xAI lanza Voice Agent Builder para agentes de voz IA

xAI ha lanzado en beta Voice Agent Builder, una plataforma sin código para crear agentes de voz capaces de atender llamadas, consultar información y ejecutar acciones en los sistemas de una empresa.

La herramienta funciona sobre Grok Voice y reúne en un mismo lugar varias piezas que normalmente se contratan y conectan por separado: telefonía, búsqueda en documentos, herramientas externas, controles de seguridad y supervisión de las llamadas.

Crear un agente en unos minutos

El punto de partida es una descripción escrita en lenguaje normal. Ahí defines cómo debe comportarse el agente durante una llamada. Después puedes añadir documentos, conectar herramientas y establecer límites sobre lo que puede hacer.

xAI afirma que es posible pasar de cero a un agente funcional en unos dos minutos. También puedes probarlo desde el navegador antes de conectarlo a un número de teléfono.

La base de conocimiento acepta archivos de texto, Markdown, Word, PowerPoint, Excel, HTML y JSON, entre otros formatos. Los documentos se agrupan en colecciones que pueden compartirse entre varios agentes, por ejemplo para mantener centralizadas las políticas de devolución, las fichas de producto o los manuales internos.

El agente no se limita a responder preguntas. Puede:

• Consultar el estado de un pedido o emitir un reembolso mediante una API.
• Reservar citas en Google Calendar u Outlook Calendar.
• Enviar confirmaciones por correo electrónico.
• Buscar información actual en la web o en X.
• Gestionar tickets en herramientas como Linear o Notion.
• Transferir la llamada a una persona cuando sea necesario.

Los conectores también pueden comunicarse con servidores MCP, un estándar para conectar modelos de IA con herramientas y datos externos. Las empresas pueden usar los servicios incluidos o conectar sus propias APIs.

Una sola ruta para la conversación

Muchas plataformas de voz combinan tres servicios distintos: uno convierte la voz en texto, otro genera la respuesta y un tercero la vuelve a convertir en audio. Cada salto puede añadir coste, retraso y nuevos puntos de fallo.

Voice Agent Builder apuesta por una ruta de voz a voz integrada con Grok Voice. El modelo procesa la conversación en tiempo real, incluso cuando hay ruido, acentos marcados, interrupciones o el típico cambio de idea a mitad de una frase.

xAI asegura que ha entrenado Grok Voice con llamadas reales y evalúa los agentes en esas condiciones mediante τ-voice Bench. La empresa menciona compatibilidad con más de 25 idiomas, aunque el anuncio no ofrece resultados concretos del nuevo sistema de evaluación.

Voces, controles y seguimiento

Puedes elegir una de las voces disponibles o crear una copia de la voz de una marca a partir de unos dos minutos de audio. Cada cuenta incluye un número de teléfono gratuito para probar el servicio y recibir tráfico. También es posible trasladar un número existente mediante SIP, un protocolo habitual para conectar llamadas por internet.

Todas las llamadas quedan grabadas y transcritas. El equipo puede escuchar el audio, revisar la conversación y comprobar qué herramientas utilizó el agente. Las notificaciones en tiempo real permiten intervenir o seguir sus acciones mientras la llamada está en curso.

Los controles de seguridad, llamados guardrails, limitan comportamientos concretos. Por ejemplo, pueden impedir que el agente lea números de tarjeta o que se salga de los temas autorizados.

Cuánto cuesta

La tarifa anunciada es de 0,08 dólares por minuto de audio, con las voces incluidas y sin una cuota adicional por usar la plataforma. El número de teléfono gratuito añade 0,01 dólares por minuto de telefonía.

Ese modelo busca simplificar la factura frente a las plataformas que cobran por separado el reconocimiento de voz, el modelo de lenguaje, la síntesis de voz y el uso de la plataforma. Aun así, el coste final dependerá del volumen de llamadas y de las conexiones externas que utilice cada empresa.

Para ti, el cambio más importante es que montar un agente telefónico deja de exigir la integración de varias APIs desde el primer día. Pero la beta no elimina la necesidad de probarlo con casos difíciles: llamadas confusas, clientes enfadados, datos sensibles y situaciones en las que debe saber cuándo pasar el control a una persona. Ahí se verá si la promesa de una configuración rápida también funciona en operaciones reales.