Durante años, la automatización por voz fue sinónimo de fricción: IVRs rígidos, menús infinitos y clientes colgando antes de llegar a una respuesta. Esa experiencia dejó marcas, y explica por qué muchas organizaciones siguen dudando cuando se habla de agentes de voz con IA.
Hoy la tecnología es otra cosa. Los agentes de voz con IA ya están funcionando en operaciones reales, con volumen y con impacto medible. Aun así, siguen fallando cuando se los implementa como una capa tecnológica más, sin revisar procesos ni objetivos. En estos casos, no decepciona la IA: decepciona la decisión de uso.
Para identificar cuándo un agente de voz con IA deja de ser una promesa y pasa a ser una decisión acertada, conviene mirar qué están haciendo las organizaciones que ya operan a gran escala: qué problema resolvieron, cómo lo diseñaron y por qué funcionó.
Caso de estudio: Erica, de Bank of America
Uno de los referentes más claros a nivel global en el uso de agentes conversacionales —incluida la voz— es Erica, el asistente virtual de Bank of America, integrado de forma nativa en su ecosistema digital.
Erica es más que un canal, es una capa operativa que combina voz y texto para resolver interacciones de alto volumen y baja fricción dentro de la experiencia bancaria diaria.
Entre sus funciones principales se destacan:
- consultas de saldo y movimientos
- explicaciones de cargos y comisiones
- alertas proactivas sobre patrones de gasto
- recordatorios de pagos y vencimientos
Según datos oficiales de la compañía, las interacciones digitales de sus clientes superaron los 26.000 millones en 2024 con Erica como uno de los principales puntos de contacto recurrente dentro de ese volumen. Este uso sostenido permitió reducir la carga sobre los centros de atención tradicionales y trasladar millones de consultas rutinarias a canales automatizados, sin deteriorar la experiencia del cliente.
Sin embargo, el gran aprendizaje que deja Erica no es a nivel escala, sino a nivel diseño. La asistente no espera a que el cliente formule una consulta: anticipa necesidades, alerta sobre desvíos y acompaña decisiones cotidianas. En ese punto deja de funcionar como soporte reactivo y pasa a operar como un copiloto financiero.
Ese cambio de rol —de responder a anticipar— es lo que explica por qué el modelo funciona.
Para lograr este fenómeno digno de estudio, combina cinco componentes clave:
1. Procesamiento de lenguaje natural (NLP)
Erica interpreta consultas habladas y escritas usando modelos avanzados de comprensión del lenguaje. No responde por palabras clave, sino por intención, lo que le permite manejar variaciones, contexto y continuidad en la conversación.
2. Orquestación conversacional
La IA decide qué hacer con cada interacción: responder directamente, pedir información adicional, ejecutar una acción o derivar a un humano. No todas las conversaciones siguen el mismo camino, y eso es parte del diseño.
3. Integración profunda con sistemas bancarios
Erica está conectada a los sistemas internos de Bank of America, lo que le permite consultar saldos y movimientos reales, identificar cargos específicos, generar alertas personalizadas y ejecutar recordatorios y notificaciones. Sin integración, no hay valor. La IA no “simula” respuestas: opera sobre datos vivos.
4. Analítica y detección de patrones
El asistente analiza el comportamiento financiero del cliente y detecta desvíos o eventos relevantes, habilitando funciones proactivas como alertas de gasto inusual o recordatorios anticipados.
5. Seguridad, control y gobierno
Todo el sistema funciona bajo estrictos estándares de seguridad, autenticación y cumplimiento regulatorio. La IA actúa dentro de límites claros: qué puede hacer, hasta dónde y en qué condiciones debe escalar a un agente humano.
Pero este no es el único caso, según datos de mercado ofrecidos por Emarketer, el uso de chatbots y asistentes virtuales crece de forma sostenida en Estados Unidos, impulsado no solo por Bank of America, sino también por entidades como Wells Fargo y Truist, que incorporaron recientemente soluciones basadas en IA para atención y asistencia financiera.
El crecimiento sostenido en el uso de chatbots bancarios confirma que la adopción no es circunstancial ni impulsada solo por la tecnología, sino por un cambio en el hábito del cliente. En Estados Unidos, más de 110 millones de personas interactuarán con asistentes bancarios automatizados hacia 2026, representando más del 40% de la población.
Este nivel de penetración indica que la conversación con IA ya forma parte del recorrido cotidiano del usuario financiero
En ese contexto, los agentes de voz y chat dejan de ser una innovación opcional y pasan a ser una infraestructura básica de atención, siempre que estén bien integrados y diseñados como complemento del equipo humano.
¿En qué rubros funcionan mejor los agentes de voz con IA?
Los agentes de voz con IA funcionan, pero no por industria, sino por tipo de proceso. Esto significa que tienen sentido cuando hay volumen, repetición, reglas claras y necesidad de respuesta inmediata.
En esos escenarios, la voz reduce fricción, acelera la resolución y libera capacidad humana para tareas de mayor valor. Donde esas condiciones no existen, la automatización suele fallar. En el gráfico a continuación se pueden ver algunos procesos que justifican el uso de agentes de voz con IA:
Los modelos híbridos, no extremos
Los casos que escalan no son “todo IA” ni “todo humano”. Son modelos híbridos bien diseñados, donde cada parte hace lo que mejor sabe hacer. Mientras que la IA se ocupa del volumen, la repetición y la velocidad, las personas intervienen cuando aparece el contexto, la excepción o la carga emocional.
Es importante destacar que la voz no reemplaza canales: se integra como una capa más del sistema conversacional, conectada a datos, reglas y equipos, mejorando la experiencia y la operación.
En implementaciones híbridas bien orquestadas, la IA se encarga de la mayoría de interacciones repetitivas y rutinarias, liberando al equipo humano para casos de mayor complejidad y contexto. De hecho, Gartner proyecta que a partir de 2025 el 80 % de las interacciones de servicio al cliente serán gestionadas por IA, lo que demuestra el potencial de automatización cuando se combina con una supervisión humana adecuada.
El error común es automatizar por automatizar. En contraposición, el gran acierto de una organización decidida a crecer es diseñar la delegación: qué resuelve la IA, hasta dónde, bajo qué reglas y en qué punto escala.
—
¿Estas evaluando implementar agentes de voz con IA en un modelo híbrido? En ChatCenter Service trabajamos estos diseños desde el proceso.