Los compradores empresariales y las personas a las que sirven quieren cosas opuestas: el 67% de los líderes empresariales ya considera que la voice AI es parte central de su estrategia, mientras que el 79% de los consumidores en EE. UU. dice preferir fuertemente a un humano por encima de un agente de IA. Esa brecha, no los benchmarks de modelos, es la estadística definitoria de la voice AI en 2026. El mercado está financiando fuertemente el lado de los compradores: solo ElevenLabs recaudó 500 millones de dólares con una valuación de 11 mil millones en febrero de 2026, y Grand View Research proyecta que la categoría de agentes de voz con IA crecerá de 2.54 mil millones de dólares en 2025 a 35.24 mil millones para 2033. Mientras tanto, el 91% de los líderes de servicio al cliente reporta presión ejecutiva para desplegar IA este año. Las cifras a continuación provienen de la encuesta State of Voice AI de Deepgram junto con Opus Research, comunicados de prensa de Gartner, la investigación sobre agentes de voz de a16z, la encuesta de consumidores de SurveyMonkey de diciembre de 2025, el informe Amplified 2026 de Voices.com, Grand View Research, Fortune Business Insights, y los precios de API publicados por OpenAI.
TL;DR
- El mercado de agentes de voz con IA fue de 2.54 mil millones de dólares en 2025, proyectado a 35.24 mil millones para 2033 con una CAGR del 39.0% (Grand View Research)
- El mercado más amplio de IA conversacional alcanza 17.97 mil millones de dólares en 2026, con pronóstico de 82.46 mil millones para 2034 (Fortune Business Insights)
- El 67% de los líderes empresariales considera que la voice AI es parte central de su estrategia de producto y negocio (Deepgram / Opus Research, State of Voice AI)
- Solo el 21% está muy satisfecho con los sistemas tradicionales de agente de voz que ya opera (Deepgram / Opus Research)
- El 91% de los líderes de servicio y soporte al cliente está bajo presión ejecutiva para implementar IA en 2026 (Gartner, febrero de 2026)
- Gartner proyecta que la IA agéntica resolverá de forma autónoma el 80% de los problemas comunes de servicio al cliente para 2029, recortando costos operativos en un 30%
- El 79% de los adultos de EE. UU. prefiere fuertemente a un humano por encima de un agente de IA, y el 89% quiere que una opción humana esté siempre disponible (SurveyMonkey, diciembre de 2025)
- ElevenLabs recaudó 500 millones de dólares con una valuación de 11 mil millones en febrero de 2026, sobre más de 330 millones de dólares de ARR (ElevenLabs)
- El 22% de una clase reciente de Y Combinator estaba construyendo con voz, de 90 empresas de agentes de voz desde 2020 (a16z)
- La salida de audio de gpt-realtime-2.1 cuesta 64.00 dólares por millón de tokens, con entrada de audio en caché a 0.40 dólares por millón (OpenAI)
- El 55% de los consumidores usa voz para interactuar con IA, pero solo el 29% de las empresas ha desplegado voice AI orientada al cliente (Voices.com, Amplified 2026)
- La automatización de atención al cliente tuvo el 44.2% de los ingresos de agentes de voz con IA en 2025; la salud es el uso final de mayor crecimiento con una CAGR del 42.0% (Grand View Research)
1. Tamaño de mercado: dos pronósticos que miden cosas distintas
Las tasas de crecimiento destacadas para la voice AI no son comparables, y la diferencia importa para quien presupuesta con base en ellas. Grand View Research rastrea a los agentes de voz con IA de forma estrecha, sistemas autónomos que sostienen una conversación hablada, y obtiene una base pequeña con una curva pronunciada: 2.54 mil millones de dólares en 2025 con una CAGR del 39.0%. Fortune Business Insights mide la IA conversacional de forma amplia, incluyendo chatbots de texto, lo que produce una base aproximadamente siete veces mayor que crece a la mitad de la tasa. La categoría más estrecha de solo voz tiene un pronóstico de crecer casi 14 veces para 2033, mientras que el mercado más amplio de IA conversacional crece aproximadamente 4.6 veces para 2034.
| Métrica | Valor | Fuente |
|---|---|---|
| Mercado de agentes de voz con IA, 2025 | $2.54 billion | Grand View Research |
| Mercado de agentes de voz con IA, pronóstico 2033 | $35.24 billion | Grand View Research |
| CAGR de agentes de voz con IA, 2026-2033 | 39.0% | Grand View Research |
| Mercado de IA conversacional, 2025 | $14.79 billion | Fortune Business Insights |
| Mercado de IA conversacional, 2026 | $17.97 billion | Fortune Business Insights |
| Mercado de IA conversacional, pronóstico 2034 | $82.46 billion | Fortune Business Insights |
| CAGR de IA conversacional, 2026-2034 | 21.0% | Fortune Business Insights |
| Participación de Norteamérica en IA conversacional, 2025 | 35.10% ($5.19 billion) | Fortune Business Insights |
La concentración regional es consistente en ambas firmas: Norteamérica tiene el 38.1% de los ingresos de agentes de voz con IA y el 35.10% de la IA conversacional. Para ver cómo se precisa y dimensiona por separado la capa de síntesis subyacente frente a la capa de agentes, consulta nuestro resumen del mercado de generadores de voz con IA. Informes completos: Grand View Research y Fortune Business Insights.
2. Adopción empresarial: la transcripción se volvió indispensable
La encuesta de Deepgram con Opus Research, que cubre a 400 líderes empresariales de más de una docena de industrias, muestra que el cambio es menos sobre adoptar voice AI y más sobre intensificarla. El 92% de las organizaciones ya captura sus datos de voz, y el 56% ahora transcribe más de la mitad de sus interacciones de voz, frente a un estado previo en que el 84% transcribía menos de la mitad. La captura y la transcripción ya están resueltas; la pregunta abierta es qué corre por encima. Ahí es donde colapsa la satisfacción: el 80% opera sistemas tradicionales de agente de voz pero solo el 21% está muy satisfecho con ellos, lo que es la explicación más clara disponible de por qué el 84% planea aumentar presupuestos en los próximos doce meses.
| Métrica | Valor | Fuente |
|---|---|---|
| Líderes empresariales encuestados | 400 | Deepgram / Opus Research |
| Capturan sus datos de voz | 92% | Deepgram / Opus Research |
| Transcriben más de la mitad de las interacciones | 56% | Deepgram / Opus Research |
| Consideran la voice AI central para la estrategia de negocio | 67% | Deepgram / Opus Research |
| Operan sistemas tradicionales de agente de voz | 80% | Deepgram / Opus Research |
| Muy satisfechos con los agentes de voz tradicionales | 21% | Deepgram / Opus Research |
| Planean aumentar presupuestos en los próximos 12 meses | 84% | Deepgram / Opus Research |
| Citan el fine-tuning de modelos como clave para una adopción más amplia | 46% | Deepgram / Opus Research |
La división 80% frente a 21% es el dato atípico a vigilar: la insatisfacción con los sistemas incumbentes tipo IVR, no la demanda de terreno nuevo, está financiando la mayoría de los proyectos de reemplazo. Fuente: Deepgram State of Voice AI Report.
3. Presión ejecutiva y el objetivo de 2029
El titular de la encuesta de Gartner de febrero de 2026 es directo: el 91% de los líderes de servicio y soporte al cliente está bajo presión ejecutiva para implementar IA este año. Esa presión está anclada a un pronóstico más largo que la firma publicó en marzo de 2025, proyectando que la IA agéntica resolverá de forma autónoma el 80% de los problemas comunes de servicio al cliente sin intervención humana para 2029, con un recorte del 30% en costos operativos. La palabra que hace el trabajo en ese pronóstico es “comunes”, ya que los reinicios rutinarios de contraseñas y las consultas de estado de pedidos son un problema distinto de las disputas de facturación o los reclamos de fraude. Leído junto a los datos de consumidores en la sección 5, el objetivo de 2029 describe un techo sobre el volumen automatizable más que una predicción de que el soporte telefónico desaparecerá.
| Métrica | Valor | Fuente |
|---|---|---|
| Líderes de servicio al cliente bajo presión para implementar IA en 2026 | 91% | Gartner, febrero de 2026 |
| Problemas comunes de servicio al cliente resueltos de forma autónoma para 2029 | 80% (pronóstico) | Gartner, marzo de 2025 |
| Reducción de costos operativos proyectada para 2029 | 30% | Gartner, marzo de 2025 |
| Consumidores que quieren una opción humana siempre disponible | 89% | SurveyMonkey, diciembre de 2025 |
| Consumidores que creen que los agentes humanos son más precisos | 84% | SurveyMonkey, diciembre de 2025 |
| Empresas con voice AI orientada al cliente desplegada | 29% | Voices.com, Amplified 2026 |
La economía de los centros de contacto se ha remodelado con cada ola de automatización desde los primeros árboles de IVR, y la línea base histórica está cubierta en nuestras estadísticas de la industria de centros de llamadas. Fuentes: Gartner, febrero de 2026 y Gartner, marzo de 2025.
4. Financiamiento y valuaciones: dónde aterrizó el capital
ElevenLabs es el marcador público más limpio para las valuaciones de voice AI porque divulga sus propias cifras. La empresa recaudó 500 millones de dólares liderados por Sequoia Capital con una valuación de 11 mil millones de dólares el 4 de febrero de 2026, casi triplicando desde aproximadamente 3.7 mil millones un año antes, sobre más de 330 millones de dólares de ARR al cierre de 2025. El financiamiento total alcanzó 781 millones de dólares en cinco rondas, lo que significa que la empresa recaudó casi dos tercios de su capital de toda su historia en una sola ronda. El pipeline de startups detrás de esto está igualmente concentrado: a16z contó 90 empresas de agentes de voz en las cohortes de Y Combinator desde 2020, con el 22% de una clase reciente construyendo sobre voz.
| Métrica | Valor | Fuente |
|---|---|---|
| Serie D de ElevenLabs, febrero de 2026 | $500 million | ElevenLabs |
| Valuación de ElevenLabs, febrero de 2026 | $11 billion | ElevenLabs |
| Valuación de ElevenLabs, doce meses antes | approx. $3.7 billion | ElevenLabs |
| ARR de ElevenLabs a finales de 2025 | $330+ million | ElevenLabs |
| Financiamiento total de ElevenLabs, cinco rondas | $781 million | ElevenLabs |
| Idiomas soportados por ElevenLabs | 70+ | ElevenLabs |
| Empresas de agentes de voz de YC desde 2020 | 90 | a16z |
| Participación de una clase reciente de YC construyendo con voz | 22% | a16z (per Cartesia) |
La calidad de la síntesis es el insumo que hace viables los despliegues de agentes en absoluto, y la capacidad subyacente de software de clonación de voz es lo que separa una voz de agente utilizable de una robótica. Fuentes: anuncio de la Serie D de ElevenLabs y a16z, actualización de agentes de voz con IA.
5. Economía unitaria: lo que realmente cuesta un minuto de voz
Los precios de API publicados son la única cifra por unidad en este resumen que no proviene de una encuesta, y ha caído rápido. a16z documentó el recorte de precios de diciembre de 2024 de GPT-4o realtime, con un 60% de descuento en entrada de audio y un 87.5% en salida de audio. Los precios de lista actuales muestran el mismo patrón continuando a través de niveles de modelo: la variante mini realtime cuesta aproximadamente un tercio del modelo completo, y la entrada de audio en caché tiene un precio de 0.40 dólares por millón de tokens frente a 32.00 dólares sin caché, una diferencia de 80 veces que recompensa la reutilización de prompts. La transcripción ahora es prácticamente un error de redondeo a 0.0045 dólares por minuto para gpt-transcribe, lo que explica por qué los datos de encuesta muestran que la captura y la transcripción ya son universales mientras el despliegue de agentes va rezagado.
| Métrica | Valor | Fuente |
|---|---|---|
| gpt-realtime-2.1, entrada de audio por 1M tokens | $32.00 | OpenAI API pricing |
| gpt-realtime-2.1, salida de audio por 1M tokens | $64.00 | OpenAI API pricing |
| gpt-realtime-2.1, entrada de audio en caché por 1M tokens | $0.40 | OpenAI API pricing |
| gpt-realtime-2.1-mini, entrada de audio por 1M tokens | $10.00 | OpenAI API pricing |
| gpt-realtime-2.1-mini, salida de audio por 1M tokens | $20.00 | OpenAI API pricing |
| Transcripción de gpt-transcribe, por minuto | $0.0045 | OpenAI API pricing |
| Transcripción de Whisper, por minuto | $0.006 | OpenAI API pricing |
| tts-1 texto a voz, por 1M de caracteres | $15.00 | OpenAI API pricing |
| Recorte de precio de salida de audio de GPT-4o realtime, diciembre de 2024 | 87.5% | a16z |
El precio de lista no es el costo desplegado. La telefonía, la orquestación, los reintentos de llamadas fallidas y el escalamiento humano tienen sus propias partidas, y ninguno de los datos públicos de encuesta desglosa el costo total por llamada resuelta. Para el lado de síntesis de esa pila, nuestra página de generador de voz con IA gratis cubre lo que hace la capa de salida. Fuente: precios de API de OpenAI.
6. Confianza del consumidor: la brecha que nadie ha cerrado
La encuesta de diciembre de 2025 de SurveyMonkey a 2,017 adultos de EE. UU. es el conjunto de datos de consumidor metodológicamente más transparente aquí, con un margen de error declarado de más o menos 2.5 puntos y ponderación por edad, raza, sexo, educación y geografía. Sus hallazgos van directamente en contra de los planes de despliegue empresarial. El 79% prefiere fuertemente a un agente humano, el 81% cree que la IA se despliega para ahorrar dinero más que para mejorar el servicio, y el 56% reporta sentimientos negativos sobre que las empresas usen IA en absoluto. Las razones dadas son específicas más que hostilidad vaga: el 61% dice que los agentes humanos entienden mejor sus necesidades, el 53% cita explicaciones más completas, y el 52% simplemente encuentra a los humanos menos frustrantes.
| Métrica | Valor | Fuente |
|---|---|---|
| Adultos de EE. UU. encuestados (10-11 dic. 2025) | 2,017 (±2.5 pts) | SurveyMonkey |
| Prefieren fuertemente a un humano por encima de un agente de IA | 79% | SurveyMonkey |
| Creen que los agentes humanos son más precisos | 84% | SurveyMonkey |
| Dicen que las empresas siempre deberían ofrecer una opción humana | 89% | SurveyMonkey |
| Creen que la IA se usa para ahorrar dinero, no mejorar el servicio | 81% | SurveyMonkey |
| No creen que la IA pueda reemplazar a los humanos alguna vez | 63% | SurveyMonkey |
| Generación Z que prefiere IA | 14% | SurveyMonkey |
| Boomers que prefieren IA | 4% | SurveyMonkey |
| Confían en poder identificar un chatbot de IA | 54% | SurveyMonkey |
El informe Amplified 2026 de Voices.com, realizado por Censuswide entre 700 líderes empresariales y consumidores y publicado el 28 de enero de 2026, añade la contraparte del lado de marca: el 79% de los líderes empresariales dice que las voces de IA deberían provenir de actores de voz reales, el 79% dice que las voces de IA inauténticas dañan la percepción de marca, y el 61% de los consumidores encuentra las voces de IA más memorables cuando están asociadas a una sola marca. Fuentes: SurveyMonkey y Voices.com.
7. Dónde aterrizan primero los agentes de voz
El despliegue no se distribuye de manera uniforme. Grand View Research reporta que los agentes entrantes tuvieron el 52.1% de los ingresos de 2025 y la automatización de atención al cliente el 44.2%, con la salud como el uso final de mayor crecimiento con una CAGR del 42.0% hasta 2033. El desglose de a16z sobre los fundadores de agentes de voz de Y Combinator coincide: aproximadamente el 69% apunta a B2B, el 18% a salud y el 13% a consumidores. Dentro de la salud, la especialización es más fina de lo que sugiere la categoría: 11.2% medicina humana general, 3.4% dental, 2.2% veterinaria y 1.1% fisioterapia. El patrón favorece verticales con alto volumen de llamadas, guiones estandarizados, escasez crónica de personal y un rastro de cumplimiento documentado.
| Métrica | Valor | Fuente |
|---|---|---|
| Agentes de voz entrantes, participación de ingresos 2025 | 52.1% | Grand View Research |
| Automatización de atención al cliente, participación de ingresos 2025 | 44.2% | Grand View Research |
| CAGR del uso final en salud, 2026-2033 | 42.0% | Grand View Research |
| Fundadores de agentes de voz de YC construyendo B2B | approx. 69% | a16z |
| Fundadores de agentes de voz de YC en salud | approx. 18% | a16z |
| Fundadores de agentes de voz de YC en consumidor | approx. 13% | a16z |
| Fundadores de voz B2B de YC en fintech | 16.9% | a16z |
| Fundadores de voz B2B de YC en operaciones y soporte | 12.4% | a16z |
| Ingresos anuales de la industria de staffing (contexto para agentes de reclutamiento) | $650 billion | a16z |
La única métrica de resultado documentada en el informe de a16z es una agencia de staffing que mejoró el avance de candidatos en la selección de primera ronda del 50% al 90%, un solo caso de estudio más que un benchmark. Fuente: a16z, actualización de agentes de voz con IA.
Resumen: agentes de voz con IA en cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Mercado de agentes de voz con IA, 2025 | $2.54 billion | Grand View Research |
| Mercado de agentes de voz con IA, pronóstico 2033 | $35.24 billion | Grand View Research |
| CAGR de agentes de voz con IA, 2026-2033 | 39.0% | Grand View Research |
| Mercado de IA conversacional, 2026 | $17.97 billion | Fortune Business Insights |
| Mercado de IA conversacional, pronóstico 2034 | $82.46 billion | Fortune Business Insights |
| Líderes empresariales que consideran la voice AI central para la estrategia | 67% | Deepgram / Opus Research |
| Muy satisfechos con los agentes de voz tradicionales | 21% | Deepgram / Opus Research |
| Planean aumentar los presupuestos de voice AI en 12 meses | 84% | Deepgram / Opus Research |
| Organizaciones que capturan sus datos de voz | 92% | Deepgram / Opus Research |
| Líderes de servicio al cliente bajo presión para desplegar IA en 2026 | 91% | Gartner |
| Problemas de servicio comunes resueltos de forma autónoma para 2029 | 80% (pronóstico) | Gartner |
| Reducción de costos operativos proyectada para 2029 | 30% | Gartner |
| Adultos de EE. UU. que prefieren fuertemente un agente humano | 79% | SurveyMonkey |
| Adultos de EE. UU. que quieren una opción humana siempre disponible | 89% | SurveyMonkey |
| Adultos de EE. UU. que creen que la IA se despliega para recortar costos | 81% | SurveyMonkey |
| Consumidores que usan voz para interactuar con IA | 55% | Voices.com |
| Empresas con voice AI orientada al cliente en producción | 29% | Voices.com |
| Valuación de ElevenLabs, febrero de 2026 | $11 billion | ElevenLabs |
| ARR de ElevenLabs a finales de 2025 | $330+ million | ElevenLabs |
| Empresas de agentes de voz de YC desde 2020 | 90 | a16z |
| Salida de audio de gpt-realtime-2.1, por 1M tokens | $64.00 | OpenAI |
| Transcripción de gpt-transcribe, por minuto | $0.0045 | OpenAI |
Metodología y fuentes
- Las cifras de adopción empresarial, transcripción, satisfacción y presupuesto provienen de la encuesta State of Voice AI de Deepgram, realizada con Opus Research entre 400 líderes empresariales de más de una docena de industrias (Deepgram).
- La presión ejecutiva y el pronóstico de resolución autónoma para 2029 provienen de dos comunicados de prensa de Gartner: la encuesta de líderes de servicio al cliente de febrero de 2026 (Gartner) y la predicción de IA agéntica de marzo de 2025 (Gartner).
- Los datos de preferencia del consumidor provienen de la encuesta de SurveyMonkey a 2,017 adultos de EE. UU. realizada el 10-11 de diciembre de 2025, con un margen de error de más o menos 2.5 puntos porcentuales, ponderada por edad, raza, sexo, educación y geografía (SurveyMonkey).
- Las cifras de uso de voz por parte del consumidor, percepción de marca y licenciamiento de voz provienen del informe Amplified 2026 State of Voice de Voices.com, realizado por Censuswide entre 700 líderes empresariales y consumidores y publicado el 28 de enero de 2026 (Voices.com).
- Las cifras de financiamiento, valuación, ARR y cobertura de idiomas son divulgaciones directas del anuncio de la Serie D de ElevenLabs, fechado el 4 de febrero de 2026 (ElevenLabs).
- Los datos del pipeline de startups, los desgloses por vertical y los recortes de precio de la API realtime de diciembre de 2024 provienen de la investigación de agentes de voz con IA de a16z, que atribuye el porcentaje de la clase de YC a Cartesia (a16z).
- El dimensionamiento de mercado usa dos firmas con definiciones de categoría distintas: Grand View Research para agentes de voz con IA específicamente (Grand View Research) y Fortune Business Insights para IA conversacional incluyendo chatbots de texto (Fortune Business Insights).
- Los precios por token y por minuto provienen de la página de precios de API publicada por OpenAI, vigente al momento de esta actualización (OpenAI).
- Nota sobre los datos: los dos pronósticos de mercado aquí no son intercambiables, ya que Grand View Research mide solo agentes de voz mientras que Fortune Business Insights incluye chatbots de texto en una categoría aproximadamente siete veces mayor; cualquier artículo que presente un único “tamaño de mercado de voice AI” sin indicar qué definición usa debe tratarse con cautela. Las afirmaciones de ROI publicadas por proveedores que circulan en esta categoría (retornos a tres años superiores al 300%, costos por llamada por debajo de 1 dólar) provienen de páginas de marketing más que de estudios auditados y se excluyen aquí.
- La encuesta de Deepgram es la edición disponible más reciente al momento de escribir; se espera que una ola actualizada modifique más las cifras de satisfacción y presupuesto.
- Última actualización: 29 de julio de 2026. Actualizamos este resumen trimestralmente conforme lleguen nuevos comunicados de Gartner, Deepgram y estudios de mercado.