IA hoy OpenAI lanza GPT-Live: la voz que no necesita silencio
El nuevo modelo de voz de OpenAI escucha y habla al mismo tiempo. Mientras promete conversaciones más humanas, la dependencia de su infraestructura y los costos en dólares ponen en alerta a las empresas latinoamericanas.
OpenAI presentó el 8 de julio su nuevo modelo de voz en tiempo real, GPT-Live, que ya comenzó a desplegarse en las aplicaciones de ChatGPT para iOS, Android y web. A diferencia de los sistemas anteriores, GPT-Live utiliza una arquitectura full-duplex: puede escuchar y hablar simultáneamente, emitir sonidos de afirmación, esperar cuando el usuario piensa e incluso ser interrumpido sin perder el hilo. En la práctica, la conversación con una máquina se acerca más a una charla entre humanos.
El modelo viene en dos versiones: GPT-Live-1 para usuarios de los planes Go, Plus y Pro, y GPT-Live-1 mini para la capa gratuita. Para tareas complejas —como búsquedas en la web o razonamiento profundo— GPT-Live delega el procesamiento en el modelo frontera GPT-5.5, que trabaja en segundo plano mientras la conversación sigue fluyendo. OpenAI afirma que más de 150 millones de personas usan semanalmente las funciones de voz y dictado de ChatGPT.
Quién paga la naturalidad
Detrás de la promesa de una interacción más humana hay una estructura de costos que las empresas latinoamericanas no deberían ignorar. El precio de la API Realtime —que alimenta tanto a ChatGPT como a los modelos para desarrolladores— es de 32 dólares por cada millón de tokens de audio de entrada y 64 dólares por cada millón de tokens de salida. Aunque la compañía afirma haber reducido un 20% los precios respecto a la generación anterior, la facturación en dólares y la necesidad de mantener sesiones largas pueden disparar los gastos operativos en economías con monedas volátiles.
Para las startups de la región que construyen asistentes de voz o bots de atención al cliente, la dependencia de una API controlada por una sola empresa implica un riesgo estratégico. OpenAI ha lanzado también modelos especializados como gpt-realtime-2, gpt-realtime-translate y gpt-realtime-whisper, que cubren desde la traducción simultánea hasta la transcripción en vivo. Pero el ecosistema sigue girando en torno a una única puerta de entrada.
Riesgos que no se oyen
La evaluación de seguridad que OpenAI publicó con GPT-Live incluye un dato incómodo: en el apartado de dependencia emocional hacia la IA, el modelo obtuvo una puntuación ligeramente peor que el Advanced Voice Mode anterior, aunque la empresa lo califica como estadísticamente no significativo. Para los ejecutivos latinoamericanos que piensen en desplegar asistentes de voz en atención al cliente, el riesgo de que los usuarios generen vínculos afectivos con una máquina no es un detalle menor, especialmente en sectores como salud, banca o educación. OpenAI implementó salvaguardas —como la detección de contenido peligroso en tiempo real y la posibilidad de que los padres controlen el uso de voz por parte de adolescentes— pero la supervisión externa sigue siendo opaca.
El negocio de la voz ajena
La API Realtime ahora soporta conexión vía SIP para integrarse con redes telefónicas tradicionales, lo que abre la puerta a que los call centers latinoamericanos reemplacen operadores humanos por agentes de voz de OpenAI. La compañía también habilitó la entrada de imágenes en las sesiones de voz, permitiendo que un agente virtual “vea” lo que el usuario muestra en pantalla. Sin embargo, las empresas Business, Enterprise y Edu no tendrán acceso a GPT-Live en el lanzamiento inicial —un indicio de que OpenAI prioriza primero el mercado masivo antes de garantizar la estabilidad que exigen los entornos corporativos.
Mientras tanto, los gobiernos de la región —que apenas empiezan a discutir regulaciones de inteligencia artificial— deberán decidir si permiten que la voz de sus ciudadanos sea procesada y almacenada por servidores en el extranjero. OpenAI promete residencia de datos en la UE para clientes europeos, pero no ofrece garantías similares para América Latina.
Lo que no dice la demo
Las demos muestran un asistente que ríe, traduce y espera. Pero la pregunta que deberían hacerse los CTOs de la región es: ¿qué tan barato y qué tan soberano es construir sobre esta plataforma? Mientras no existan alternativas locales de código abierto con la misma calidad de interacción full-duplex, cada conversación fluida con GPT-Live será, también, una transferencia de datos y de poder de decisión hacia una compañía en San Francisco. Y en un mercado donde el consumidor final paga en pesos o reales, pero el costo de la API se cotiza en dólares, la naturalidad tiene un precio que no cotiza en bolsa.
