Precio de un agente de voz con IA: lo que cuesta de verdad un bot telefónico para pymes

Un agente de voz con IA que atiende llamadas entrantes, reserva citas o cualifica solicitudes parece una solución limpia para las líneas telefónicas saturadas de una pyme. Las páginas de precios de los proveedores muestran licencias mensuales desde 6 $ (ElevenLabs Starter) o 99 $ (ElevenLabs Pro), pero eso es solo una fracción del coste total real. La infraestructura telefónica, el prompt engineering, la integración con el CRM y la optimización continua suman rápidamente importes de cuatro cifras. Y nadie te calcula cuántas llamadas al mes necesitas para amortizar el esfuerzo. Este artículo desglosa los costes reales y muestra a partir de qué volumen de llamadas un agente de voz tiene sentido económico para una pyme.

Datos actualizados a agosto de 2026. Precios comprobados en las páginas de precios oficiales; las fuentes están enlazadas directamente.

Los tres bloques de costes que los proveedores prefieren callar

El precio de los agentes de voz suele presentarse como una simple cuota de licencia, pero un bot telefónico listo para producción en una pyme consta de tres capas, y cada una genera sus propios costes:

• Licencia del motor de voz: la cuota mensual de text-to-speech y speech-to-text. ElevenLabs cobra 1 crédito por carácter en TTS y 330 créditos por minuto en STT; el plan Pro incluye 600.000 créditos/mes por 99 $. Eso da para unos 600.000 caracteres de salida o ~30 horas de conversación. Parece mucho, pero se agota rápido con diálogos multilingües o locuciones largas con música de espera.
• Pasarela telefónica: un SIP trunk o un proveedor de telefonía en la nube (Twilio, Plivo, sipgate) conecta el agente de voz con la red telefónica. Costes habituales: 1–3 céntimos/minuto por llamada entrante, más una cuota mensual por número (~5–15 €/número). Con 500 llamadas de 3 minutos ya son 22,50–67,50 € de telefonía al mes, aparte de la licencia de voz.
• Capa de orquestación: el agente necesita lógica para enrutar a quien llama, consultar datos del CRM, reservar citas o crear tickets. Esto funciona con un middleware (n8n, Make, Zapier) o con código a medida. Aquí pagas o bien cuotas SaaS (Make desde ~9 €/mes, Zapier desde ~20 €/mes), o bien horas de desarrollo: en nuestro caso, normalmente 8–12 horas de configuración para un flujo básico.

La licencia es la parte visible; la telefonía y la integración son el iceberg que hay debajo.

Ejemplo de cálculo: 300 llamadas/mes con una media de 4 minutos de conversación

Un escenario típico para una pyme de 5–15 empleados: 300 llamadas entrantes al mes, con una duración media de 4 minutos (incluidos saludo, cualificación, desvío o reserva de cita). Calculamos con ElevenLabs Pro (99 $/mes, 600k créditos) y un SIP trunk a 2 céntimos/minuto:

Los costes recurrentes de 147 €/mes equivalen a unos 0,49 € por llamada. Para comparar: un empleado que atiende 300 llamadas de 4 minutos dedica a ello 20 horas al mes; con un coste interno de 35 € por hora, son 700 € en costes de personal. Aquí el agente de voz ahorra ~553 €/mes, así que amortiza la configuración en 3,2 meses.

Pero: este cálculo solo vale si el agente cierra de verdad el 80–90 % de las llamadas sin intervención humana. En la práctica hacen falta 4–8 semanas de ajuste hasta que la tasa de reconocimiento y la gestión del diálogo funcionan de forma estable. Y aun así queda un 10–20 % de escalados que tiene que asumir una persona. El ahorro estimado se queda más bien en 400–450 €/mes netos, una vez descontada esa atención residual.

Cuándo ElevenLabs Pro se queda corto y cuándo compensa más una solución a medida

ElevenLabs Pro, con 600.000 créditos/mes, da para ~30 horas de conversación (con 330 créditos/minuto en STT + 1 crédito/carácter en TTS, de media). En cuanto necesitas más de 25–30 horas al mes, llegas al límite y tienes que pasar a Scale (299 $/mes, 1,8 M de créditos) o Business (990 $/mes, 6 M de créditos). El salto de 99 $ a 299 $ duele, y a partir de aquí merece la pena mirar alternativas autoalojadas:

• Whisper (OpenAI) + Coqui/XTTS: STT/TTS de código abierto en infraestructura propia. La configuración lleva 20–30 horas, pero después solo pagas el servidor (~50–80 €/mes por una instancia con GPU en Hetzner u OVH). Sin límites de créditos y con control total de los flujos de datos: ideal para sectores sensibles al RGPD (salud, derecho, finanzas).
• Azure Speech Services: pago por uso, ~1 €/hora de STT + 4 €/1M de caracteres de TTS. Con 50 horas/mes y 500k caracteres de salida te sale por ~52 €. Más barato que ElevenLabs Pro, pero sin las funciones de clonación de voz y con los datos en manos de Microsoft (ubicación del servidor a elegir, pero sin opción de autoalojamiento).

Nuestra recomendación: hasta 25 horas/mes, ElevenLabs Pro (99 $) no tiene rival en sencillez. Por encima de eso compensa o bien el salto a Scale o bien, si hay requisitos del RGPD, un stack a medida con Whisper + Coqui, que montamos en 25–30 horas (coste estimado: 3.750–4.500 €, después 50–80 €/mes de costes recurrentes).

RGPD y soberanía de datos: dónde los proveedores estadounidenses dan dolores de cabeza

ElevenLabs y OpenAI alojan los datos principalmente en EE. UU.; ElevenLabs no ofrece una opción explícita de residencia de datos en la UE, y OpenAI tiene servidores en la UE para clientes Enterprise, pero no para el uso de la API fuera de contratos Enterprise personalizados. Para las pymes europeas esto significa:

• Los datos personales de las conversaciones (nombres, direcciones, datos de salud) pasan por servidores en EE. UU. Según los arts. 44 y ss. del RGPD, esto solo es lícito con cláusulas contractuales tipo (CCT) y medidas técnicas adicionales (cifrado, seudonimización). Incluso así queda un riesgo residual por el posible acceso de las autoridades estadounidenses (CLOUD Act).
• Ambos proveedores ofrecen contratos de encargo del tratamiento, pero la responsabilidad en caso de brecha de datos recae en última instancia en el responsable del tratamiento (es decir, en ti). Para sectores con requisitos de cumplimiento más exigentes (médicos, abogados, aseguradoras), esto suele ser un criterio eliminatorio.

La alternativa autoalojada (Whisper + Coqui en un servidor de Hetzner en Falkenstein) elimina este riesgo: todos los datos se quedan en Alemania, sin transferencias a terceros países y con control total. El precio es más esfuerzo de configuración y menos comodidad, pero para muchas pymes es un compromiso aceptable.

Cuándo un agente de voz es la solución equivocada

Un bot telefónico con IA no sale rentable en todos los escenarios. Hay tres situaciones en las que lo desaconsejamos activamente:

• Menos de 150 llamadas/mes: los costes de configuración (1.800–4.500 €) solo se amortizan a partir de ~200–250 llamadas al mes. Por debajo, una persona bien formada o un árbol IVR sencillo (Interactive Voice Response, sin IA) sale más rentable.
• Conversaciones muy complejas y con carga emocional: reclamaciones, cancelaciones de contrato, emergencias. Aquí la IA falla con regularidad por falta de empatía y de comprensión del contexto. Un agente de voz puede detectar estas llamadas y escalarlas, pero si el 50 % de tus llamadas entra en esta categoría, no ahorras nada.
• Sin una documentación clara de los procesos: el agente necesita árboles de decisión estructurados: «Si quien llama dice X, haz Y». Si tus empleados improvisan en cada llamada, tendrás que dedicar más de 80 horas a mapear procesos antes de poder siquiera entrenar el bot. A menudo eso supone más esfuerzo del que vale la automatización.

En estos casos tiene más sentido un enfoque híbrido: el agente de voz filtra las consultas sencillas (horarios, confirmación de citas, consultas de estado) y pasa de inmediato los casos complejos a una persona. Así se rebaja lo que se exige a la IA y también las expectativas de ahorro, pero funciona de forma más estable.

La opinión de Blck Alpaca

A las pymes con más de 250 llamadas estructuradas al mes les recomendamos empezar con ElevenLabs Pro (99 $/mes) + orquestación con n8n. La configuración lleva 10–12 horas (estimación: 1.500–1.800 €), los costes recurrentes se mantienen por debajo de 150 €/mes y la amortización llega en 3–4 meses. Para sectores sensibles al RGPD (salud, derecho, finanzas) o volúmenes de más de 30 horas al mes preferimos montar un stack a medida basado en Whisper sobre servidores en la UE. Exige más inversión inicial (25–30 horas, 3.750–4.500 €), pero después no hay riesgo de vendor lock-in y los costes son previsibles: 50–80 €/mes, crezca lo que crezca el volumen.

La contrapartida que aceptamos a sabiendas: los stacks a medida no traen funciones de clonación de voz listas para usar como los Professional Voice Clones de ElevenLabs (3 en el plan Scale, 10 en el plan Business). Si necesitas una voz de marca que suene como tu CEO, quédate con ElevenLabs. Pero para el 90 % de los casos de uso de una pyme (una voz neutra y profesional), un TTS de código abierto basta de sobra.

Próximos pasos: cómo empezar sin caer en una trampa presupuestaria

Antes de meter más de 2.000 € en un agente de voz, valida la rentabilidad en tres pasos:

1. Mide el volumen de llamadas: cuenta durante 4 semanas cuántas llamadas entran, cuánto duran y cuántas siguen un patrón estructurado (solicitudes de cita, consultas de estado, preguntas frecuentes). Si menos del 60 % de las llamadas encaja en categorías repetibles, el bot te saldrá caro.
2. Documenta los procesos: escribe un árbol de decisión para los 3 tipos de llamada más frecuentes: saludo → pregunta → respuesta A/B/C → cierre/escalado. Si cabe en una página A4, el caso de uso es automatizable. Si necesitas 5 páginas, la cosa se complica.
3. Prueba un piloto con ElevenLabs Free: el plan Free con 10.000 créditos/mes da para ~30 llamadas de prueba de 3 minutos. Monta un miniflujo en n8n, llama tú mismo, pide a 3–5 compañeros que llamen y mide cuántas veces el bot da la respuesta correcta. Si la tasa de acierto está por debajo del 70 %, necesitas más ajuste de prompts o un stack más complejo.

Solo cuando las tres comprobaciones estén en verde merece la pena invertir en una configuración lista para producción. E incluso entonces, cuenta con 4–8 semanas de fase de aprendizaje en las que una persona escucha en paralelo y reentrena el bot: las primeras 100 llamadas siempre van a trompicones.

Siguiente paso: ¿quieres hacer el cambio cumpliendo el RGPD sin tener que pelearte tú mismo con listas de precios y detalles de migración? Blck Alpaca monta este tipo de configuraciones como proyecto a precio cerrado. Echa un vistazo a la integración de agentes de IA o inicia un proyecto directamente.

Última actualización: agosto de 2026

Blck Alpaca es una agencia de automatización de marketing con IA con sede en Viena, especializada en marketing basado en datos, agentes de IA a medida y automatización de workflows empresariales para compañías de toda Europa.