Recepcionistas IA telefónicas: problemas reales y por qué la web funciona mejor

Hay dos recepcionistas IA. Una descuelga el teléfono y contesta con una voz. La otra escribe en el chat de una página web. Este artículo trata de la primera: qué problemas aparecen cuando la atención es una llamada, y por qué esos problemas no son los del chat. Cada cifra lleva el estudio que la sostiene y un enlace para abrirla. No hay números inventados y no se nombra a ninguna empresa de la competencia.

La gente quiere poder llegar a una persona

Gartner preguntó en febrero y marzo de 2026 a 3.566 clientes, de empresa y de consumo, por el uso de IA generativa en la atención. El 87 % dijo que, si una empresa usa esa IA, es esencial poder llegar a una persona. A la vez, el 50 % dijo que las gestiones son más fáciles cuando la empresa usa IA generativa. La lectura no es «la IA sobra». Es que la gente acepta la ayuda y rechaza que la ayuda sea un muro.

A quienes no querían usar la IA, Gartner les preguntó qué les haría cambiar de idea. La respuesta más frecuente fue poder pasar a una persona si hacía falta. El mismo comentario de Gartner añade que no conviene poner la IA como paso obligatorio de todos los casos: cuando el cliente atraviesa varios intentos fallidos antes de llegar a alguien, es menos probable que vuelva a usar esa herramienta. El 58 % de quienes usan IA generativa ya la han usado para completar una tarea, no solo para leer una respuesta. En empresas, ese porcentaje sube al 74 %.

Gartner, agosto de 2026: encuesta a 3.566 clientes (febrero y marzo de 2026)

El miedo no es nuevo: llegar a alguien

Una encuesta anterior de Gartner, de diciembre de 2023, con 5.728 clientes, ya iba en la misma dirección. El 64 % preferiría que las empresas no usaran inteligencia artificial en la atención. El 53 % se plantearía cambiar de proveedor si supiera que la empresa iba a usar IA para atender. La primera preocupación era que fuera más difícil llegar a una persona. Después venían el efecto sobre el empleo y que la IA diera una respuesta equivocada.

Gartner, 9 de julio de 2024: encuesta a 5.728 clientes (diciembre de 2023)

Quien acaba de llamar es quien menos quiere una IA de voz

En el documento de Gartner «Four Data Findings to Inform Your Customer Experience Strategy», la mitad de los clientes decía que usaría un asistente digital de IA generativa. El corte por canal cambia la cifra. Entre quienes en su última gestión habían usado el teléfono, solo el 35 % estaba de acuerdo en usar ese asistente. Gartner lo explica con una observación práctica: si la llamada ya les resolvió el problema hablando con una persona, no tienen un motivo para arriesgar el tiempo en una voz automática la próxima vez. El mismo documento recomienda no esconder a la persona: dejar claro que el asistente puede resolver el caso y, si no, pasarlo.

Gartner, Four Data Findings to Inform Your Customer Experience Strategy (PDF)

La voz se malentiende, y eso cabrea

Ofcom estudió altavoces inteligentes en el Reino Unido con un trabajo de campo cualitativo entre agosto y octubre de 2022: cien personas usuarias, más entrevistas a quienes no tenían uno. No es una encuesta con un porcentaje nacional. Aun así, el hallazgo es claro en su informe: que el aparato no entendiera o no oyera lo que se le pedía fue, con diferencia, la queja más común. Había que repetir, o cambiar la forma de hablar, porque el aparato había empezado otra cosa o había ignorado la frase.

En ese mismo trabajo, una parte de los participantes dijo que un acento regional o internacional —el suyo o el de alguien de casa— hacía que el aparato fallara más. Algunos familiares habían dejado de usarlo porque no conseguían que les entendiera. También fallaba con niños, con una voz baja, con quien hablaba deprisa, desde lejos, o con un tono de conversación en lugar de una orden corta. El resumen público de Ofcom lo dice en una frase: la mayoría se frustraba porque el altavoz no respondía bien a las órdenes, y se notaba más en quienes tenían un acento regional marcado.

Ofcom, Smart speakers research (PDF, trabajo de campo agosto-octubre de 2022)

Ofcom, resumen: It won’t be lonely this Christmas for smart speaker users

BBC Research & Development publicó en 2019 una encuesta en línea a 330 personas, captadas desde una entrada de su blog. No es una muestra aleatoria de un país: hubo más respuestas de quienes tenían entre 25 y 54 años, y peso de plantilla de la BBC en Londres y el noroeste de Inglaterra. Con esa limitación, una cuarta parte dijo que el asistente le entendía poco o nada. El 38 % atribuía los fallos al acento y el 36 % al ruido de la habitación. El 55 % decía que la tecnología aún no era suficiente y el 58 % que el fallo venía de no saber qué orden pronunciar. Cuando el asistente no entiende, el informe recoge frustración, enfado y más estrés. La queja no era solo el fallo: también los mensajes de error, repetidos y poco útiles.

BBC Research & Development, Smart Speaker UX and User Emotion (PDF, 2019)

Una recepcionista IA telefónica vive en ese canal. Tiene que oír una frase, a menudo con ruido de fondo, y decidir cuándo la persona ha terminado de hablar. Un chat en la web no transcribe: lee lo que el visitante ha tecleado. El acento y el ruido de la sala no cambian las letras. Eso no hace infalible al chat. Si la ficha está mal, la respuesta está mal. Quita de en medio el fallo propio de oír.

La respuesta llega tarde para una conversación hablada

En una conversación entre personas, el turno suele llegar enseguida. Un artículo de SIGDIAL 2022, «When can I Speak?», resume el estado de los sistemas de diálogo hablado: inician su turno después de un silencio largo, de 700 a 1.000 milisegundos, y por eso la charla se siente lenta y poco natural. Las personas, dice el mismo artículo, suelen responder en unos 200 milisegundos. Esperar a que haya un silencio tan largo es la forma habitual de no pisar a quien aún está pensando. También es la forma de dejar un hueco que, en una llamada, se nota.

SIGDIAL 2022: When can I Speak? Predicting initiation points for spoken dialogue agents

Un trabajo presentado en SemDial midió turnos reales con asistentes de voz, no un laboratorio de una sola orden. Analizó 1.077 cambios de turno de diez personas que usaban el asistente por primera vez, en seis hogares. El tiempo medio modelado desde que la persona terminaba hasta que el asistente tomaba la palabra fue de 1.366 milisegundos, con un error estándar de 30 milisegundos. Los autores lo comparan con el cambio de turno entre personas, en torno a 300 milisegundos, citando a Levinson y Torreira (2015), Stivers y otros (2009) y Heldner y Edlund (2010). La muestra es pequeña y son primeros usos: no es una media de todos los países ni de todos los productos. Sí muestra, en conversaciones de verdad, una espera varias veces mayor que la de una charla humana, y sin las muletillas con las que una persona avisa de que va a contestar.

SemDial: Alexa, you are too slow! (Barthel), cambios de turno con asistentes de voz

En un chat, esa espera no corta la frase de nadie. El visitante escribe, envía y puede seguir en la página. La respuesta queda escrita. No hay una voz que entre tarde y pise la siguiente frase, que es otro efecto que el mismo estudio de SemDial describe en los turnos del asistente. Hostly no publica un tiempo de respuesta garantizado del modelo: el chat pasa por una cola y el tiempo depende de la carga. Lo que no tiene es el silencio de una llamada mientras un sistema decide que has terminado de hablar.

Bucles, voz sintética y la pregunta de si hay alguien

El comentario de Gartner de 2026 no da un porcentaje de llamadas atrapadas en un bucle. Describe el mecanismo: varios intentos fallidos con la IA antes de poder llegar a una persona hacen menos probable que el cliente vuelva a usar la herramienta. En una llamada, ese bucle se oye. Hay que repetir, esperar la siguiente pregunta del menú y volver a pedir a una persona. En el chat, el hilo queda escrito. El equipo lo abre en el panel y puede escribir en ese mismo hilo.

La voz que contesta en una llamada automática es una voz generada. Este artículo no cita un porcentaje de personas que la encuentren «robótica»: no hay, entre las fuentes de arriba, una encuesta que mida esa palabra con una muestra clara. Lo que sí está medido es la frustración cuando el sistema no entiende, en el informe de la BBC, y la queja de Ofcom cuando hay que repetir la orden. Una voz que no admite matices y un reconocimiento que falla se suman en el mismo minuto. En la web, la respuesta es texto. Se puede releer. No hay que adivinar una palabra que sonó mal.

Salesforce encargó a YouGov una encuesta a 15.015 consumidores, del 16 de julio al 16 de agosto de 2024, en 18 países, entre ellos España. Casi tres de cada cuatro querían saber si estaban hablando con un agente de IA. El 45 % decía que usaría más un agente de IA si hubiera un camino claro para que entrara una persona. Solo el 30 % de los consumidores trabajaría con un agente de IA en lugar de una persona a cambio de un servicio más rápido. El informe en PDF de Salesforce, de la misma investigación, lo cifra así: el 72 % cree importante saber cuándo habla con un agente de IA. Transparencia y una salida hacia una persona no son un adorno. Son lo que esa muestra pide.

Salesforce, State of the AI Connected Customer, encuesta YouGov julio-agosto de 2024

Salesforce, State of the Connected Customer (PDF de la misma línea de investigación)

Por qué una recepcionista IA web no hereda esos fallos

Hostly es la recepcionista IA de la página, no del teléfono. El visitante escribe en el chat de tu web. No hay reconocimiento de voz, ni acento, ni ruido de sala, ni una voz sintética que contestar. La respuesta usa la información que el negocio ha aprobado. Si el dato no está, dice que no lo sabe. No inventa un precio, un horario ni un hueco. Si las reservas están encendidas, solo ofrece horas que devuelve la agenda.

Llegar a una persona, en Hostly, no es un desvío automático de la llamada. El equipo ve el hilo en el panel y toma el control. Mientras escribe una persona, la IA no responde en ese hilo. Pedir una persona no transfiere la conversación por sí solo: lo hace quien está en el panel. Es un límite real del producto, y es mejor decirlo que prometer un «pásame con alguien» que el chat no ejecuta solo. Lo que sí evita es dejar a alguien hablando solo contra un menú: el texto queda, y una persona puede continuar por el mismo sitio.

La IA atiende en el chat de tu web. El botón de WhatsApp, si lo activas, abre el WhatsApp del negocio y contesta una persona: la IA no entra en esa conversación. Hostly no lee ese WhatsApp ni mete un modelo dentro. Quien quiera escribir al negocio, y no al chat de la página, usa ese botón. Quien esté en la página puede quedarse en el chat.

El precio de entrada son 29,90 € al mes, IVA incluido. Esta página no dice que un chat baje las cancelaciones ni que el cobro con Stripe tenga una comisión concreta: eso no está en las fuentes de arriba y no es una promesa del producto en este texto. El cobro, si el negocio lo enciende, es una señal o el total al reservar. La tarjeta no pasa por Hostly.

Qué no demuestra este artículo

No demuestra que toda recepcionista IA telefónica falle igual. Los estudios miden asistentes de voz, altavoces y la opinión sobre la IA en la atención, no un censo de productos. La muestra de SemDial es de diez personas. La de la BBC no es aleatoria. La de Ofcom sobre altavoces es cualitativa. Las de Gartner y Salesforce son encuestas grandes, de clientes y consumidores, no una prueba de escucha de un número concreto.

Tampoco demuestra que un chat nunca se equivoque. Si la ficha está desactualizada, la respuesta también. Si el negocio apaga la IA, nadie contesta hasta que una persona entra. Si el visitante necesita una llamada, el teléfono del negocio sigue siendo el teléfono: Hostly no lo sustituye. Lo que el chat evita son los fallos que solo existen porque la conversación es hablada.

La ficha del producto, con la instalación, los idiomas, las reservas y el precio, es la recepcionista IA.

Fuentes

La ficha del producto es la recepcionista IA.