ElevenLabs, la plataforma de generación de voz por IA valorada en US$11,000 millones, superó por primera vez los US$600 millones en ingresos anuales recurrentes a comienzos de este verano y proyecta acercarse a los US$100 millones en el sur de Europa para 2027, según Borja Batlle, responsable de la expansión de la compañía en España, Portugal, Italia, Andorra, Grecia, Malta, Chipre e Israel.
La escala de la compañía se refleja en sus métricas de plataforma: 40 millones de usuarios activos, más de 16,500 voces generadas por los propios usuarios y US$22 millones repartidos en royalties a quienes han cedido sus voces. Esos números sitúan a ElevenLabs como la referencia global en audio sintético, un mercado que combina texto a voz, clonación de voces, doblaje automático, transcripción, efectos de sonido y una capa de API que permite a terceras empresas integrar todo ese ecosistema en sus propios productos.
La apuesta agéntica y el mercado español
Batlle, nacido en Barcelona en 1993, dirige actualmente un equipo de 20 profesionales dedicados al sur de Europa y anticipa multiplicar esa cifra por cinco en el corto plazo. El directivo subraya que España presenta «un apetito brutal por la innovación, no solo entre las empresas del IBEX, también en la pyme», lo que explica despliegues que califica como ambiciosos.
El argumento comercial central de ElevenLabs en el segmento empresarial (B2B) descansa en los agentes de voz: sistemas de inteligencia artificial capaces de gestionar llamadas y consultas sin intervención humana. La compañía respalda ese modelo con un dato propio: el 80% de los usuarios encuestados afirma que su problema queda resuelto en la primera llamada, sin necesidad de escalar a un operador humano. Según Batlle, el esquema que se consolidará en los próximos años es claro: «la primera capa de atención al cliente siempre será con agentes; el humano será el recurso adicional cuando así se requiera». La plataforma agéntica también aplica para gestión interna de empresas, como consultas de empleados sobre nóminas o procesos administrativos.
Latencia de milésimas y voces icónicas
La latencia de los agentes de voz ha caído a milésimas de segundo, un umbral que, según Batlle, hace «indistinguible al agente del humano». Con todo, señala que algunas empresas optan deliberadamente por que el interlocutor sepa que habla con una máquina. «En el futuro, la IA estará presente en todas las conversaciones, sean entre dos personas, entre una persona y un agente, o entre varios agentes», afirmó.
La compañía, fundada en Londres en 2022 por los polacos Mati Staniszewski y Piotr Dąbkowski —con trayectorias previas en Palantir y Google, respectivamente—, también ha construido un catálogo de voces históricas mediante acuerdos de cesión de derechos. En su librería figuran las voces de John Wayne, Stan Lee, Celia Cruz y Judy Garland, junto a personajes de cultura popular como Mr Potato y Megatron.
La voz como próxima interfaz hegemónica
Batlle, con experiencia previa en emprendimiento —desde una marca de alimentos para Ghana y Nigeria hasta White Summer, un festival que atrajo a 200,000 personas en la Costa Brava— sostiene que la siguiente gran transición tecnológica ya está en marcha. «Después del smartphone, la siguiente interfaz hegemónica será la voz», afirma, acompañada de hardware diverso: terminales de nueva generación, anillos, gafas o brazaletes.
El indicador que cita es cotidiano: la forma en que los jóvenes envían mensajes de voz en WhatsApp, realizan búsquedas en internet o formulan peticiones a asistentes de inteligencia artificial. La generalización de la generación de voz por IA en esos flujos cotidianos es, para ElevenLabs, el principal vector de crecimiento de cara a los próximos años. Los inversores y empresas que sigan el segmento tendrán en los resultados de fin de año una primera prueba de si la proyección de US$100 millones para el sur de Europa va tomando forma.
