La buena noticia es que la voz dejó de ser el problema. Lo que todavía delata a una IA está en otro lado, y se puede diseñar. Este artículo reúne lo que dice la investigación, lo que suele fallar en español latinoamericano y cómo evaluarlo antes de contratar.

¿La gente distingue una voz de IA? Lo que dice la evidencia

Menos de lo que creemos. Varios estudios recientes pusieron a miles de personas a escuchar voces reales y sintéticas, y los resultados coinciden.

60,8%Acierto al identificar voces clonadas con IA, en un estudio con 604 personas
32,6%De las veces, voces humanas reales fueron confundidas con IA en ese mismo estudio
73%Tope de detección de voces sintéticas en inglés y mandarín; entrenar a los oyentes casi no lo mejoró
58% vs 62%Veces que una voz clonada y una humana fueron juzgadas como humanas: sin diferencia significativa

El estudio de Barrington, Cooper y Farid en Scientific Reports es el más llamativo: las personas acertaron poco más que al azar con las voces de IA, y uno de cada tres audios humanos reales fue tomado por artificial.

Mai y su equipo probaron con 529 personas en inglés y mandarín. Detectaron las voces sintéticas el 73% de las veces, sin diferencia entre idiomas, y mostrarles ejemplos antes de la prueba apenas movió el resultado.

Hay un matiz útil en un estudio publicado en PLOS One: las voces clonadas de una persona real pasaron por humanas casi igual que las reales, pero las voces genéricas creadas desde cero no (41% frente a 81%). La calidad de la voz base importa.

Conclusión práctica: el timbre ya no es lo que delata a un agente. Si un cliente dice "eso es un robot", casi siempre está reaccionando a cómo conversa, no a cómo suena.

Escúchalo: un agente de voz en Colombia y en México

Dos muestras de una misma gestión, adaptadas a cada país. Fíjate en el ritmo, en las pausas y en cómo el agente maneja una interrupción.

Colombia

Confirmación de una cita con reprogramación

México

Recordatorio de pago con promesa de fecha

Si quieres ver más escenarios donde se usan, revisa los casos de llamadas con IA para empresas.

Lo que de verdad delata a una IA

Después de escuchar cientos de llamadas, los patrones que hacen sentir "robot" a un agente se repiten. Ninguno tiene que ver con la voz en sí:

  • La pausa antes de responder. En una conversación entre personas, el turno cambia casi de inmediato. Un silencio de dos o tres segundos se siente como una máquina procesando.
  • No dejarse interrumpir. Las personas se cortan, se adelantan, dicen "sí, sí, ya sé". Un agente que termina su frase pase lo que pase suena grabado.
  • Entonación plana. Preguntar con el mismo tono con que se afirma es una de las señales más claras.
  • Respuestas que no escuchan. Si el cliente dice "ya pagué ayer" y el agente repite el monto, se acabó la ilusión.
  • No entender el español de la calle. "Ahorita", "listo", "mande", "qué pena con usted", "órale". Si el agente no los interpreta, el cliente lo nota en segundos.

Ese último punto merece atención. "Ahorita le pago" puede significar ahora mismo o más tarde, según el país y el tono. Un agente que lo toma literal registra una promesa equivocada.

Diseñar para estos detalles es la diferencia entre un IVR con voz bonita y una IA conversacional por voz que la gente acepta.

El acento también comunica

El acento no es decoración. Un estudio con asistentes de voz encontró que el acento con que una IA entrega la información cambia cuánto le creen los usuarios. Y una investigación con hablantes de español midió que el mismo mensaje leído con dos acentos regionales recibía calificaciones de credibilidad distintas, aunque la diferencia fue pequeña.

Para una operación en Colombia y México, eso tiene una consecuencia directa: una sola voz "neutra" para todo LATAM no es la opción más segura. Cada mercado espera su ritmo, su trato (usted, tú) y sus giros.

ElementoColombiaMéxico
Trato habitual"Usted", incluso en contextos cercanos"Usted" en servicio formal, "tú" en marcas jóvenes
Cortesía frecuente"Con mucho gusto", "qué pena con usted""Claro que sí", "con todo gusto", "mande"
Expresión con doble sentido"Ahorita": pronto, casi ya"Ahorita": puede ser ahora o más tarde
Confirmación corta"Listo", "dale""Va", "sale", "órale"

Son pistas de diseño, no reglas fijas. Cada base de clientes tiene su propio registro, y por eso conviene probar con llamadas reales antes de escalar.

Cómo lograr un agente de voz IA que suene humano en español

1

Elige la voz por país

Una voz base de alta calidad con acento del mercado. Las voces genéricas se reconocen como artificiales con mucha más frecuencia.

2

Mide la latencia

El tiempo entre que el cliente termina y el agente responde debe sentirse como el de una persona. Pide ese dato al proveedor.

3

Permite interrupciones

El agente debe detenerse cuando el cliente habla encima y retomar sin repetir todo el guion.

4

Escribe para el oído, no para el papel

Frases cortas, confirmaciones naturales y variaciones para no sonar idéntico en cada llamada.

5

Entrena con expresiones locales

Incluye los giros de tus clientes y los casos ambiguos, como "ahorita", en las pruebas del flujo.

Profundizamos en la parte del guion en la guía para diseñar conversaciones con voicebots que generen confianza. Y si tu caso es soporte, mira cómo se aplica en la atención al cliente automatizada.

Sonar humano no es esconder que es una IA

Hay una tentación peligrosa: hacer que el agente parezca una persona y no decirlo. Es mala idea, y la evidencia ayuda a entender por qué.

Un estudio publicado en Marketing Science encontró que revelar que el cliente hablaba con un bot reducía las compras, porque la gente lo percibía como menos capaz y menos empático. Fíjate en la causa: no es que el cliente rechace a la IA, es que espera menos de ella.

La salida no es ocultarlo. Es presentarse con claridad ("soy la asistente virtual de...") y demostrar en los primeros segundos que la conversación funciona. Cuando el agente entiende, responde rápido y resuelve, la etiqueta deja de importar.

La meta no es engañar al cliente. Es que la llamada sea tan fluida que no tenga motivo para colgar. Sobre este punto vale la pena leer nuestro artículo de ética y transparencia en el uso de la IA.

Preguntas frecuentes

¿La gente puede distinguir una voz de IA de una voz humana?

Cada vez menos. En un estudio con 604 personas publicado en Scientific Reports, los participantes identificaron las voces clonadas con IA solo el 60,8% de las veces, y confundieron voces humanas reales con IA en el 32,6% de los casos.

¿Qué hace que se note que un agente de voz es una IA?

Rara vez es el timbre. Lo que delata a un agente es la conversación: pausas largas antes de responder, no dejarse interrumpir, entonación plana en preguntas y no entender expresiones locales como ahorita, parce o mande.

¿Un agente de voz debe decir que es una IA?

Sí. Ocultarlo genera desconfianza cuando el cliente lo descubre y puede chocar con normas de protección al consumidor. La recomendación es presentarse como asistente virtual y dejar que la calidad de la conversación haga el resto.

¿Conviene usar el mismo acento para Colombia y México?

No. El acento influye en cómo se percibe la credibilidad de un mensaje, y cada mercado tiene giros propios. Lo ideal es usar una voz y un vocabulario por país y probarlos con clientes reales antes de escalar.

¿Cómo evalúo si un agente de voz suena natural antes de contratarlo?

Pide llamadas de prueba con tu propio caso, no demos grabadas. Interrumpe al agente, usa expresiones de tu región, cambia de tema y mide cuánto tarda en responder. Así ves cómo se comporta en una conversación real.

Escucha cómo sonaría con tus clientes

Armamos una llamada de prueba con tu caso, en el acento de tu mercado, para que lo evalúes con tu equipo.

Pide tu llamada de prueba

Fuentes

  • Barrington, S., Cooper, E. A. y Farid, H. People are poorly equipped to detect AI-powered voice clones. Scientific Reports. doi.org/10.1038/s41598-025-94170-3
  • Mai, K. T., Bray, S. D., Davies, T. y Griffin, L. D. (2023). Warning: Humans cannot reliably detect speech deepfakes. PLOS ONE. doi.org/10.1371/journal.pone.0285333
  • Lavan, N., Irvine, M., Rosi, V. y McGettigan, C. (2025). Voice clones sound realistic but not (yet) hyperrealistic. PLOS One. doi.org/10.1371/journal.pone.0332692
  • Luo, X., Tong, S., Fang, Z. y Qu, Z. (2019). Machines vs. Humans: The Impact of Artificial Intelligence Chatbot Disclosure on Customer Purchases. Marketing Science. doi.org/10.1287/mksc.2019.1192
  • Pycha, A. y Zellou, G. (2024). The influence of accent and device usage on perceived credibility during interactions with voice-AI assistants. Frontiers in Computer Science. doi.org/10.3389/fcomp.2024.1411414
  • González-Martín, A. et al. (2025). From accent to content: the effect of Spanish accents on message credibility. Frontiers in Communication. doi.org/10.3389/fcomm.2024.1497131