xAI presentó Voice Agent Builder, una plataforma en beta que permite crear agentes de voz basados en Grok sin escribir código. La compañía asegura que la herramienta está pensada para operadores y desarrolladores que necesitan desplegar agentes telefónicos para atención al cliente, ventas, reservas o soporte, sin construir desde cero toda la infraestructura que normalmente requiere un sistema de voz con IA.
La promesa principal es sencilla: configurar un agente de voz “en menos de dos minutos”. Para hacerlo, el usuario describe en lenguaje natural cómo debe comportarse el agente durante una llamada, añade documentos, conecta herramientas y define límites de seguridad o guardrails. Según xAI, la plataforma integra telefonía, recuperación de conocimiento, herramientas, MCPs y observabilidad en una sola interfaz.
El movimiento es relevante porque xAI no está presentando únicamente una función conversacional para Grok, sino una pieza de infraestructura para automatizar llamadas reales. La empresa sostiene que muchos sistemas de voz con IA dependen de tres componentes separados, reconocimiento de voz, modelo de lenguaje y síntesis de voz, mientras que Voice Agent Builder opera sobre una ruta speech-to-speech más integrada con Grok Voice.
La herramienta permite cargar bases de conocimiento en formatos como texto plano, Markdown, Word, PowerPoint, Excel, HTML y JSON. También puede conectarse con herramientas externas para consultar pedidos, programar citas en calendarios, enviar confirmaciones por correo, buscar información en la web o transferir la llamada a una persona cuando sea necesario.
Otro punto llamativo es la personalización de la voz. xAI afirma que los agentes pueden usar más de 80 voces integradas o una voz clonada de marca a partir de aproximadamente dos minutos de audio. Además, cada cuenta incluye un número telefónico gratuito para pruebas o tráfico de producción, aunque también es posible conservar un número existente mediante SIP.
En costos, xAI señala que los agentes se cobran a la tarifa de su API, actualmente 0.05 dólares por minuto de audio, con voces incluidas y sin una tarifa separada por plataforma. La telefonía mediante un número provisto por xAI tiene un costo adicional de 0.01 dólares por minuto.
La compañía también presume que Grok Voice Think Fast 1.0 ocupa el primer lugar en su tabla τ-voice Bench, con una puntuación de 67.3%, por encima de Gemini 3.1 Flash Live y GPT Realtime 1.5, según los datos publicados por xAI. Sin embargo, como ocurre con otros benchmarks impulsados por las propias empresas, falta ver cómo se comporta la herramienta en despliegues independientes, con llamadas reales, distintos acentos, ruido ambiental y flujos de trabajo complejos.
Con Voice Agent Builder, xAI intenta mover a Grok más allá del chatbot y colocarlo en el terreno de los agentes empresariales que no solo responden, sino que también actúan durante una conversación. Si la herramienta cumple lo que promete, podría competir en un área cada vez más disputada: la automatización de llamadas con IA, donde la diferencia ya no está únicamente en sonar natural, sino en resolver tareas completas sin perder el control de la interacción.
