¿Atendiste una llamada de tu banco y dudaste si del otro lado había una persona o una máquina? Si te pasó, no sos el único. La inteligencia artificial de voz explotó como mercado y ya no tiene nada que ver con esos robots robóticos que te hacían gritar “¡OPERADOR!” cinco veces. Un informe reciente de Omdia, en asociación con Infobip, revela que el software de IA de voz alcanzará los US$37 mil millones en 2026 solo en Norteamérica, con un crecimiento anual del 13,3%. Y lo más inquietante: las conversaciones ya no se distinguen de las humanas.
US$37.000 millones: el mercado que nadie miraba
Mientras todo el mundo miraba los chatbots de texto, la voz se coló por la ventana. El white paper de Omdia, con datos de abril de 2026, marca un hito: el software de voz con IA dejó de ser un experimento para convertirse en una industria pesada. Treinta y siete mil millones de dólares en un solo año, y en un solo mercado regional. Para dimensionar: es más de lo que facturan muchas industrias enteras. ¿Y quién está impulsando esto? Las empresas que se dieron cuenta de que la gente sigue prefiriendo hablar por teléfono para resolver problemas, pero ya no quiere esperar 40 minutos en la línea.
De los bots que fallaban a las voces que sienten
Si tuviste una mala experiencia con un bot en 2015, no la proyectes al presente. Aquellos sistemas eran un desastre: no entendían un carajo y te hacían repetir todo tres veces. La tecnología maduró de forma brutal. Los bots viejos fallaban porque operaban con guiones rígidos y reconocimiento de voz limitado. Los nuevos son completamente distintos. No solo entienden lo que decís, sino cómo lo decís. Según el informe, los sistemas actuales detectan emociones —frustración, urgencia— y adaptan el tono de su respuesta. Si estás enojado, no te responden con la misma monotonía de siempre. Cambian el registro, te calman, te dan bola. Eso es un salto cualitativo enorme.
Voz-a-voz: el salto que cambió todo
El secreto detrás de esta revolución se llama modelos de voz-a-voz (S2S). Antes, la IA tenía que convertir tu audio a texto, procesarlo, generar una respuesta en texto y luego convertirla de nuevo a audio. Un viaje de ida y vuelta que generaba demoras y errores. Ahora, los modelos S2S procesan el audio directamente, sin pasar por texto. La latencia es de menos de medio segundo, o sea, prácticamente una conversación natural. Pero hay más: los LLMs razonan dinámicamente. Pueden manejar interrupciones, múltiples intenciones y cambios de tema sobre la marcha. Podés decirle “olvidá mi último punto, revisemos el problema de facturación de marzo” y el sistema hace el ajuste al toque, sin perder el hilo. Eso no era posible hace dos años.
¿Dónde se usa YA?
Esto no es ciencia ficción ni una promesa a futuro: se está usando hoy. Los call centers son el principal campo de batalla, con sistemas que atienden millones de llamadas sin que el usuario note la diferencia. Pero también está en los aeropuertos, donde los pasajeros hacen consultas por WhatsApp y reciben respuestas inmediatas. Las universidades lo usan para soporte estudiantil, resolviendo dudas de inscripción, horarios o trámites a cualquier hora. Y en el área de cobros y recordatorios, la IA de voz llama para avisarte de una deuda o una cita médica con una naturalidad que desarma cualquier excusa. Un dato clave del informe: ElevenLabs aparece como socio principal para la síntesis de voz natural, ofreciendo clonación de voz y traducción en tiempo real. Sí, leíste bien: tu propia voz puede ser usada por una IA para atender llamadas.
¿Qué significa para vos?
Acá va la parte que importa. La IA de voz no viene a reemplazar a los agentes humanos. Al contrario, viene a complementarlos. Las empresas que la adoptan bien la usan para absorber el volumen de consultas simples y repetitivas, liberando a los humanos para los casos complejos que requieren empatía real, criterio o creatividad. El informe lo deja claro: la tecnología supera expectativas en tareas rutinarias, pero el toque humano sigue siendo necesario. La IA se encarga de la paja, y el agente humano se queda con el trigo. Eso significa que las llamadas se atienden más rápido, en cualquier horario, y cuando necesitás hablar con una persona de verdad, te pasan mucho más rápido porque el sistema ya filtró el problema.
La conversación ya no se distingue. El mercado ya no es un experimento. Y la pregunta que todos nos hacemos —¿cuándo voy a notar que hablo con una máquina?— tiene una respuesta incómoda: cada vez más pronto, probablemente ya no lo notes. La próxima vez que te llamen para ofrecerte un servicio, prestá atención. Pero no te confíes: la IA de voz ya aprendió a sonar humana. Y vos, ¿estás listo para que te atiendan sin saber quién está del otro lado? Conocé más sobre esta tecnología en iahoy.online.
¿Querés probar la voz IA que menciona el informe?
ElevenLabs es uno de los socios clave que cita Omdia para síntesis de voz natural, clonación de voz y traducción. Es la misma tecnología que usamos en nuestro podcast IA Hoy:
Nota: si creás tu cuenta a través de este link, nos ayudás a seguir haciendo contenido gratis (a vos no te cuesta nada extra).
