Atención al cliente · Agente de voz con IA
Nexo es un prototipo de laboratorio para atender por voz las llamadas entrantes de un negocio con cita previa. Su objetivo es comprobar con datos qué combinación de modelo, voz y detección de turnos suena natural en español de España antes de conectar un número real.
Resumen ejecutivo
Nexo es una aplicación privada para configurar una recepcionista por voz: datos del negocio, horarios, documentos de conocimiento, contactos, agenda e historial de conversaciones. El asistente consulta disponibilidad, reserva citas sin solapes y deja mensajes mediante una herramienta remota firmada. Un laboratorio prueba en el navegador el mismo asistente con ElevenLabs, Retell y Cartesia, y una versión B propia sobre LiveKit Agents. Hay ensayos hablados de prueba con los tres servicios, pero no se ha hecho ninguna llamada telefónica real ni se ha contratado ningún número.
El reto
Una recepcionista por voz solo sirve si no se nota artificial: respeta los turnos, deja que la interrumpan y no cierra cada frase con «¿algo más?».
Cada proveedor de voz tiene su modelo, sus voces, su forma de detectar turnos y su precio, y no hay forma de compararlos sin montar el mismo caso en todos.
Además, las reservas por teléfono no pueden duplicarse ni pisar otra cita aunque la llamada se corte y el agente repita la petición.
La solución
Una aplicación Next.js sobre Cloudflare con base de datos D1 y Drizzle guarda el negocio, la agenda y el historial por usuario. Las claves de cada proveedor se cifran con AES-GCM y el navegador solo recibe accesos temporales. El agente llama a una herramienta firmada para consultar y reservar. La versión B usa LiveKit con reconocimiento y voz de ElevenLabs y respuestas de Gemini.
Funcionalidades
01
El mismo asistente, negocio y conocimiento se prueban con ElevenLabs, Retell y Cartesia eligiendo voz, modelo, escenario y duración de 60 o 120 segundos. Cada prueba se valora de 1 a 5 y guarda su transcripción, duración y coste cuando el proveedor lo informa.
La herramienta de reservas comprueba en una sola operación que el hueco sigue libre y responde que ya no está disponible si otra cita lo ocupa. Repetir la misma petición no crea una segunda cita, y se respetan zona horaria y cambios de hora.
Un agente propio en Python con LiveKit Agents decide cómo escuchar y tomar el turno: detector de fin de turno multilingüe, interrupciones adaptativas, respuesta anticipada, filtro de ruido, aviso tras 15 segundos de silencio y cuelgue tras despedirse.
Todas las voces comparten unas pautas de conversación: marcadores breves como «vale» o «a ver», números y teléfonos escritos como se dicen, trato de tú o usted según la persona y aviso de que es un asistente virtual, como pide el Reglamento europeo de IA.
Módulos
2 operativos, 2 parciales y 0 propuestos. Los propuestos son diseño de producto: todavía no hay software detrás.
Negocio, horarios, documentos, contactos, mensajes, agenda con exportación ICS e historial.
Ensayos hablados en navegador con los tres proveedores; ninguno es una evaluación humana de naturalidad ni una prueba telefónica.
Agente escrito y con pruebas sin red; todavía no se ha escuchado ni medido una conversación real.
Importación de un número existente, transferencia a una persona y llamadas salientes con confirmación, programadas pero sin número contratado ni llamadas reales.
Arquitectura
Otros flujos
Tecnologías
Ingeniería
El 30 de octubre se publica la primera versión privada: panel en español, asistentes configurables, conocimiento, contactos, mensajes, agenda e historial sobre Cloudflare D1, con las claves cifradas y la herramienta de reservas firmada.
El 31 de octubre se añade la comparación en navegador de Retell, ElevenLabs y Cartesia, con catálogos de modelos leídos de cada proveedor, perfiles de prueba de un taller y la retirada de un intermediario que cobraba un recargo por minuto.
El 1 de noviembre se unifica el estilo hablado y la configuración de laboratorio y teléfono, y se añade la versión B con LiveKit Agents, con detector de turnos, silencios, despedida natural y medición de la latencia hasta que el agente empieza a hablar.
Resultados
3 proveedores
probados con el mismo asistente y el mismo guion, en conversación hablada e interrupción
0 solapes
posibles entre citas, por diseño de la reserva atómica
Cronología
Primera versión privada de la recepcionista con agenda y conocimiento.
Laboratorio de voz con tres proveedores comparados.
Versión B propia con LiveKit Agents y mejoras de naturalidad.
Evolución prevista
Trabajo planificado, todavía no disponible.
Conectar un número de Twilio y escuchar en una llamada real la configuración de voz que hoy solo se ha probado en el navegador.
Integrar el modo voz a voz directo de OpenAI sobre LiveKit y el de Gemini, ya investigados y todavía sin integrar ni activar.
Proyectos relacionados
Hogar conectado · Asistente de voz con IA
Asistente de voz para una casa con Home Assistant: palabra de activación propia, órdenes resueltas en código y cuatro proveedores de LLM con respaldo.
Posventa de automoción · Automatización de procesos
Un pulsador en cada estación del taller graba el trabajo y el sistema monta solo el vídeo de la reparación para el cliente y los reels para redes.
Automoción y posventa · CRM/ERP a medida
CRM y ERP a medida para un taller de reparación de llantas: de la consulta al cobro, con QR por llanta, recogidas con conductor y facturación por sucursal.
Hablemos
Cuéntanos el problema. Te respondemos con un planteamiento claro: qué haríamos, en cuánto tiempo y con qué entregables.