Inceptia AI: 120M conversaciones/mes y 50% de ahorro

Cómo 3 socios convirtieron una tesis en una plataforma de 120 millones de conversaciones al mes

Hace siete años, Gustavo Capart y dos socios fundaron Inceptia AI con dos tesis que hoy son una de las grandes apuestas de la industria: la inteligencia artificial es la tecnología más transformadora desde internet, y la voz sigue siendo la forma más natural de comunicarse. La empresa procesa hoy 120 millones de conversaciones al mes, trabaja con más de 150 clientes y opera en 14 países, principalmente en América Latina, con presencia adicional en España y Estados Unidos.

La elección de un modelo basado en producto —no en proyectos a medida— fue la decisión fundacional que definió la trayectoria. "Mis otros 2 socios venían de trabajar en empresas de inteligencia artificial, y lo que habían visto es que todavía había mucha cosa hecha a medida, y no tanto producto", explica Capart. La observación era simple: los proyectos a medida no escalaban.

Las dos tesis que sostienen a Inceptia: IA y voz

En un mercado global de IA conversacional valuado en aproximadamente US$11.580 millones en 2024 y proyectado a US$41.390 millones para 2030 según Grand View Research (citado por CMSWire), con una tasa de crecimiento anual compuesta del 23,7%, la decisión de apostar por voz tiene lógica estratégica. SoundHound AI, que en julio de 2026 fue nombrado líder del Magic Quadrant de Gartner para plataformas de IA conversacional, construyó también su plataforma sobre arquitectura nativa de voz, según el comunicado de la compañía.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Capart resume la filosofía así: "La primera tesis, la IA es disruptiva, y la segunda es la voz, es la forma más natural de comunicarse". Esa segunda tesis los llevó a construir robots de voz y chat especializados en conversaciones que replican —y en ciertos escenarios superan— a operadores humanos.

Del entusiasmo tecnológico al caso de negocio

Uno de los aprendizajes más repetidos por Capart es evitar la trampa de la cosmética tecnológica. "Hay toda una capa con la IA de cosmética y de innovación, que hay que tenerla porque sí", señala, pero inmediatamente aclara que el valor real aparece cuando hay un caso de uso concreto y retorno económico medible.

La empresa midió ahorros de hasta 50% en determinados escenarios con grandes clientes de Latinoamérica. "La IA, bien aplicada en conversaciones, en ciertos escenarios, puede generar la misma performance que un humano, que un call center operado con humanos a una fracción del precio", explica Capart.

Pero el verdadero costo —advierte— no termina con un bot funcionando en una demo. Llevar la solución a producción exige plataforma, monitoreo, seguridad y capacidad de escalar. "Además de tener el bot, tienes que tener un servicio, la plataforma tiene que escalar, tiene que estar monitoreada, tienes que tener la seguridad apropiada", enumera.

¿Humano o robot? Lo que reveló el caso chileno

La aceptación del usuario sigue siendo el factor decisivo. Capart coincide con la percepción general: la mayoría prefiere hablar con un humano si puede. Pero un experimento de campo en Chile, en un negocio de toma de pedidos, mostró algo revelador: cuando la espera superaba los 10 minutos, los usuarios preferían al bot.

El caso fue así. La empresa usaba el robot solo cuando el equipo humano estaba saturado: horarios picos, fines de semana, alta demanda. La conclusión es práctica: "Si tenían que esperar más de 10 minutos, se iban. Preferían hablar con un robot antes que esperar más de 10 minutos", relata Capart.

Para call centers con alta rotación, otro hallazgo relevante: una vez entrenado y perfeccionado, un agente virtual puede concentrar el conocimiento acumulado de los mejores operadores. "Llega un momento, te diría más temprano que tarde, en el cual es tu mejor agente", sostiene el fundador.

El próximo salto: de la mímica a los detalles

Capart describe la evolución de la IA conversacional con una metáfora: "Antes estamos haciendo la mímica, ahora estamos haciendo los detalles". La primera generación imitaba la conversación; la nueva generación entiende el contexto conversacional: manejo de interrupciones, expresividad, respiración, emociones y características de la voz.

En el roadmap inmediato aparecen los modelos multimodales —entra audio, sale audio, sin pasar por texto— que prometen naturalidad y velocidad muy superiores. Capart también anticipa crecimiento de modelos pequeños y open source para aplicaciones conversacionales, junto con voces sintéticas mucho más realistas. En el cuadrante de Gartner, SoundHound destaca precisamente por su reconocimiento y síntesis de voz completamente ajustables y con conversión voz-a-voz ya en producción, según el reporte.

Seguridad, ISO 27001 y el nuevo estándar regulatorio

Para una empresa que gestiona millones de conversaciones, la seguridad no es opcional. Inceptia cuenta con certificación ISO 27001, el estándar global de gestión de seguridad de la información. En abril de 2026, la plataforma de IA DevRev también obtuvo su certificación ISO 27001:2022, en un movimiento que muestra cómo el mercado está convirtiendo la certificación en requisito de entrada para clientes enterprise.

Pero Capart advierte que la conversación regulatoria avanza más rápido que las certificaciones actuales. "Vas a tener que asegurar no solo que proteges los datos de ataques y proteges la privacidad y que no usas los datos para otras cosas, sino también asegurarte de que la IA no los usa", señala. En el comunicado de DevRev, Gartner estima que para 2028, el 50% de las organizaciones implementará una postura de zero-trust para gobernanza de datos por la proliferación de contenido generado por IA no verificado.

Servicio, escalabilidad y el modelo de consumo

Inceptia identifica dos diferenciales: servicio y escalabilidad. La empresa construyó un orquestador propio para soportar grandes volúmenes y adoptó un modelo comercial 100% basado en consumo: "Vos pagás por lo que usás, y un mes te factura una cosa y al otro mes otra porque vos consumiste más o menos", describe Capart sobre su esquema de facturación variable, que replica el patrón del SaaS moderno por uso.

De cara al próximo año, la apuesta fuerte es que más clientes puedan construir sus propios bots directamente desde la plataforma. "Nosotros estamos apostando mucho a que los usuarios van a construir sus propios bots en nuestra plataforma", anticipa Capart. El objetivo declarado: que la IA conversacional deje de ser una tecnología reservada para proyectos complejos y se convierta en una herramienta accesible para más organizaciones.

¿Qué significa esto para tu startup?

La historia de Inceptia —de una tesis fundacional a 120 millones de conversaciones mensuales en siete años— deja cuatro lecciones concretas para founders del ecosistema hispano:

Construye producto, no servicios a medida. La decisión de Inceptia de apostar por plataforma reusable desde el día uno explica por qué escalaron a 14 países. Si vendes horas o proyectos, no escalas; si vendes producto, cada cliente nuevo tiene costo marginal bajo. Antes de levantar capital, define si tu arquitectura soporta 10 o 10.000 clientes sin duplicar equipo.
Métricas de negocio, no demos técnicas. El ahorro de hasta 50% en call centers es la cifra que cierra contratos. La pregunta antes de cada release: ¿puedo ponerle un número al retorno del cliente? Si no puedes, no estás vendiendo, estás mostrando.
Certificación de seguridad como ventaja competitiva. En un contexto donde Gartner proyecta 50% de organizaciones con zero-trust para 2028, llegar a la conversación con ISO 27001 (o equivalente) te separa de la mitad del mercado que todavía no lo tiene. Si manejas datos sensibles, este es el momento de invertir en la certificación, no cuando un cliente enterprise te lo exija.
Diseña la espera. El caso chileno es una lección de experiencia de cliente: si la espera alternativa supera los 10 minutos, los usuarios eligen al bot. Antes de competir por el mejor NLU, compite por reducir el Time To Resolution. Una espera más corta con un bot mediocre le gana a un humano excelente que no llega a tiempo.