Llevamos meses pensando que la batalla de los asistentes de voz iba a estar en tener respuestas algo más rápidas o tonos de voz naturales. Pero parece que OpenAI tiene unos planes bastante más ambiciosos entre manos.
Según recientes filtraciones encontradas directamente en el código base de ChatGPT, la compañía está trabajando en un modo de voz en tiempo real para Codex. Y no, ya no es solo una herramienta centrada en desarrolladores para picar código. Quieren que te organice la vida entera. Así de simple.
En concreto, se han detectado nuevas cadenas de texto ocultas que describen un agente de propósito general asombrosamente capaz. Hablamos de un asistente virtual al que podrías acceder directamente por teléfono o desde tu escritorio de trabajo. La idea arquitectónica que plantean es fascinante: una capa de voz principal mantiene una charla fluida y continua contigo mientras, entre bambalinas, varios «agentes trabajadores» ejecutan tareas complejas en segundo plano. Tú no te enteras del nivel de la ingeniería, simplemente ves resultados tangibles en tu pantalla.
También te puede interesar:La Jugada de OpenAI al Comprar Astral, que Puede Cambiar el Desarrollo en Python
Los prompts del sistema que se han filtrado son una auténtica declaración de intenciones por parte de la empresa. Mencionan acciones concretas que van desde consultar canales de Slack o abrir documentos locales, hasta gestionar todo tu calendario y controlar la reproducción en Spotify. Por si fuera poco, a ello se le suma la enorme capacidad de navegar por internet de forma totalmente autónoma. Pero lo que realmente asusta, para bien, es que está diseñado para hacer compras online y pedir comida rastreando plataformas como Uber Eats.
El fin de las aplicaciones aisladas en la IA
Evidentemente, este movimiento estratégico no surge de la nada ni es fruto de la improvisación. Si sigues de cerca los pasos de OpenAI, te habrás dado cuenta de que su hoja de ruta actual pasa por unificar absolutamente todos sus productos. Recientemente han integrado la aplicación de Codex directamente dentro de la app de escritorio de ChatGPT, compartiendo espacio con las pestañas de Chat y Work. Su objetivo final es centralizar tu flujo de trabajo en una única interfaz.
Todo este entramado operativo funcionaría apoyado sobre el marco de Codex Remote Control. Es muy probable que no te suene de nada, pero es una potente función que alcanzó la disponibilidad general el pasado junio para todas las cuentas de pago. La meta es que tu voz sirva como un director de orquesta infalible. Te permite delegar y gestionar múltiples tareas simultáneas en tu ordenador portátil, para luego recibir los resultados resumidos en voz alta. Una auténtica maravilla técnica.
El motivo detrás de esta evolución es muy transparente: necesitan captar masivamente al usuario medio. Una capa de voz inteligente que sirva lo mismo para lidiar con complejos scripts de programación que para pedirte una hamburguesa un viernes por la noche, encaja perfectamente en su visión comercial. Ya no hace falta pelearse con la terminal de comandos ni tener conocimientos técnicos avanzados. Hablas, y la máquina ejecuta.
También te puede interesar:La Jugada de OpenAI al Comprar Astral, que Puede Cambiar el Desarrollo en PythonModelos misteriosos, latencia cero y chips de Cerebras
Pero claro, la letra pequeña de todo esto es que todavía hay demasiadas incógnitas sobre la mesa de desarrollo. Aún no sabemos con exactitud qué modelo de lenguaje, o LLM, va a mover todo este salvaje peso computacional. El principal candidato para mantener el tipo es el modelo de voz bidireccional que ya vimos en las demostraciones de primavera, aunque no hay nada cerrado. Tampoco está confirmado si este supuesto Codex Real-Time tendrá un botón dedicado en el selector de modelos de la aplicación.
Si miramos los últimos rumores que resuenan en Silicon Valley, la tecnología de fondo se vuelve aún más prometedora. Algunos miembros clave del equipo de Codex han insinuado novedades inminentes, fuertemente centradas en el uso intensivo de agentes paralelos. Para que este ecosistema funcione bien y sin una latencia desesperante, se requiere una potencia brutal. Y aquí es donde entra en juego una inferencia mucho más rápida, servida por el hardware especializado de Cerebras para dar vida al enigmático modelo GPT-5.6 Sol.
Y es que esta colaboración técnica de alto nivel no es ningún invento reciente de última hora. Ambas compañías llevan trabajando de la mano desde enero, una sólida alianza que ya dio a luz a proyectos tan prometedores como Codex-Spark. Lo que nos falta por encajar ahora mismo es el calendario de lanzamientos. Podríamos estar ante una fase muy temprana de desarrollo interno, o quizás estas funciones rompedoras lleguen en un paquete sorpresa que aún no han hecho público. Nos tocará tener bastante paciencia.
Visto lo visto, estamos a las puertas de presenciar un cambio de paradigma total en la industria tecnológica. Pasar de un simple chatbot que te redacta correos aburridos a un enjambre real de agentes autónomos que gestionan tu agenda diaria y compran por ti, lo cambia absolutamente todo en nuestro día a día.
Veremos si la tecnología actual está lo suficientemente madura como para que le confiemos nuestra tarjeta de crédito a ciegas. La pelota, una vez más, está en el tejado de Sam Altman y su equipo.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
