Por Redacción Pangea IA · 30 de octubre de 2026
Phonic ha presentado Phonic‑1, un modelo de voz a voz para agentes telefónicos capaz de consultar herramientas mientras la persona todavía está hablando. El objetivo es reducir la espera que aparece cuando un sistema debe escuchar, transcribir, razonar y responder en varios pasos. El modelo está disponible desde el 29 de octubre, admite decenas de idiomas —incluido el español— y se ofrece como servicio para atención al cliente, reservas, selección de personal y otros procesos que combinan conversación y acciones.
Qué cambia con Phonic‑1
Muchos agentes de voz empresariales funcionan como una cadena: convierten el audio en texto, envían ese texto a un modelo de lenguaje y después transforman la respuesta de nuevo en voz. La arquitectura es flexible, pero cada salto añade latencia y puede perder matices como una pausa, una interrupción o el tono del interlocutor.
Phonic‑1 procesa la conversación de extremo a extremo. Su novedad más práctica es que no necesita esperar siempre al final del turno para empezar el trabajo. Si alguien llama a un hotel y explica fechas, número de huéspedes y preferencias, el agente puede consultar disponibilidad o preparar otras llamadas a herramientas a medida que recibe esos datos. La empresa muestra una demostración de 44 minutos con 123 llamadas a herramientas, aunque ese caso procede del propio proveedor y no equivale a una auditoría independiente.
La documentación de la API enumera 52 códigos de idioma para configurar el reconocimiento y la respuesta. También permite declarar herramientas, elegir un nivel de inteligencia y definir cómo se gestionan interrupciones. Para una empresa española, esto abre la puerta a probar un único agente en español y otros idiomas sin construir una cadena distinta para cada mercado.
Las pruebas independientes dan una imagen más matizada
Phonic afirma que su modelo encabeza el índice de voz a voz de Artificial Analysis. Una revisión independiente de ExplainX comprobó el 29 de octubre que Phonic‑1 obtenía 87,1 puntos, solo dos décimas por encima de Grok Voice 3.0, y que producía el primer audio en 0,61 segundos en esa prueba. El resultado respalda la velocidad del modelo, pero la ventaja es estrecha y el índice combina varias métricas; no demuestra por sí solo que sea la mejor opción para todos los centros de atención.
El banco de pruebas de Cekura aporta un contraste útil. En su página consultada el 30 de octubre, Phonic v1 supera de forma consistente 56 de 82 escenarios ejecutados tres veces, una fiabilidad del 68,3 % que lo coloca quinto entre doce modelos. A cambio, es el segundo más rápido: comienza a contestar 1,60 segundos después de que el interlocutor termina, en la mediana de 246 llamadas reales simuladas. Sus peores resultados aparecen en procesos de cumplimiento y en la gestión de algunas interrupciones.
Las dos mediciones no se contradicen necesariamente. Artificial Analysis evalúa razonamiento de audio, rendimiento de agente, preferencia y éxito de tareas; Cekura exige que un escenario completo salga bien en tres repeticiones con el mismo agente, instrucciones y herramientas. La conclusión razonable es que Phonic‑1 es rápido y competitivo, pero todavía necesita pruebas con llamadas, acentos, ruido y reglas del negocio concreto.
Precio y coste real para una empresa
La página de precios consultada el 30 de octubre muestra 0,14 dólares por minuto en el plan Starter y 0,12 dólares en Pro, que cuesta 240 dólares al mes e incluye esa cantidad en créditos. La compañía presenta el importe como un precio unificado por minuto, sin trasladar por separado el coste de un modelo de lenguaje. Las tarifas empresariales son personalizadas.
Una hora de conversación costaría, por tanto, 8,40 dólares con Starter o 7,20 dólares con Pro antes de sumar telefonía, integraciones, supervisión y personal. El cálculo permite comparar proveedores, pero no mide el coste por caso resuelto. Un agente barato que obliga a repetir datos o deriva demasiadas llamadas puede salir más caro que otro con mayor tarifa y mejor resolución.
Dónde puede ahorrar tiempo
Reservas y consultas con varios pasos
Restaurantes, clínicas, talleres u hoteles pueden combinar una conversación con búsquedas de disponibilidad, comprobaciones de datos y confirmaciones por correo. Ejecutar esas consultas antes de que acabe el turno reduce silencios y frases de espera, siempre que el agente no actúe con información incompleta.
Atención y clasificación de llamadas
El modelo puede identificar la intención, consultar un pedido y decidir si resuelve el caso o lo deriva. No sustituye una política de escalado: reclamaciones, pagos, salud o decisiones con efectos jurídicos necesitan umbrales claros y una salida humana. La infraestructura abierta que seguirá desarrollándose alrededor de Pipecat tras la compra de Daily por Deepgram ofrece un marco relevante para comparar y montar estos sistemas.
Entrevistas y operaciones multilingües
Phonic cita despliegues de entrevistas automatizadas en varios países. Para un equipo internacional, mantener la identidad de voz al cambiar de idioma puede dar una experiencia más coherente. Aun así, conviene probar expresiones locales, nombres propios y consentimiento para grabación en cada jurisdicción.
Qué debería probar una pyme antes de adoptarlo
- Resolución completa: medir cuántas llamadas terminan sin repetición, abandono ni intervención humana.
- Latencia real: probar con la red telefónica, la región y las herramientas propias, no solo con una demostración web.
- Interrupciones y ruido: incluir acentos españoles, nombres, matrículas, direcciones y conversaciones con sonido de fondo.
- Coste por resultado: sumar minutos, telefonía, integraciones, revisión y fallos.
- Privacidad: revisar contratos, retención, ubicación del tratamiento y avisos de grabación antes de enviar datos personales.
La comparación debería incluir alternativas ya disponibles. Grok Voice 3.0 responde más rápido en la mediana de Cekura, mientras que Eleven Realtime Mini y Max plantean otros equilibrios entre precio, naturalidad y capacidad. Una prueba piloto con los mismos guiones y métricas ofrece más información que cualquier clasificación general.
Conclusión
Phonic‑1 convierte una idea técnica en una ventaja fácil de entender: empezar a actuar mientras la persona aún explica lo que necesita. Puede ahorrar segundos y reducir silencios en procesos con varias consultas, una diferencia valiosa cuando se multiplica por miles de llamadas. El lanzamiento llega con disponibilidad, API, precio y pruebas externas, pero estas también muestran límites. La decisión sensata no es sustituir de golpe un centro de atención, sino probar un flujo acotado, medir resolución y coste total y mantener intervención humana para los casos sensibles.
Fuentes
- Phonic: anuncio original de Phonic‑1, 29 de octubre de 2026. Consultado el 30 de octubre de 2026.
- Phonic: precios del servicio, consultado el 30 de octubre de 2026.
- Phonic: documentación de API, idiomas y herramientas, consultado el 30 de octubre de 2026.
- Artificial Analysis: comparativa de modelos de voz a voz, consultada el 30 de octubre de 2026.
- Cekura: prueba independiente de Phonic v1 en 246 llamadas, consultada el 30 de octubre de 2026.
- ExplainX: contraste de las afirmaciones y métricas de Phonic‑1, 29 de octubre de 2026. Consultado el 30 de octubre de 2026.
Deja una respuesta