ChatGPT quiere que dejes de escribirle: su voz ya puede poner a trabajar a otros agentes

Hablarle a una computadora ya no servirá únicamente para pedirle que reproduzca una canción, programe una alarma o responda una pregunta rápida. OpenAI quiere convertir la voz en una nueva forma de trabajar con agentes de inteligencia artificial (IA), por lo que la compañía anunció la incorporación de GPT-Live a la aplicación de escritorio de ChatGPT.

La función permite utilizar ChatGPT Voice para iniciar y supervisar tareas realizadas por agentes como ChatGPT Work y Codex sin tener que permanecer escribiendo instrucciones dentro de una conversación.

En la práctica, el usuario puede hablarle a ChatGPT mientras revisa un correo electrónico, consulta un documento, programa en otra ventana o prepara una reunión. La IA puede recibir instrucciones, hacer preguntas para aclarar una tarea y continuar trabajando mientras la persona utiliza otras aplicaciones.

La apuesta va más allá de añadir un micrófono al chatbot. OpenAI busca que la voz funcione como una capa de control para coordinar diferentes herramientas y procesos desde una sola conversación.

Una IA que escucha, observa y actúa

Para utilizar la función, los usuarios deben abrir la aplicación de ChatGPT para macOS o Windows y seleccionar el botón de Voz ubicado en la parte inferior del cuadro de conversación.

Una vez activado, ChatGPT Voice puede apoyarse en plugins, archivos locales, capturas de aplicaciones y funciones de control de la computadora para comprender qué está haciendo el usuario y ejecutar acciones relacionadas con ese contexto.

Por ejemplo, una persona puede pedirle que analice el documento que tiene abierto, que comience una investigación, que redacte respuestas para correos pendientes o que revise el avance de una tarea de programación iniciada previamente.

En macOS, la función Appshots permitirá que ChatGPT consulte la ventana que se encuentra en primer plano. De esta manera, el usuario podrá hacer preguntas sobre el contenido visible sin tener que copiarlo, pegarlo o describirlo manualmente en el chat.

La conversación tampoco tiene que detenerse cuando el agente comienza a trabajar. ChatGPT Voice puede seguir recibiendo instrucciones para iniciar nuevas tareas, consultar avances, responder preguntas o redirigir procesos que ya se encuentran en ejecución.

En lugar de abrir y administrar varias conversaciones por separado, el usuario puede controlar diferentes trabajos mediante una interacción continua por voz.

Del asistente que responde al agente que coordina

Uno de los cambios más relevantes es que la voz deja de funcionar únicamente como una alternativa al teclado.

Hasta ahora, hablar con una IA estaba asociado principalmente con obtener respuestas inmediatas. Con GPT-Live, OpenAI plantea un modelo distinto: el usuario conversa con el sistema mientras, en segundo plano, distintos agentes investigan, programan, revisan documentos o preparan entregables.

Una persona podría, por ejemplo, revisar su bandeja de entrada mientras toma café y preguntarle a ChatGPT qué mensajes requieren respuesta. Después podría dictarle la intención de cada respuesta y pedirle que prepare los borradores.

También podría explicarle verbalmente un problema complejo mientras se aleja de su computadora y solicitarle que organice la información en un documento con el contexto, los posibles caminos y los siguientes pasos.

Antes de una reunión, la herramienta podría revisar notas, identificar las decisiones tomadas y comenzar a investigar los asuntos que todavía no tienen respuesta.

Para los desarrolladores, la interacción puede extenderse a tareas más técnicas. ChatGPT Voice puede recibir la instrucción de comenzar una funcionalidad, revisar un pull request, rastrear un problema entre Slack y GitHub o coordinar varias tareas de programación al mismo tiempo.

También puede utilizar un diseño como punto de partida y dividir el trabajo en tareas independientes para frontend, backend y pruebas.

Trabajar sin vigilar cada movimiento de la IA

La primera generación de chatbots requería que el usuario describiera con precisión cada paso. Los agentes buscan operar con mayor autonomía, consultar diferentes fuentes y avanzar durante periodos más largos. La voz podría hacer que esa colaboración sea menos rígida.

En lugar de supervisar cada acción desde una ventana de chat, el usuario puede explicar un objetivo, responder preguntas y retomar la conversación cuando necesite revisar o modificar el rumbo del trabajo.

OpenAI había presentado GPT-Live dos semanas antes como parte de su visión para construir una interacción más natural entre las personas y la inteligencia artificial. Su llegada a la aplicación de escritorio permite hablar con la computadora mientras distintos agentes trabajan a un lado.

El verdadero cambio, sin embargo, consiste en que esa conversación pueda poner en marcha trabajo real sin obligar al usuario a abandonar lo que está haciendo.

Disponibilidad de ChatGPT Voice para escritorio

ChatGPT Voice para escritorio comenzó a implementarse globalmente en macOS y Windows para usuarios de los planes Plus, Pro, Business y Enterprise.

La función también incluye compatibilidad con ChatGPT Remote en iOS y llegará próximamente a Android. Las tareas iniciadas mediante voz utilizarán el cupo disponible para Codex y ChatGPT Work. Es decir, consumirán uso de la misma manera que las tareas ejecutadas directamente desde estos agentes.

ChatGPT Voice también comenzó a implementarse para usuarios Business y Enterprise en la versión web y en dispositivos móviles.