OpenAI ha dado un paso firme hacia la materialización de la asistente de voz que la ciencia ficción popularizó en la película Her, y lo ha hecho con una actualización que unifica texto, voz y trabajo agéntico en todas las plataformas de ChatGPT. La nueva versión, ya disponible en dispositivos móviles, la web y la aplicación de escritorio, introduce una capacidad que durante meses había sido una de las limitaciones más señaladas del modo de voz: la integración nativa con correo electrónico, calendario y Slack, eliminando la necesidad de alternar entre comandos de texto y conversación oral. Con este movimiento, la compañía dirigida por Sam Altman apuesta por convertir la voz en la interfaz principal para tareas complejas y de larga duración, acercando a millones de usuarios a una experiencia conversacional que hasta ahora parecía reservada al cine.
ChatGPT Voice ahora funciona con GPT-6 Astra, Sol y Luna: un salto en inteligencia conversacional
La actualización ha sido desplegada progresivamente durante las últimas semanas, pero OpenAI confirmó oficialmente a través de su cuenta en X que el modo de voz de ChatGPT ya opera con los modelos GPT-6 Astra, Sol y Luna. Mientras que Astra llevaba varias semanas en producción, Sol y Luna recibieron su actualización apenas ayer, lo que amplía de forma significativa la capacidad de razonamiento y comprensión contextual del asistente. La diferencia, según la documentación interna de la compañía, no es menor: estos modelos permiten mantener conversaciones más largas y coherentes, con una memoria de contexto que facilita diálogos de hasta 40 minutos sin perder el hilo, como ya había demostrado Atty Eleti, líder de producto de ChatGPT Voice, durante la presentación de GPT-Live-1 en julio.
Este avance técnico es la base sobre la que se sostiene la nueva funcionalidad de plugins. Hasta ahora, el modo de voz de ChatGPT estaba limitado a responder preguntas y generar texto hablado a partir de su conocimiento interno, sin capacidad de acceder a servicios externos como el correo electrónico, el calendario o herramientas de productividad como Slack. Con la integración de GPT-6 Astra, Sol y Luna, el asistente puede ahora gestionar la agenda del usuario, redactar un correo o resumir un chat de Slack mientras la conversación se desarrolla en modo de voz, sin que sea necesario cambiar a texto. Esto representa un salto cualitativo en la fluidez de la interacción, ya que elimina la fricción de tener que alternar entre interfaces.
Plugins en modo de voz: cómo funciona la integración con correo, calendario y Slack
La limitación técnica que OpenAI ha resuelto con esta actualización radicaba en la arquitectura previa del modo de voz. El sistema anterior se basaba en tres componentes independientes (conversión de voz a texto, generación de respuesta mediante el modelo de lenguaje y conversión de texto a voz), lo que dificultaba la integración de herramientas externas en tiempo real. Con GPT-Live-1 primero —un modelo de voz con capacidades para hablar y escuchar simultáneamente—, y ahora con la familia GPT-6 Astra, Sol y Luna, el flujo se ha unificado en un único proceso capaz de gestionar peticiones multimodales sin interrupciones.
En la práctica, un usuario puede decirle a ChatGPT: “Revisa mi calendario de mañana y, si tengo un hueco a las 10 de la mañana, agenda una reunión con el equipo de marketing. Luego envíame un correo con el resumen de la conversación que acabamos de tener sobre el proyecto”. El asistente procesa la solicitud en modo de voz, accede al calendario, realiza la acción y confirma el resultado hablado, todo sin que el usuario tenga que escribir una sola línea. La misma lógica se aplica a Slack: es posible pedir un resumen de los mensajes no leídos de un canal específico o redactar una respuesta directamente desde la conversación oral.
OpenAI ha subrayado que esta integración no requiere configuraciones adicionales por parte del usuario: los permisos se gestionan de forma similar a como se hace con las aplicaciones de terceros en la versión de texto, pero ahora la activación es vocal. Esta decisión de diseño apunta a reducir la barrera de entrada para usuarios no técnicos, que a menudo encuentran engorroso el proceso de autorizar y configurar plugins.
ChatGPT Work llega al modo de voz: creación de documentos, presentaciones y hojas de cálculo mediante comandos orales
Otra novedad significativa de esta actualización es la incorporación de ChatGPT Work en la misma interfaz de usuario de voz. Se trata del sistema agéntico de OpenAI diseñado para ejecutar tareas complejas de ofimática y productividad. Hasta ahora, ChatGPT Work estaba disponible principalmente en la versión de escritorio a través de Codex, una herramienta que permite escribir y ejecutar código, pero no ofrecía una experiencia conversacional completa.
Con la nueva versión, un usuario puede, por ejemplo, hablar directamente al micrófono y decir: “Crea un documento de cinco páginas con una propuesta de presupuesto para el próximo trimestre, incluye tres gráficos de barras con los datos de ventas del último año y genera una presentación de diapositivas con los puntos clave”. El asistente procesa la instrucción, utiliza ChatGPT Work para redactar el documento, genera los gráficos con los datos que ya tiene almacenados (o que puede obtener mediante consultas a bases de datos conectadas) y entrega el resultado en los formatos solicitados. Todo ello sin que el usuario haya tenido que teclear ni seleccionar menús.
Esta integración acerca a ChatGPT Work a la experiencia que Codex ofrece en escritorio, pero con la ventaja de estar disponible en más plataformas —móviles y web— y mediante una interfaz de voz que, según OpenAI, es más natural para tareas que requieren iteración continua. “Crea un documento, luego modifica el segundo párrafo, ahora añade una nota al pie”, son instrucciones que fluyen de forma más espontánea en una conversación que en un entorno de edición textual, especialmente cuando se trabaja con dispositivos móviles.
La apuesta de Sam Altman por replicar la visión de ‘Her’: de la ciencia ficción a la realidad cotidiana
No es un secreto que Sam Altman y su equipo han utilizado deliberadamente la película de Spike Jonze como referencia conceptual. En Her, estrenada en 2013, la protagonista Samantha —con la voz de Scarlett Johansson— era una inteligencia artificial que acompañaba al personaje principal en su vida diaria, gestionaba su correo, organizaba su agenda, escribía cartas y, con el tiempo, desarrollaba una relación emocional con él. En ese momento, la idea de una asistente de voz con capacidades agénticas y una personalidad convincente pertenecía al terreno de la ciencia ficción. Pero con la llegada de ChatGPT y, sobre todo, con el debut del modo de voz que clonó de forma controvertida la voz de Scarlett Johansson, la frontera entre la ficción y la realidad se ha difuminado notablemente.
OpenAI ha señalado en diversas ocasiones que el objetivo a largo plazo es que la voz se convierta en la interfaz principal para tareas complejas y de larga duración. La actualización de los plugins y la integración de ChatGPT Work en el modo de voz son pasos concretos en esa dirección. La compañía ha aprendido de las limitaciones de los asistentes de voz anteriores —como Siri, Alexa o Google Assistant— que nunca lograron trascender las tareas simples (poner alarmas, reproducir música, dar el clima) debido a su incapacidad para manejar contextos complejos y ejecutar acciones de múltiples pasos. Con modelos como GPT-6 Astra, Sol y Luna, y la arquitectura unificada de GPT-Live-1, OpenAI cree haber superado esas barreras técnicas.
La pregunta que muchos analistas del sector se hacen es si la adopción masiva del modo de voz para tareas productivas se producirá de forma orgánica o si requerirá un cambio cultural más profundo. Por ahora, los primeros datos de uso indican que los usuarios están empezando a utilizar la voz para tareas que antes consideraban exclusivamente textuales, especialmente en contextos donde las manos están ocupadas (conducción, cocina, trabajo manual) o donde la escritura es incómoda (pantallas pequeñas, entornos ruidosos).
Implicaciones estratégicas: hacia un asistente de voz realmente agéntico
La integración de correo, calendario y Slack en el modo de voz de ChatGPT no es únicamente una mejora funcional; tiene implicaciones estratégicas profundas para el ecosistema de productividad empresarial. Hasta ahora, los asistentes de voz corporativos —como los ofrecidos por Microsoft con Copilot en Microsoft 365 o por Google con su asistente integrado en Workspace— requerían una combinación de comandos de voz y texto, y a menudo fallaban en tareas que implicaban varios pasos o la coordinación entre aplicaciones diferentes.
OpenAI ataca directamente ese punto débil ofreciendo una experiencia unificada donde el usuario puede, con una sola conversación de voz, gestionar múltiples servicios sin cambiar de interfaz. Además, al integrar ChatGPT Work, la compañía compite directamente con herramientas como Microsoft 365 Copilot, Notion AI y Google Duet AI, pero con una ventaja diferencial: la voz como canal primario.
Desde la perspectiva del mercado, esta actualización también refuerza la posición de OpenAI frente a competidores emergentes como Anthropic (Claude) y Google (Gemini), que también están trabajando en interfaces de voz más naturales pero que aún no han logrado una integración tan profunda con herramientas de productividad de terceros. La decisión de OpenAI de lanzar esta funcionalidad de forma global y en todas las plataformas simultáneamente —móviles, web y escritorio— sugiere que la compañía confía en la madurez técnica de sus modelos y en la capacidad de su infraestructura para manejar el incremento de carga de trabajo que supondrá la interacción por voz con plugins.
¿Qué preguntas se hace un lector hispanohablante sobre esta actualización?
Para muchos usuarios en España y América Latina, la principal duda es práctica: ¿cómo activar esta funcionalidad y qué dispositivos la soportan? La respuesta es que la actualización se despliega automáticamente en todas las cuentas de ChatGPT —tanto gratuitas como de pago—, aunque las capacidades completas de ChatGPT Work están limitadas a los suscriptores de ChatGPT Plus y ChatGPT Enterprise. Para activar el modo de voz con plugins, el usuario debe asegurarse de tener la versión más reciente de la aplicación, tanto en iOS como en Android, y en la web. Una vez actualizada, basta con iniciar una conversación de voz y solicitar una acción que involucre correo, calendario o Slack; el asistente pedirá los permisos necesarios la primera vez y, a partir de ahí, la integración funciona de forma transparente.
Otra pregunta recurrente es sobre la privacidad: ¿los datos del correo y el calendario se envían a los servidores de OpenAI? La compañía ha declarado que todos los datos de los plugins se procesan con los mismos estándares de seguridad que el resto de las conversaciones de ChatGPT, y que los permisos se conceden por sesión o de forma permanente según la elección del usuario. Para entornos empresariales, OpenAI ofrece la opción de procesar localmente ciertas operaciones, aunque la mayoría de las tareas complejas requieren conexión a la nube.
Finalmente, muchos lectores se preguntan si esta funcionalidad está disponible en español. Sí, el modo de voz de ChatGPT funciona en español neutro y, con la integración de los nuevos modelos, la calidad de la comprensión y la generación de voz en español ha mejorado notablemente, incluyendo la capacidad de entender acentos regionales y expresiones coloquiales comunes en distintos países hispanohablantes.
El camino hacia el futuro: la voz como interfaz principal
OpenAI ha declarado que con el tiempo la voz será la interfaz principal para tareas complejas y de larga duración en ChatGPT. Esta afirmación, que hasta hace unos meses podía parecer una declaración de intenciones ambiciosa, hoy tiene un sustento técnico concreto. La combinación de modelos de lenguaje de última generación (GPT-6 Astra, Sol y Luna), una arquitectura de voz unificada (GPT-Live-1), la integración de plugins y la incorporación de ChatGPT Work en el mismo ecosistema crean las condiciones para que los usuarios empiecen a confiar en la voz para tareas que tradicionalmente han requerido una pantalla y un teclado.
Quedan, sin embargo, desafíos importantes. La latencia sigue siendo un factor crítico: aunque las conversaciones fluyen de forma más natural, los tiempos de respuesta para tareas que implican acceder a servicios externos (como consultar el calendario o redactar un correo) pueden ser de varios segundos, lo que rompe la inmersión conversacional. Además, la precisión en entornos ruidosos o con acentos muy marcados aún no es perfecta. Pero la dirección es clara: OpenAI está construyendo el asistente de voz que la ciencia ficción prometió, y lo está haciendo paso a paso, con actualizaciones que eliminan las limitaciones una tras otra. Para el usuario final, la promesa de poder gestionar su vida digital simplemente hablando ya no es una fantasía de Hollywood, sino una realidad que está a un comando de voz de distancia.
