Agentes de voz con IA y telefonía: SIP, WebRTC y PSTN explicados
Implementar agentes de voz significa conectarse a la red telefónica. A continuación se ofrece una guía práctica sobre enlaces troncales SIP, WebRTC, PSTN y cómo elegir la pila de telefonía adecuada.
Su agente de voz con IA necesita conectarse al mundo a través de redes telefónicas o navegadores web. La capa de telefonía suele ser la parte menos comprendida y más frustrante de la implementación. Esto es lo que necesita saber sobre los tres tipos de conexión principales y cuándo utilizar cada uno.
PSTN: la red telefónica tradicional
La Red Telefónica Pública Conmutada es la que utilizan sus clientes cuando marcan un número de teléfono. Las conexiones PSTN son las más universales (todos los teléfonos pueden acceder a ellas), pero introducen la mayor latencia (50 a 150 ms de ida y vuelta) y cuestan más por minuto. Para las líneas de soporte entrantes y las campañas de llamadas salientes, normalmente se requiere PSTN porque así es como los clientes realizan las llamadas.
Trunking SIP: el estándar empresarial
El Protocolo de inicio de sesión (SIP) conecta su agente de voz a la red telefónica a través de troncales basadas en Internet proporcionadas por operadores como Twilio, Vonage o Telnyx. SIP es la forma en que la mayoría de las plataformas de agentes de voz manejan la telefonía: aprovisionan números de teléfono en una troncal SIP, reciben llamadas a través del protocolo SIP y enrutan el audio a la canalización de IA. Si tiene una infraestructura SIP existente (una PBX, una plataforma de centro de contacto o una relación con un operador), a menudo puede traer su propia línea troncal y apuntarla a la plataforma del agente de voz.
WebRTC: voz y vídeo basado en navegador
La comunicación web en tiempo real (WebRTC) permite voz y video directamente en el navegador sin necesidad de una red telefónica involucrada. La latencia suele ser de 20 a 50 ms, significativamente más rápida que la PSTN. WebRTC es ideal para incorporar agentes de voz en su sitio web o aplicación, donde el cliente hace clic en un botón para hablar en lugar de marcar un número de teléfono. También permite interacciones multimodales (voz + vídeo + pantalla compartida) que PSTN no puede soportar.
Elegir su modelo de implementación
- Soporte telefónico entrante (los clientes llaman a un número) → PSTN a través de troncal SIP
- Llamadas salientes (ventas, recordatorios, cobros) → PSTN a través de troncal SIP con gestión de identificador de llamadas
- Soporte en el sitio web o en la aplicación (el cliente hace clic para hablar) → WebRTC para una latencia más baja y capacidad multimodal
- Híbrido (teléfono + web) → plataforma que admite implementaciones SIP y WebRTC desde la misma configuración de agente
¿Listo para construir?
Vea cómo los agentes de IA multimodales de Mazed funcionan para su caso de uso.