Cuánto cuesta de verdad una llamada con un agente de voz de IA

Es fácil calcular el coste de un agente de voz pensando en lo que dice: una frase corta, unas pocas palabras. Es una intuición razonable, y engaña. Para presupuestar bien conviene mirar de qué se compone una llamada y dónde se va el dinero.

Cuatro costes en cada llamada

Mientras el agente conversa trabajan cuatro piezas, y cada una se cobra de forma distinta:

1. Transcripción (voz a texto). Convierte lo que dice el cliente en texto. Se cobra por tiempo de audio.
2. Modelo de lenguaje. Decide qué responder. Se cobra por tokens (trozos de texto) de entrada y de salida.
3. Voz (texto a voz). Pronuncia la respuesta. Se cobra por caracteres o por tiempo de audio generado.
4. Operador telefónico. La llamada sigue costando minutos de telefonía, con o sin IA.

Dónde se esconde el coste: la entrada del modelo

Un agente responde en una frase, unos 25 tokens. Pero en cada turno el modelo vuelve a recibir las instrucciones del agente, las reglas, el historial de la conversación y el resultado de las herramientas que haya consultado. Y en una conversación de voz hay entre cinco y once turnos por minuto.

En una medición propia del 8 de septiembre, sobre 107 turnos de agente, 17 minutos facturados y cinco modelos, la media fue de unos 14.000 tokens de entrada y 140 de salida por minuto de llamada: cien a uno. Es una muestra pequeña y varía con cada prompt, pero la proporción es la lección: lo que decide el coste del modelo es casi solo su precio de entrada, no lo que dice el agente.

Qué puedes hacer para controlarlo

• Un prompt corto y claro. Cada línea se paga en cada turno.
• Conocimiento por consulta, no pegado en el prompt. Un agente que busca la respuesta en los documentos de la empresa en el momento (en Alpire, por agente) arrastra menos texto que uno al que se le pega todo el manual.
• Modelos con caché de prompt. Varios proveedores cobran mucho menos la parte de la entrada que se repite entre turnos. Compara el precio con caché.
• Comparar las tres piezas, no solo el modelo. Transcripción, modelo y voz se eligen por separado y cada una tiene su propia tarifa.

Cómo hacer tu estimación

Una cuenta sencilla para un mes:

coste ≈ minutos de conversación × coste por minuto de la combinación (transcripción + modelo + voz) + minutos de telefonía × tarifa del operador

Empieza con un solo número, una cola o solo fuera de horario, mide una semana y ajusta.

Cómo lo cuenta Alpire

En Alpire la IA va incluida en todos los planes: el precio por puesto es la base y el uso de IA se descuenta de una bolsa mensual de créditos. No pagas por token: la conversación se descuenta por minuto, según la combinación de transcripción, modelo y voz que elijas, y esa combinación se escoge por llamada. El tiempo que el agente pasa consultando una herramienta externa (no es IA) no se descuenta. La telefonía va aparte, con tu propio operador. Los precios vigentes están en la sección de precios, y la demo deja oír una llamada completa con un agente mientras el flujo de la centralita se ilumina bloque a bloque.