sin que el cliente tenga que volver a llamar.
Cómo se está usando esto en México y Latinoamérica
Esto ya se está aplicando en distintos giros, no solo en teoría:
Agencias
Agencias de marketing en CDMX y Guadalajara ofrecen el agente de voz como servicio adicional a clientes inmobiliarios, para no perder llamadas de anuncios fuera de horario.
SaaS de citas
Plataformas de gestión de citas para clínicas y consultorios integran agentes de voz para confirmar y reprogramar, sin que la recepcionista tenga que contestar el teléfono.
Soporte de ecommerce
Equipos de soporte resuelven «dónde está mi pedido» con el agente de texto por WhatsApp, y reservan la voz solo para reclamos que necesitan más atención.
Distribuidoras
Mayoristas con fuerza de ventas combinan ambos: la voz capta el primer contacto telefónico y el texto da seguimiento con la cotización por escrito.
Si quieres que te lo armemos nosotros, con la integración a tu calendario, tu WhatsApp o tu CRM, escríbenos por WhatsApp y te damos una demostración gratis.
¿Un agente de voz puede sonar como una persona real?
Suena natural, con pausas y entonación, pero lo honesto es decirle al cliente que habla con un agente automatizado, al menos al inicio de la llamada.
¿Necesito cambiar mi número de teléfono para usar un agente de voz?
No necesariamente. Se puede conectar a tu línea actual o a un número nuevo, según cómo esté configurada tu telefonía hoy.
¿El agente de texto solo funciona en WhatsApp?
No. El mismo agente puede responder en WhatsApp, en el chat de tu sitio web y en Instagram, usando las mismas respuestas y los mismos documentos.
¿Qué pasa si el cliente quiere hablar con una persona?
Un agente bien diseñado, de voz o de texto, detecta cuándo debe transferir la conversación y lo hace sin que el cliente tenga que pedirlo dos veces.
¿Cuál es más rápido de poner a funcionar?
El agente de texto suele implementarse primero porque no depende de telefonía ni de calidad de audio; el de voz necesita afinar más la parte de reconocimiento de habla.
¿Puedo empezar con uno y agregar el otro después?
Sí, y es lo más común. La mayoría de los negocios empieza con el canal donde ya tiene más volumen y agrega el segundo cuando ve resultados.
Fuentes
¿Quieres el agente que le conviene a tu negocio, no el que está de moda?
Cuéntanos cómo trabajas y te mostramos, con una demostración gratis, si te conviene un agente de voz, uno de texto o los dos. Te contesta una persona de Zadrig, no un bot.
Escríbenos por WhatsApp
