OpenAI ha llevado su modo de voz GPT-Live a las aplicaciones de escritorio de ChatGPT para macOS y Windows, una actualización que transforma la interfaz de voz de un asistente conversacional a un controlador de agentes autónomos.
La función, anunciada el 23 de julio de 2026, permite a los usuarios de los planes Plus, Pro, Business, Edu y Enterprise dar órdenes por voz a múltiples agentes que operan en ChatGPT Work y Codex. Una demo oficial muestra a un desarrollador usando un solo comando de voz para crear un nuevo hilo, hacer una pull request e identificar la causa raíz de un bug, todo sin tocar el teclado.
De walkie-talkie a conversación simultánea
La clave técnica es la arquitectura full-duplex de GPT-Live. A diferencia del modo de voz tradicional —que funcionaba como un walkie-talkie, donde el modelo esperaba un silencio limpio para responder—, GPT-Live puede escuchar y hablar al mismo tiempo. Esto permite interrumpir al asistente, cambiar el rumbo de la conversación o que el modelo intercale expresiones como “mmm” o “sí” mientras el usuario ordena sus ideas, imitando los ritmos de una conversación humana.
Sobre esta capa de interacción continua, el modelo delega las tareas complejas —búsqueda en la web, razonamiento profundo— a GPT-5.5 en segundo plano, mientras mantiene activo el diálogo con el usuario. La separación entre interacción y procesamiento es lo que permite, por ejemplo, que mientras ChatGPT sugiere atuendos para un evento, resuelva en paralelo una ecuación sin que ninguna tarea interrumpa a la otra.
Acción sobre el sistema operativo
La versión de escritorio va más allá de la móvil, lanzada el 8 de julio. Mientras que en el teléfono GPT-Live mejoraba la fluidez conversacional pero no podía actuar sobre el dispositivo, en la computadora puede ejecutar comandos multi-paso, acceder a archivos locales, navegar por sitios web con Computer Use y coordinar agentes en paralelo.
En macOS, una función exclusiva llamada Appshots permite al asistente acceder al contenido de la ventana activa en primer plano —incluyendo texto alternativo de imágenes— para ganar contexto sin que el usuario tenga que describir lo que ve. En Windows, el mismo control por voz está disponible, pero sin ese acceso contextual automático; el usuario debe describir verbalmente lo que quiere que el agente tome en cuenta.
El soporte para iOS también permite control remoto de Codex desde el teléfono hacia el escritorio, mientras que para Android se anuncia como “próximamente”.
Implicaciones para la seguridad corporativa
Desde una perspectiva de infraestructura y gobernanza, la llegada de GPT Voice al escritorio introduce un nivel de acceso que los departamentos de TI deben evaluar con cuidado. Con Appshots activado, ChatGPT tiene acceso al contenido de cualquier ventana activa. En un entorno laboral con documentos financieros, datos de clientes o propiedad intelectual, eso es un vector de exposición que requiere políticas claras de uso y, probablemente, la segmentación de entornos donde la función esté permitida.
OpenAI implementó en mayo medidas de seguridad avanzadas como autenticación con passkeys físicas, que cobran más relevancia ahora que el asistente puede ejecutar acciones reales en el sistema operativo del usuario. Para las empresas latinoamericanas que están adoptando estas herramientas, la pregunta no es solo si la voz es más productiva que el teclado, sino cómo controlar que un asistente con acceso a ventanas active y archivos locales no convierta la productividad en un riesgo de fuga de datos.
El contexto competitivo y lo que significa para la región
Anthropic actualizó su modo de voz para Claude con soporte para Opus y Sonnet la semana anterior, pero con una diferencia arquitectónica clave: Claude usa un sistema turn-based (escucha, piensa, responde), mientras que GPT-Live es full-duplex simultáneo, lo que hace la conversación más natural a costa de mayor complejidad técnica. Para los equipos de IT en Latinoamérica, esta diferencia puede traducirse en requisitos de hardware distintos: el procesamiento simultáneo de audio y la orquestación de agentes exigen recursos de cómputo local que no todas las flotas de equipos corporativos pueden sostener sin degradación.
Además, el hecho de que la función esté limitada a los planes de pago —y que Business y Enterprise tengan un período de acceso anticipado de dos semanas antes de que se active por defecto— sugiere que OpenAI espera que las organizaciones evalúen el impacto antes de un despliegue masivo. Para las empresas latinoamericanas, donde los costos de licencias en dólares y la variabilidad de la conectividad son factores operativos reales, la pregunta que queda abierta no es cuándo llegará esta función, sino cómo integrarla sin comprometer la estabilidad, el presupuesto ni la seguridad de los datos.
