Mati Staniszewski: “En 2030, todos tendremos varios agentes de IA trabajando en nuestro nombre”
Hace apenas cuatro años, ElevenLabs era la idea de dos amigos de la infancia de Varsovia, Mathias Staniszewski y Piotr Dabkowski, cansados de las películas extranjeras que en Polonia narra un único locutor. Hoy es una de las compañías de inteligencia artificial más valiosas de Europa. En febrero de 2026 levantó US$500 millones en una ronda liderada por Sequoia Capital, BlackRock y Nvidia, alcanzando una valuación de US$11.000 millones, más del triple de los US$3300 millones de enero de 2025. Con sede en Londres, comparte el club de los unicornios tech europeos con la francesa Mistral AI, la sueca Lovable, la británica Synthesia y las alemanas DeepL y n8n, entre otras. Lo que la distingue es que integra el reducido grupo de startups europeas que compiten de igual a igual con Silicon Valley en su categoría.
Staniszewski, ex Palantir, es uno de los rostros más visibles de la nueva generación de fundadores europeos y anticipó que quiere a ElevenLabs lista para salir a la bolsa en dos o tres años. Asegura que la voz será la próxima gran interfaz de la IA, a medida que los modelos avanzan más allá del texto y las pantallas. La apuesta tiene capítulo argentino: la empresa dobló a todos los idiomas la conversación entre Lex Fridman y Javier Milei con la voz original del Presidente, y trabaja con la Ciudad de Buenos Aires en la evolución del bot de contacto con la ciudadanía y con fintechs locales. En su paso por el país en el medio de una gira latinoamericana para reunirse con clientes y prospectos, Staniszewski conversó con LA NACION junto con Javier Verde, CEO para Latinoamérica de ElevenLabs, proveniente de Salesforce.
-¿Cómo están implementando la IA conversacional las distintas industrias?
–Combinamos la investigación fundamental sobre la voz con el producto: desarrollamos modelos para generar voz, transcribirla y orquestar todo, y sobre eso una plataforma para construir experiencias de IA conversacional. A nivel mundial, el mayor uso es la atención al cliente. En lugar del clásico “presione 1 para esto, presione 2 para aquello”, llamás y tenés una experiencia interactiva. En segundo lugar, las operaciones: dar mejor conocimiento a las personas a lo largo de su ciclo de vida en las empresas. Varias compañías de salud, por ejemplo, no solo atienden llamadas: hacen seguimiento de los pacientes para recordarles turnos o preguntarles cómo se sienten. En gobierno trabajamos con la Ciudad de Buenos Aires, cuya aplicación centralizada informa, por ejemplo, cómo renovar la licencia de conducir o cómo viajar; en Brasil, con el Tribunal Superior Electoral (TSE), para informar cómo y cuándo votar. Y crece el uso en ventas: en lugar de completar un formulario, hablar con un agente de voz de manera más ágil.
-¿Qué particularidades tiene América Latina?
-Javier Verde: Tenemos una economía basada en el crédito. Grandes bancos y fintechs lo usan para vender tarjetas de crédito y, sobre todo, para cobranzas, el caso de uso número uno en la región. En lugar de un humano cobrando, hay un enfoque omnicanal, correo, WhatsApp, y finalmente la llamada la hace un agente de voz. Como dato curioso, nuestros mejores agentes de IA de cobranza rinden de manera constante alrededor de un 50% mejor que la mayoría de los humanos.
-Desde el lado del cliente, ¿cómo cambió la experiencia?
-Es muchísimo más rápido: no esperás, está disponible 24/7 y funciona en distintos idiomas y dialectos. Una experiencia personalizada que funciona. Y, esa es la belleza de la IA, la conversación se conecta con la información de tu cuenta y la trae a la superficie en un flujo no predeterminado. En la atención tradicional todos tienen la misma experiencia, en ciertos horarios, con un flujo rígido de “pregunto esto, después esto y recién después llego a tu problema”. Con la IA podés buscar por conceptos y hacer preguntas específicas para tu situación. Y lo emocional se siente muy natural, como ahora: rápido, fluido, pero también emocional. Si estoy más estresado, quizás el agente sea más tranquilizador. Si querés que hable más lento, habla más lento. Se ajusta a la necesidad.
-El agente puede “sonar” humano, pero no lo es, y muchos querrán hablar con una persona. ¿Cuándo aconsejan un humano en el circuito?
–Definitivamente coexistirán. Pero lo que los clientes quieren es que se resuelva su problema; por lo que vimos, si se resuelve rápido, no importa si lo hace un humano o un agente, por voz o por texto. Algunos problemas son más complejos y requieren matices. Lo mejor será que el sistema sepa cuándo traer a un humano. Saber cuándo escalar es complejo: hoy construimos límites (guardrails) del tipo “si algo no está bien, escalá”. Pero un caso muy prometedor, un cliente muy importante o un problema que requiere la parte emocional también son disparadores para pasarle la conversación a un humano. Una de las fintechs más grandes de la Argentina, tiene la IA como primer flujo; luego escala al humano, y cuando el humano lo resuelve, el trabajo manual restante vuelve al agente. Los flujos ideales serán IA-humano-IA, según la necesidad.
-Cada semana hay un modelo nuevo y algunos dicen que ya llegamos a la inteligencia artificial general (AGI). ¿Cómo lee este momento?
-Hay dos partes: lo que vemos y lo que esperamos resolver. Hubo muchos desarrollos en los últimos días y hay quienes afirman que se cruzó la frontera de la AGI. Si la pregunta es “¿puede la IA hacer casi cualquier cosa que un humano podría hacer en el mundo digital?”, la respuesta probablemente sea sí, o casi: está un 80% o 90% allí. Los agentes superan al humano promedio, pero probablemente no a los mejores, lo cual es genial: esa simbiosis sigue importando. Lo que no está resuelto es cómo interactúan las personas y la tecnología: no es del todo emocional, ni fluido, ni accesible. Si llega la AGI o una IA superinteligente, para llevar ese beneficio a todos necesitás una interfaz para comunicarte con ella.. No querés una AGI con valores que no representen la cultura local, como no querés que toda la comunicación tenga acento estadounidense. Esa es la gran transición.
-Más allá de su negocio, ¿qué aplicaciones de la IA lo entusiasman?
–Primero, se romperá la barrera entre humanos y tecnología. Segundo, la del idioma: podremos hablar en cualquier lengua y comprender historias de cualquier idioma manteniendo la expresividad original.Tercero, amplificar el potencial humano: todos tendremos varios agentes trabajando en nuestro nombre, como maestro o asistente. Todavía no está ahí, pero imaginá la educación con un agente que te enseñe física o matemática, y cada persona del mundo con un tutor increíble, algo imposible hoy. Y el último, más de nicho pero probablemente el más significativo: la voz es una parte enorme de la identidad. Si perdés tu voz, perdés parte de tu identidad. Ayudamos a muchas personas que la perdieron por cáncer o esclerosis lateral amiotrófica (ELA) a recuperarla; en la Argentina, con una organización local, para que vuelvan a comunicarse con sus seres queridos.
-Usted dijo que los modelos de voz serán un commodity en dos años. Si su producto se vuelve genérico, ¿cuál es su ventaja competitiva?
-Es una pregunta difícil que tiene tres niveles: investigación, producto y ecosistema. En investigación, en dos o tres años las diferencias entre modelos serán menores. Queremos seguir liderando con modelos con matices locales, pero quienes paguen por la máxima calidad serán un grupo cada vez más chico. El producto no será un commodity: será aún más importante entender qué problema resolvés. Con los bancos, el modelo es solo una parte; hay que integrarlo con distintos conocimientos y departamentos, desplegarlo de forma segura y a escala, y probar y monitorear cómo trabaja. Eso lleva mucho tiempo, y ahí acumulamos valor: tendremos la mayor cantidad de integraciones, simulaciones y configuraciones sobre las cuales construir. Y el ecosistema: si lo hacemos bien, habremos creado una marca confiable y un conjunto de elementos listos para usar, desde integraciones hasta voces de distintos estilos, edades, géneros y acentos. Ya creamos el mayor mercado de voces, donde la gente puede crear su voz de IA, compartirla y ganar dinero con ella. Así vemos nuestra ventaja: la investigación lidera en el corto plazo, el producto en el mediano y el ecosistema en el largo.
-Google, Antrophic, OpenAI son socios, pero también competidores, y podrían lanzar una API con voces increíbles en cualquier momento.
-La mayor diferencia es el foco. Nosotros resolvemos cómo será la IA conversacional y cómo interactúan personas y tecnología. Para las demás, la conversación no es prioridad, y por eso muchas veces no ofrecen una experiencia tan buena, ni modelos tan buenos, ni cumplen con sus clientes de la misma manera. No alcanza con los modelos, hacen falta producto y ecosistema. Nosotros tenemos 50.000 voces; Google tiene 50. Con OpenAI, la misma historia, incluso menos. Y están las integraciones, el trabajo diario para conectarse a WhatsApp, correo, SMS y sistemas telefónicos. Nos diferencia la obsesión por la mejor experiencia conversacional. Los superamos en investigación y en producto.
-¿Qué negocios nacerán con la IA conversacional de voz que todavía no estamos viendo?
-Javier Verde: Dos cosas. Una: como dijo Mati, la voz será la interfaz. Hoy, para comprar, abrís un sitio de e-commerce y buscás. En el futuro vas a hablarle a tu aplicación o a una pantalla, encontrar lo que querés y comprarlo. El comercio electrónico se transformará, con un recorrido de cliente de principio a fin. A mí me encanta el tenis, y cuando vas a comprar una raqueta tenés cientos de opciones. ¿Qué tal si puedo decir “Hola, mido 1,88 m, me gusta jugar con mucho top spin, prefiero este peso, ¿qué me recomendás?”. La otra la sentí desde el primer día en ElevenLabs: el foco enorme en la productividad. En el onboarding tenés un asistente de IA disponible 24/7. Eso se especializará: en una telco que despliega servicios con clientes, cada uno tendrá su asistente. Y la capacitación se transformará por completo. Hoy las certificaciones se hacen con el gerente o los colegas, y dependés de que alguien te dé feedback; es difícil tener un estándar para todos. En nuestros entrenamientos, el agente de IA hace un juego de roles con personas en Japón, en España, en la Argentina, y evalúa el desempeño.Es una evaluación súper justa que nos ayuda a mejorar.
-En América Latina no somos tan buenos en gobernanza de datos como Estados Unidos o Europa. ¿Ayudan a sus clientes con eso?
-Javier Verde: Una buena base de datos es crítica para que la IA funcione. Gran parte de nuestro equipo viene de Palantir, como Mati, y eso hacían: asegurar cimientos correctos para un buen despliegue. Tenemos una capa de orquestación con distintos sistemas de integración, así que nos ocupamos de los datos que normalmente están del lado del cliente. El problema real es qué tan fácil es acceder a ellos y hacerlos funcionar en una interacción conversacional.
-ElevenLabs ya fue usada en casos de fraude y desinformación. ¿Qué pasos concretos y verificables tomaron para no ser la herramienta preferida de los criminales digitales?
-En todo cambio tecnológico hay malos actores. Asumimos la responsabilidad de liderar en salvaguardas. Concretamente: primero, procedencia y transparencia. Todo el contenido generado en ElevenLabs es rastreable hasta la cuenta que lo generó, y tenemos marcas de agua para saber exactamente de dónde proviene. Segundo, moderamos texto y voz: no podés crear cualquier voz ni cualquier texto. Si intentás estafar a alguien, por ejemplo con un pedido financiero, lo bloqueamos mientras se genera. Tercero, colaboramos con la industria en modelos para detectar contenido de IA. Trabajamos con los institutos de seguridad de IA del Reino Unido y de Estados Unidos, con fundaciones y empresas y buscamos ofrecer herramientas de protección generales, porque buena parte del fraude actual no ocurre con modelos de ElevenLabs, sino con modelos de código abierto, y también hay que protegerse de eso.
-¿Qué nunca deberíamos delegar en la IA?
-Cualquier caso muy emocional, o complejo y de múltiples pasos, idealmente debería quedar en manos humanas. Es algo que solo un humano puede darle a otro humano.
-¿Cómo imagina el mundo en 2030?
-Se superará el test de Turing en la conversación: sonará como un humano. Pensalo así: durante décadas aprendimos el lenguaje de la tecnología, el teclado, la pantalla, los lenguajes de programación. Ahora ocurre lo inverso: le estamos enseñando a la computadora nuestro propio lenguaje, la voz y la conversación natural. En 2030 será la norma: te comunicarás con la tecnología en tus propios términos y pasará a segundo plano; no caminaremos mirando el teléfono, que irá al bolsillo trasero. Segundo, todos tendremos un agente, muchos agentes, trabajando en nuestro nombre en educación, en operaciones, ayudándonos en la vida diaria. Y las dos barreras de las que hablamos, entre los humanos y la tecnología y la del idioma, habrán desaparecido.