La calidad de audio VoIP depende sobre todo de tres parámetros: latencia, pérdida de paquetes y jitter. Según ITU-T G.114, lograr menos de 100 ms de latencia y menos del 5 % de pérdida sitúa la llamada al nivel de la telefonía tradicional; hasta 150 ms y 10 % de pérdida todavía se consideran de muy buena calidad. La acción inmediata es medir estos tres valores extremo a extremo y aplicar QoS antes de invertir en más ancho de banda.
En resumen:
- La calidad de audio VoIP se sustenta en mantener la latencia por debajo de 100 ms y la pérdida de paquetes menor al 5 %, controlando también el jitter para evitar interferencias.
- Aplicar QoS marcando el tráfico con DSCP y segmentando en VLANs dedicadas mejora la priorización y reduce la necesidad de ampliar ancho de banda.
- Medir correctamente la pérdida de paquetes tras el jitter buffer ayuda a diagnosticar si los paquetes descartados llegaron tarde o se perdieron en la red.
- La ampliación de ancho de banda solo es recomendable tras verificar que la priorización y configuración de QoS ya no resuelven la degradación.
Tabla de contenidos
- Métricas y estándares: MOS, ITU-T G.114 y ETSI en la práctica
- Latencia, jitter y pérdida de paquetes: cómo se originan y cómo medirlos
- Códecs de voz: impacto en la calidad y en el ancho de banda
- Terminales y auriculares: qué revisar en teléfonos IP y softphones
- QoS y priorización: cómo marcar y aplicar DSCP correctamente
- Protocolo de pruebas: cómo medir la calidad VoIP de forma reproducible
- Checklist de resolución: pasos rápidos ante audio degradado
- Evidencia práctica: aprendizajes desde implementaciones de Anunzi
- Prioridades reales al mejorar la calidad de audio VoIP
- Garantizar audio claro en tus agentes de voz IA
- Fuentes
- Preguntas frecuentes
Métricas y estándares: MOS, ITU-T G.114 y ETSI en la práctica
El MOS (Mean Opinion Score) es la escala subjetiva de 1 a 5 con la que se evalúa la calidad percibida de una llamada. Códecs como G.711 y G.722 suelen alcanzar un MOS de entre 4,4 y 4,5, mientras que los códecs de baja tasa como G.729 se quedan en torno a 3,7-3,92. Estas cifras sirven como referencia para decidir qué codec conviene en cada tramo de red.
Umbrales de referencia según ITU-T G.114: una latencia inferior a 100 ms junto con una pérdida menor al 5 % equivale a la calidad de la telefonía tradicional.
Para decisiones operativas, conviene tener a mano estos rangos:
- Latencia menor a 100 ms y pérdida menor al 5 %: calidad excelente, comparable al PSTN.
- Latencia hasta 150 ms y pérdida hasta el 10 %: calidad todavía muy buena.
- Latencia superior a 300 ms o pérdida superior al 20 %: calidad inaceptable para uso profesional.
Los marcos de prueba ETSI complementan estos umbrales exigiendo una evaluación end-to-end, no solo del tramo de acceso, porque el terminal y el codec también condicionan el resultado final.
Latencia, jitter y pérdida de paquetes: cómo se originan y cómo medirlos
La latencia total de una llamada VoIP se compone de tres tramos: el procesamiento en los equipos, la serialización del paquete en la interfaz de red y la propagación física a través del enlace. Cada tramo suma milisegundos que el usuario percibe como retardo en la conversación, y por eso el objetivo nunca es un solo componente sino la suma extremo a extremo.
El jitter, es decir la variación en el tiempo de llegada de los paquetes, resulta más dañino para la inteligibilidad que el consumo de ancho de banda en sí. Un jitter buffer absorbe esa variación reordenando paquetes antes de reproducirlos, pero implica un trade-off: cuanto más grande, más latencia añade; cuanto más pequeño, más cortes provoca cuando llegan paquetes tarde.
Para que las mediciones sean comparables, la guía técnica de pruebas VoIP recomienda usar paquetes de 64 bytes en lugar de los pings estándar, que no reflejan el comportamiento real del tráfico de voz.
| Parámetro | Excelente | Aceptable | Problemático |
|---|---|---|---|
| Latencia | menos de 100 ms | hasta 150 ms | más de 300 ms |
| Pérdida de paquetes | menos del 5 % | hasta el 10 % | más del 20 % |
| Jitter | bajo y estable | variable pero controlado | picos frecuentes |
Consejo profesional: mida la pérdida de paquetes después del jitter buffer, porque muchos paquetes que parecen «perdidos» en realidad llegaron tarde y fueron descartados por el propio buffer.
Códecs de voz: impacto en la calidad y en el ancho de banda
La elección del codec determina tanto el MOS esperado como el consumo de banda por llamada. G.711 ofrece un MOS cercano a 4,4 sin compresión, mientras que G.722 amplía el ancho de banda de voz y llega a un MOS de aproximadamente 4,5. En el otro extremo, G.729 comprime la señal y reduce el consumo de datos, pero su MOS baja a un rango de 3,7 a 3,92.
- G.711: MOS alto, sin compresión, ideal para enlaces internos con ancho de banda disponible.
- G.722: banda ancha de voz, MOS alto, recomendable cuando el terminal lo soporta.
- G.729: comprimido, MOS más bajo, útil solo cuando el enlace tiene ancho de banda limitado.
- Evitar el transcoding entre códecs siempre que sea posible, porque cada conversión añade procesamiento y puede degradar el MOS final.
La recomendación práctica es sencilla: usar códecs sin pérdida en la red interna y reservar los comprimidos para tramos donde el ancho de banda es realmente el factor limitante.
Terminales y auriculares: qué revisar en teléfonos IP y softphones
Un teléfono IP de hardware dedicado suele ofrecer un procesamiento de audio más estable que un softphone corriendo sobre un sistema operativo general, sobre todo bajo carga de CPU. En entornos de call center, los auriculares con cancelación de ruido activa y micrófono de brazo ajustable mejoran de forma directa la inteligibilidad percibida por el interlocutor.
- El hardware dedicado tiende a mantener el MOS más estable que el softphone bajo carga alta de CPU.
- Los auriculares con cancelación de eco y ruido son preferibles en oficinas abiertas y centros de contacto.
- Revisar en cada terminal el tamaño del jitter buffer, la ganancia de micrófono y la cancelación de eco antes de un despliegue masivo.
Estos ajustes, aplicados de forma consistente en toda la flota de dispositivos, evitan que un problema de configuración local se confunda con un problema de red. Puede resultar útil revisar cómo se gestionan las llamadas atendidas por voz en entornos donde la calidad del terminal condiciona directamente la tasa de resolución.
QoS y priorización: cómo marcar y aplicar DSCP correctamente
Según un estudio técnico de la Bundesnetzagentur, priorizar el tráfico de voz mediante QoS protege mejor la calidad que simplemente ampliar el ancho de banda disponible en redes multired, y además requiere menos coordinación entre dominios administrativos distintos.
- Marcar el tráfico RTP con DSCP EF (Expedited Forwarding) y la señalización SIP con DSCP AF31 en el origen, lo más cerca posible del dispositivo emisor.
- Configurar los switches y routers intermedios para respetar esas marcas, aplicando policing en los bordes de la red y shaping solo donde exista contención real.
- Separar el tráfico de voz en una VLAN dedicada cuando la infraestructura lo permita, reduciendo la competencia con tráfico de datos no prioritario.
- Validar el resultado con una prueba de llamada bajo carga simulada, comparando latencia y pérdida antes y después de aplicar las políticas.
Consejo profesional: aplique QoS antes de considerar una ampliación de ancho de banda: en la mayoría de los casos, los picos de tráfico, no la capacidad total, son la causa real de la degradación.
Protocolo de pruebas: cómo medir la calidad VoIP de forma reproducible
Para generar una línea base fiable conviene usar un tester VoIP dedicado, no un simple ping. La guía de pruebas de calidad VoIP recomienda configurar paquetes de 64 bytes, un total de 1.000 paquetes y un intervalo de 10 ms para simular tráfico de voz real y capturar los picos de jitter.
- Establecer una línea base en horario de baja actividad, sin carga adicional en la red.
- Repetir la prueba bajo carga simulada, saturando parcialmente el enlace con tráfico de datos.
- Medir de nuevo en hora punta real, cuando coinciden llamadas y tráfico corporativo habitual.
- Verificar los resultados tras aplicar cualquier cambio de configuración, comparando contra la línea base original.
- Documentar cada prueba con fecha, hora, latencia, pérdida y jitter observados.
- Escalar al proveedor de SIP trunk o al ISP cuando los valores excedan los umbrales de ITU-T G.114 de forma sostenida, no puntual.
Este procedimiento aplica también cuando se integra telefonía con un sistema de agentes IA, donde la calidad de la llamada condiciona directamente la precisión del reconocimiento de voz.
Checklist de resolución: pasos rápidos ante audio degradado
Cuando aparece un problema de calidad, conviene seguir un orden fijo de comprobación en lugar de probar cambios al azar.
- Verificar que las marcas DSCP siguen presentes en todo el trayecto, incluyendo switches intermedios que puedan reescribirlas.
- Revisar qué codec está en uso y confirmar que no hay transcoding innecesario entre tramos.
- Medir jitter y pérdida con un tester VoIP configurado con paquetes pequeños, nunca con un ping genérico.
- Comprobar la carga de CPU del PBX o del servidor de telefonía, ya que un procesador saturado degrada el audio aunque la red esté sana.
- Separar el tráfico de voz en su propia VLAN si aún no está aislado del tráfico de datos general.
- Forzar temporalmente un codec de mayor calidad y ajustar el tamaño del jitter buffer para confirmar si el síntoma desaparece.
- Escalar al ISP o al proveedor de SIP trunk cuando la degradación persista fuera de la red propia y los pasos anteriores no la resuelvan.
Evidencia práctica: aprendizajes desde implementaciones de Anunzi
En la atención ciudadana con agentes de voz, la Municipalidad de Villa María puso en marcha un agente de voz operativo en cuatro semanas, resolviendo el 85 % de los reclamos sin derivar a un humano. Sostener ese nivel de resolución autónoma exige vigilar de forma constante la pérdida de paquetes, el jitter y el MOS estimado de cada llamada, porque un agente de voz depende de un audio limpio para transcribir e interpretar correctamente la conversación. Se aplican rutinas de prueba similares a las descritas en este artículo antes de cada despliegue, y se ofrece soporte técnico e implementación en español para diversos sectores.
Prioridades reales al mejorar la calidad de audio VoIP
Medir antes de comprar es la regla que más dinero ahorra: la mayoría de los problemas de audio se resuelven con QoS y una configuración correcta del jitter buffer, no con más ancho de banda. Ampliar el canal solo tiene sentido cuando las pruebas confirman que la capacidad, y no la priorización, es el cuello de botella real.
— Matias
Garantizar audio claro en tus agentes de voz IA
Un agente de voz IA solo es tan bueno como el audio que recibe: si la latencia o el jitter degradan la señal, la transcripción falla y la experiencia del cliente se resiente.
- Prueba en tiempo real de un agente de voz para verificar la calidad de audio en tu propio entorno.
- Integración con CRM, agendas y sistemas de pago ya existentes.
- Implementación guiada, con casos documentados en municipios, clínicas y equipos comerciales.
Si quieres comprobar cómo se comporta un agente de voz IA con tu infraestructura actual, puedes probar el agente IA en tiempo real y evaluar la calidad de audio en condiciones reales.
Fuentes
Preguntas frecuentes
¿Cuál es la diferencia entre VoIP y telefonía IP?
VoIP es la tecnología que transporta la voz como datos sobre una red IP, mientras que telefonía IP suele referirse al conjunto de equipos y servicios (teléfonos IP, centralitas, softphones) que usan esa tecnología para ofrecer un servicio telefónico completo. En la práctica, ambos términos se usan de forma casi intercambiable en el sector.
¿Qué es el protocolo de voz por Internet?
El protocolo de voz por Internet convierte la señal de audio en paquetes de datos que viajan por una red IP en lugar de por la red telefónica tradicional. Su calidad depende directamente de la latencia, la pérdida de paquetes y el jitter de la red por la que circulan esos paquetes, según describe ITU-T G.114.
¿Cuál es la mejor centralita virtual?
No existe una única centralita virtual válida para todos los casos: la elección depende del volumen de llamadas, las integraciones necesarias con CRM o pagos, y el soporte técnico disponible en el idioma del equipo. Para empresas que buscan además automatizar la atención con voz, una alternativa es evaluar un asistente de voz IA personalizado que se integre con la telefonía existente.
¿Qué valores de latencia y pérdida son aceptables en VoIP?
Según ITU-T G.114, una latencia inferior a 100 ms y una pérdida de paquetes menor al 5 % ofrecen calidad comparable a la telefonía tradicional.
¿Cómo se mide correctamente el jitter en una red VoIP?
El jitter se mide con un tester VoIP dedicado configurado con paquetes pequeños, de unos 64 bytes, en lugar de con un ping estándar que no refleja el comportamiento real del tráfico de voz. Conviene medirlo tanto antes como después del jitter buffer para distinguir la variación real de la red de los paquetes que el buffer descarta por llegar tarde.
