Contestar al cliente extranjero en su idioma: lo que cambia con la voz por IA que detecta el idioma sola
Parte de la serie sobre promotoras de obra nueva
Microsoft presenta transcripción en tiempo real en 60 idiomas y una voz que habla 23 sin cambiar de acento. Qué significa para atender a quien no habla español.
El 1 de octubre Microsoft presentó tres modelos de voz nuevos. Uno escucha y transcribe mientras la persona habla. Los otros dos convierten texto en voz. Juntos son las piezas de un asistente que contesta llamadas.
La noticia, contada para desarrolladores, va de velocidad y de rankings. Para una pyme española hay otra cosa más interesante escondida en el anuncio: el idioma ha dejado de ser un problema técnico.
Si vendes a gente de fuera, eso te afecta. Una promotora de obra nueva en la costa, una clínica que atiende a residentes extranjeros, un concesionario en una zona turística o un despacho con clientes de otros países conocen la escena: entra una llamada o un mensaje en inglés o en alemán, y la respuesta depende de si ese día está la persona que lo habla.
Qué ha anunciado Microsoft, sin adornos
Lo que dice el anuncio, punto por punto:
- MAI-Transcribe-2-Streaming transcribe la voz en tiempo real en 60 idiomas y detecta de forma automática y continua en qué idioma le hablan.
- No espera a que la persona termine de hablar. Según la empresa, devuelve una primera versión del texto en poco más de 100 milisegundos y la va corrigiendo con el contexto. Eso permite que un asistente empiece a pensar la respuesta antes de que el cliente acabe la frase.
- MAI-Voice-2.1 convierte texto en voz en 23 idiomas. La misma voz habla todos, con acento nativo en cada uno, en lugar de arrastrar un acento de un idioma a otro.
- MAI-Voice-2.1-Flash es la versión rápida, pensada para mucho volumen y respuesta inmediata.
- Las dos voces se pueden clonar con unos segundos de audio, y la empresa dice que llevan controles de consentimiento para evitar abusos.
- Los usos que cita son agentes de atención al cliente que actúan antes de que quien llama termine de hablar y asistentes multilingües que detectan el idioma y contestan en él, con la misma voz.
Las comparaciones de velocidad y precisión del anuncio son de la propia Microsoft o de rankings que cita ella. Aquí no hace falta creérselas al milímetro: lo relevante es la dirección, y la dirección no es solo de esta empresa.
Lo que cambia para una pyme con clientes de fuera
El idioma deja de depender del turno
En una empresa pequeña, atender en otro idioma suele depender de una persona. La comercial que habla inglés, el recepcionista que se defiende en alemán, el abogado que estudió en Francia. Cuando esa persona no está, la llamada se contesta mal, se contesta tarde o no se contesta.
Un asistente que detecta el idioma y responde en él cubre justo ese hueco. No sustituye a la comercial que habla inglés. Hace que el cliente reciba una primera respuesta útil, en su idioma, aunque ella esté de vacaciones o con otro cliente.
La primera respuesta deja de esperar al lunes
El cliente extranjero escribe o llama desde otra franja horaria. Para él es media tarde; para ti, las once de la noche. Si la primera respuesta espera a que abra la oficina, llega cuando ya ha hablado con otras dos empresas.
Ya contamos por qué ese tiempo pesa tanto en por qué pierdes al comprador extranjero de obra nueva antes de contestarle. El idioma y la hora son el mismo problema visto de dos lados: el cliente de fuera es el que más probabilidades tiene de escribir cuando no hay nadie, y el que más difícil lo tiene para que le entiendan cuando sí lo hay.
El cliente no tiene que elegir idioma
Muchas centralitas resuelven el idioma con un menú: «para inglés, pulse 2». Funciona, pero añade un paso y obliga a quien llama a saber qué opción le toca. La detección automática y continua que anuncia Microsoft va en otra dirección: la persona habla y el sistema se adapta. Si empieza en inglés y luego mete una frase en español porque cree que así le entenderán mejor, el sistema lo sigue.
Para quien llama, eso se nota. Es la diferencia entre sentirse atendido y sentirse dentro de un trámite.
Lo que no cambia
El asistente dice que es un asistente
Que la voz suene natural no cambia la regla. Un sistema automático que conversa con una persona debe decir que es un asistente, en el idioma del cliente y al principio. Lo explicamos en llamadas de «agentes de IA» que en realidad hacen humanos: la confianza se pierde cuando el cliente descubre después con quién hablaba, no cuando se lo dices.
Con la clonación de voz pasa lo mismo, y con más motivo. Si el asistente usa la voz de alguien de tu equipo, necesitas el permiso expreso de esa persona, y el asistente sigue sin ser ella.
El asistente no decide lo que tiene que decidir una persona
Un asistente que habla 23 idiomas no sabe más de tu negocio por hablarlos. Puede contestar lo que ya tienes escrito: horarios, disponibilidad, qué documentación hace falta, cómo es el proceso. Puede preguntar lo que falta para que el comercial llegue preparado.
Lo que no debe hacer, en ningún idioma:
- Valorar un caso en un despacho. Recoge la consulta y la pasa al abogado.
- Diagnosticar o recomendar un tratamiento en una clínica. Recoge el motivo de la consulta y ofrece cita.
- Prometer precio, plazo o condiciones que no estén escritos y aprobados.
El idioma amplía a quién puedes atender. No amplía lo que el asistente puede prometer.
La conversación seria la sigue una persona
El comprador alemán que pregunta por una vivienda de obra nueva va a querer, en algún momento, hablar con alguien. El asistente le contesta ahora, recoge lo que busca y para cuándo, y deja al comercial el contacto preparado: idioma, qué ha preguntado, qué le falta para decidir y a qué hora le viene bien hablar.
Si el comercial no habla alemán, eso también se sabe antes de llamar, y se puede decidir quién llama o si se sigue por escrito.
Ejemplo: una promotora en la costa
Ejemplo: una promotora con una sola comercial que habla inglés recibe un viernes por la noche una llamada de un comprador de Países Bajos que ha visto la promoción en un portal.
Hoy, la llamada cae en el buzón. El lunes la comercial devuelve la llamada, en inglés, y el comprador ya ha visitado otras dos webs y ha concertado una visita virtual con otra promotora.
Con un asistente que detecta el idioma, la llamada se contesta en neerlandés o en inglés, como prefiera el comprador. El asistente dice que es un asistente, contesta lo que está publicado sobre la promoción, pregunta cuántos dormitorios busca, si es para vivir o para alquilar y cuándo viene a España, y ofrece una llamada con la comercial el lunes a una hora concreta. El lunes la comercial no empieza de cero.
Qué mirar antes de pensar en voz
La tentación con una noticia así es ir directo a la herramienta. El orden bueno es el contrario.
Cuenta cuántos contactos te llegan en otro idioma
Coge los contactos del último mes, por todos los canales: llamadas, formularios, portales, WhatsApp, email. Marca los que llegaron en otro idioma. Si son dos al mes, el problema es pequeño y probablemente basta con una respuesta escrita bien preparada. Si son un tercio de tus contactos, es otra conversación.
Mide cuánto tardas en contestarlos
Compara el tiempo de primera respuesta de los contactos en español con los de otro idioma. Si los de fuera esperan el doble, ya sabes dónde se te escapan. Si no sabes medirlo, el método está en cómo medir tu tiempo de primera respuesta.
Decide por dónde llegan
Mucho cliente extranjero no llama: escribe. Un formulario en inglés, un mensaje en un portal, un WhatsApp. Atender en su idioma por escrito es más sencillo que por voz, y muchas veces resuelve lo mismo. La voz tiene sentido cuando una parte grande de tus contactos de fuera llama por teléfono, sobre todo fuera de horario.
Escribe qué puede contestar el asistente
Antes de que nadie configure nada, escribe en una hoja las preguntas que te hacen los clientes de fuera y la respuesta correcta a cada una. Lo que no esté en esa hoja, el asistente no lo contesta: lo recoge y lo pasa. Esa hoja sirve igual si al final la respuesta la da una persona, un texto escrito o una voz.
Qué hacer esta semana
Una lista corta, por orden:
- Cuenta los contactos del último mes que llegaron en otro idioma, y por qué canal.
- Mide cuánto tardaste en contestarlos frente a los de español.
- Escribe las diez preguntas que más te hacen los clientes de fuera y su respuesta.
- Decide quién sigue cada idioma cuando el contacto pide hablar con alguien, y qué pasa cuando esa persona no está.
- Solo entonces valora si te falta un asistente que conteste en su idioma, por escrito o por voz.
Ninguno de los cuatro primeros puntos requiere comprar nada. Son decisiones de proceso, y son las que hacen que una voz que habla 23 idiomas sirva de algo en tu empresa en lugar de ser una demo bonita.
Fuentes
- Our first streaming transcription model debuts at no. 1 on Artificial Analysis — Microsoft AI, 1 de octubre de 2026.
Preguntas frecuentes
¿Un asistente de voz puede atender en inglés, alemán o francés a mis clientes?
La tecnología ya lo permite: Microsoft anuncia transcripción en tiempo real en 60 idiomas con detección automática del idioma y voces que hablan 23. Lo que decide si funciona en tu empresa no es el modelo, sino qué le dejas hacer: contestar lo básico, recoger el dato que falta y pasar el contacto a una persona, sí; negociar o valorar casos, no.
¿Tengo que avisar al cliente de que habla con una IA?
Sí. Un sistema automático que conversa con una persona debe decir que es un asistente. Es lo honesto y es lo que pide la normativa europea de IA para este tipo de sistemas. Decirlo al principio, en su idioma, no espanta a quien llama: lo que espanta es descubrirlo después.
Lo explicamos con más detalle en el artículo sobre llamadas de agentes de IA que en realidad hacen humanos.
¿Puedo clonar la voz de alguien de mi equipo para el asistente?
Microsoft dice que sus modelos permiten clonar una voz con unos segundos de audio de referencia y que llevan controles de consentimiento integrados. Si lo haces, necesitas el permiso expreso de esa persona, y el asistente sigue teniendo que decir que es un asistente: una voz conocida no lo convierte en esa persona.
¿Por dónde empiezo si tengo clientes extranjeros?
Por contar. Revisa los contactos del último mes, marca cuántos llegaron en otro idioma y cuánto tardaste en contestarlos comparado con los de español. Si la diferencia es grande, ahí está el problema que hay que resolver, con voz o sin ella.
El diagnóstico gratuito es media hora mirando cómo entra hoy un contacto en tu empresa, en español y en otros idiomas, por qué canal, quién lo contesta y cuánto tarda, con la hora delante. De ahí sale si te falta atender en otro idioma, a qué hora y por dónde.
Lo que hacemos está en la página del sistema de respuesta a los contactos: primera respuesta con contenido en menos de 60 segundos a cualquier hora, diciendo que es un asistente, la pregunta que falta hecha, y el aviso al comercial que le toca con el contexto preparado. Sin tarifa publicada: el alcance y el importe se cierran por escrito después del diagnóstico.