ChatGPT habla y controla tu computadora mediante voz

Cuando tu voz se convierte en el teclado

La interacción con la inteligencia artificial ya no está limitada al texto escrito. OpenAI ha anunciado una actualización significativa para la aplicación de escritorio de ChatGPT que permite a los usuarios dirigir la aplicación y gestionar tareas complejas simplemente hablando, sin necesidad de tocar el teclado ni mover el ratón. Este cambio no solo transforma la manera en que nos relacionamos con el ordenador, sino que abre horizontes completamente nuevos en el concepto de productividad digital.

¿Qué hay de nuevo en esta actualización?

La actualización se basa en la nueva familia de modelos de voz lanzada por OpenAI bajo el nombre GPT-Live, modelos diseñados para procesar audio en tiempo real con un nivel avanzado de fluidez y capacidad de respuesta. Entre las características más destacadas de esta actualización se incluyen:

• Control de agentes inteligentes por voz: el usuario puede dirigir múltiples agentes que operan dentro de ChatGPT Work o Codex mediante comandos de voz directos.
• Ejecución de tareas en múltiples pasos: la aplicación es capaz de procesar instrucciones complejas que abarcan una secuencia de acciones encadenadas de una sola vez.
• Navegación e interacción con aplicaciones: el modelo puede acceder a sitios web y aplicaciones del ordenador dentro del contexto de la tarea solicitada.
• Lectura de pantalla en macOS: a través de la función Appshots, la aplicación puede analizar el contenido de la pantalla, incluidos los textos alternativos de las imágenes, lo que enriquece el nivel de comprensión e interacción.

Un ejemplo práctico desde el entorno de desarrollo

Para ilustrar las capacidades de la actualización, OpenAI publicó un vídeo demostrativo en el que un desarrollador emite un único comando de voz solicitando a ChatGPT que cree un nuevo thread, suba un pull request y detecte la causa raíz de un error de programación, todo al mismo tiempo. Lo que antes requería minutos de navegación entre herramientas y ventanas ahora es posible con una sola frase hablada, lo que refleja el avance real que esta actualización ofrece especialmente a los desarrolladores.

Integración con dispositivos móviles

El alcance de esta función no se limita al ordenador de escritorio; la compañía aclaró que los usuarios pueden acceder a Codex por voz desde la aplicación de iOS mediante conexión remota, lo que convierte la experiencia en una extensión coherente entre distintos dispositivos en lugar de estar restringida a una plataforma específica.

La competencia se intensifica: Anthropic responde con su propia actualización

En el mismo contexto, Anthropic no se ha quedado de brazos cruzados: ha anunciado una actualización similar del modo de voz en su asistente Claude, que ahora es compatible con sus tres modelos Opus, Sonnet y Haiku. Lo más destacado es que esta actualización permite a Claude interactuar con aplicaciones externas de uso extendido como Gmail, Google Calendar, Slack, Notion y Canva, lo que lo convierte en una herramienta efectiva para entornos de trabajo cotidianos y no en un mero asistente de conversación.

La voz como puerta de entrada a la próxima generación de productividad

Esta tendencia acelerada por parte de las principales empresas de inteligencia artificial revela que la interfaz de voz se ha convertido en una apuesta estratégica real, y no en una simple función adicional. La capacidad de emitir comandos complejos por voz, recibir respuestas en tiempo real y controlar por completo el flujo de trabajo digital sin tocar el dispositivo está redibujando los límites de lo que significa ser productivo en la era de la inteligencia artificial. La pregunta ya no es si estas interfaces se generalizarán, sino cuán rápido nos adaptaremos a ellas.

✦ بقلم فريق دروب أيديا