Resumen:
OpenAI anunció que la aplicación móvil ChatGPT ha comenzado a agregar funciones de agentes inteligentes basadas en voz. En el futuro, los usuarios no sólo podrán chatear con ChatGPT a través de la voz, sino que también podrán ordenarle directamente que realice trabajos prácticos más complejos mediante la voz. Por ejemplo, los usuarios pueden pedirle a ChatGPT que cree un documento, redacte un correo electrónico, resuma un mensaje de Slack o incluso realice una serie de tareas que requieren varios pasos para completarse.
El núcleo de esta actualización es llevar las capacidades de Agentic Work que ChatGPT ha agregado gradualmente al escritorio a los teléfonos móviles. Para los usuarios Plus y Pro, la pestaña Trabajo del teléfono móvil ahora se puede utilizar directamente para crear documentos, redactar correos electrónicos y resumir mensajes de Slack. También puede realizar flujos de trabajo más complejos, como crear sitios web, realizar presentaciones, utilizar navegadores en la nube y gestionar tareas relacionadas con las finanzas.
Para los usuarios de Free and Go, OpenAI se centra en el uso de complementos y aplicaciones conectadas. Esto significa que los usuarios con diferentes niveles de suscripción pueden hacer que ChatGPT funcione con herramientas y aplicaciones externas, pero la gama específica de funciones disponibles difiere.
Esta actualización también cambia la forma en que se comporta el modo de voz ChatGPT. OpenAI dijo que las conversaciones de voz ahora pueden proporcionar una salida de texto más rica y que los usuarios pueden ver información de texto más completa al mismo tiempo cuando se comunican con ChatGPT. Además, los usuarios también pueden cambiar más fácilmente entre los modos de texto y voz sin tener que finalizar la conversación actual y comenzar de nuevo.
El trabajo continuo entre dispositivos también es una parte importante de esta actualización. Los usuarios pueden usar su teléfono móvil para indicarle a ChatGPT que comience a procesar una tarea por voz cuando estén fuera y luego regresar a la computadora para continuar viendo y completando la tarea. En otras palabras, el teléfono móvil es el principal responsable de dar instrucciones e iniciar tareas en cualquier momento, mientras que el escritorio puede seguir manejando flujos de trabajo más complejos.
Este cambio está relacionado con la inversión continua de OpenAI en interacción de voz en los últimos años. En julio de este año, OpenAI lanzó un nuevo modelo de voz GPT-Live, que se centra en mejorar el diálogo natural, el procesamiento de interrupciones y las capacidades de comunicación continua. Posteriormente, OpenAI llevó esta capacidad de voz a las aplicaciones de escritorio, permitiendo a los usuarios controlar el agente inteligente en ChatGPT Work a través de la voz o completar tareas de desarrollo de software en Codex.
Las versiones de escritorio anteriores ya permitían a los usuarios emitir comandos complejos de varios pasos mediante voz. Por ejemplo, los desarrolladores pueden decirle directamente a ChatGPT que cree un nuevo hilo de código, envíe una solicitud de extracción y encuentre la causa raíz de la vulnerabilidad de un programa sin tener que realizar cada operación. Esta actualización móvil básicamente sigue esta idea, pero extiende aún más el control por voz y las capacidades de agentes inteligentes a los teléfonos móviles.
OpenAI cree que la voz se está convirtiendo en una forma importante para que las personas interactúen con la IA para completar tareas complejas. En lugar de tener que detenerse y escribir texto, los usuarios pueden decirle directamente a la IA lo que debe hacer a través de la voz mientras caminan, viajan o hacen otras cosas, y luego dejar que el agente inteligente continúe ejecutándolo en segundo plano.
Esta tendencia también es consistente con el posicionamiento anterior de OpenAI en tecnología de voz. La compañía ha declarado que espera que a medida que las capacidades del modelo sigan mejorando, la voz eventualmente se convierta en un método importante de interacción con la computadora y los usuarios puedan continuar ordenando a la IA para completar tareas cada vez más complejas y duraderas a través del lenguaje natural.
OpenAI también demostró esta dirección de desarrollo cuando lanzó GPT-Live en julio de este año. El nuevo modelo de voz no sólo puede manejar las interrupciones del usuario de forma más natural, sino que también puede recurrir a modelos de texto más avanzados para tareas de búsqueda, razonamiento y agencia durante la comunicación de voz continua. De esta forma, el modo de voz ya no es sólo una interfaz encargada de "hablar", sino que poco a poco se ha convertido en la entrada para controlar todo el sistema de trabajo de la IA.
Esta actualización móvil también significa que OpenAI está cambiando gradualmente el posicionamiento de la aplicación móvil ChatGPT. En el pasado, la versión móvil de ChatGPT era principalmente responsable de tareas como preguntas y respuestas, búsqueda, escritura y chat de voz. Ahora los usuarios pueden iniciar un flujo de trabajo completo directamente desde su teléfono móvil y dejar que la IA complete la operación real en aplicaciones y herramientas conectadas.
Al mismo tiempo, el enfoque de OpenAI también compite con la dirección que están tomando sus competidores. Anthropic también ha estado fortaleciendo recientemente las capacidades de colaboración móvil y de escritorio de Claude, e integrando aún más las interfaces de chat de Cowork y Claude, permitiendo a los usuarios iniciar tareas desde dispositivos móviles y luego transferirlas al escritorio para continuar con el procesamiento. Sin embargo, las dos empresas todavía tienen diferentes opciones en la estructura de productos. OpenAI todavía separa la interfaz de chat ordinaria de los espacios de trabajo como Work.
A juzgar por la hoja de ruta actual de productos de OpenAI, la voz, los agentes inteligentes y el trabajo entre dispositivos se están integrando gradualmente. En el futuro, los usuarios no necesitarán necesariamente abrir una aplicación específica, buscar botones específicos y luego operar el software paso a paso. En cambio, pueden indicar directamente sus objetivos y ChatGPT será responsable de comprender la tarea, llamar a las herramientas y ejecutar múltiples pasos.
Esta actualización móvil no solo agrega una función de chat de voz, sino que también permite que ChatGPT en el teléfono móvil comience a tener la capacidad de "funcionar con comandos de voz". A medida que OpenAI continúa mejorando productos como GPT-Live y Work, el modo de voz de ChatGPT se está transformando gradualmente de una simple herramienta de conversación a un portal que conecta a los usuarios con agentes de IA, aplicaciones externas y flujos de trabajo digitales reales.
Comentarios