Ayer OpenAI presentó GPT-Live y, como siempre, el titular vende magia: una IA que escucha y habla a la vez, que se calla cuando le interrumpes, que mete un «ajá» o un «claro» para que parezca una conversación de verdad. Lo he probado en la demo y sí, suena más fluido que el Advanced Voice Mode anterior. Pero antes de que corras a activarlo en tu móvil, te cuento lo que me chirría.
El salto técnico es real. GPT-Live usa una arquitectura full-duplex: procesa tu voz mientras genera la respuesta, en lugar del pipeline clásico de transcribir → pensar → sintetizar voz que tenía el modo anterior. Según Xataka, eso elimina la rigidez de los turnos y permite interrupciones naturales. Cuando la pregunta requiere buscar en la web o razonar más, delega en GPT-5.5 en segundo plano y sigue hablando contigo mientras espera el resultado. Inteligente, sí. Revolucionario, no tanto.
Porque Google lleva meses con Gemini Live haciendo exactamente eso, y además con cámara y pantalla compartida desde el primer día. TechCrunch lo señala sin rodeos: la ventana en la que una sola empresa tenía el monopolio de la voz natural ya se cerró. OpenAI reconoce que GPT-Live no soporta vídeo ni pantalla compartida en el lanzamiento. Es decir, te venden la conversación más humana del mercado pero sin las funciones que la competencia ya tiene integradas. Suena a producto a medias disfrazado de gran avance.
Y luego está la API. Los desarrolladores que quieran montar un agente de voz con GPT-Live tienen que apuntarse a una lista de espera. Sin fecha. Mientras, ElevenLabs, Deepgram y el propio Google ya tienen productos listos para integrar en flujos comerciales. Si gestionas atención al cliente, un chatbot de voz para tu web o cualquier servicio donde la latencia importe, GPT-Live hoy es un juguete para usuarios finales de ChatGPT, no una herramienta de producción. OpenAI lo sabe y lo dice en su propio anuncio, pero el marketing no distingue entre «disponible para todos» y «disponible para construir negocios encima».
Lo de las expresiones coloquiales — esos «ajá» y «claro» — me genera más dudas que entusiasmo. En una demo suena bien. En un uso prolongado, ¿no acabará siendo el equivalente sonoro de los emojis en un email corporativo? Una capa de humanidad artificial que en contextos profesionales puede resultar incómoda. Imagina un agente de soporte que te dice «ajá» mientras le explicas un problema con tu factura de hosting. No todos los escenarios necesitan calidez simulada; a veces necesitas eficiencia y claridad.
Tampoco me convence del todo la estrategia de tiers. GPT-Live-1 para quien paga (Go, Plus, Pro) y GPT-Live-1 mini para cuentas gratuitas. Es el modelo freemium de siempre: te enseñan lo bueno, te limitan lo mejor. Infobae recoge que la versión mini llegará a los usuarios free, lo cual está bien, pero la diferencia de calidad entre ambas versiones será el anzuelo para convertir. Nada nuevo, pero conviene recordarlo cuando leas titulares de «GPT-Live ya disponible para todos».
En el fondo, lo que me preocupa no es GPT-Live en sí, sino el ritmo. Esta misma semana Meta ha lanzado Muse Image con una polémica sobre privacidad en Instagram, SpaceXAI ha presentado Grok 4.5 optimizado para código, y OpenAI suelta una mejora de voz que compite con lo que Google ya tenía. Es la carrera de features a toda velocidad, y quien gestiona proyectos web o servicios digitales tiene que decidir cada semana si integrar, esperar o ignorar. No hay tiempo para evaluar bien el impacto antes de que salga la siguiente novedad.
Para una pyme o un freelance que usa ChatGPT como herramienta personal, GPT-Live puede ser un upgrade agradable: manos libres, traducción en tiempo real, respuestas con tarjetas visuales cuando hace falta. Para quien necesita montar un asistente de voz en producción — en una web, en un call center, en una app — la respuesta hoy es otra: esperar la API, comparar con lo que ya existe en el mercado, y no dejarse llevar por el hype del titular.
OpenAI insiste en que no quiere convertir esto en un «compañero de IA» y ha metido salvaguardas para menores y temas sensibles. Bien. Pero la dirección del producto apunta claramente a conversaciones más largas, más naturales, más pegadas al oído. Y eso, en un sector donde ya cuesta distinguir contenido generado de humano, añade otra capa de complejidad que nadie está resolviendo del todo.
Si tu negocio depende de la voz — atención telefónica, IVR, asistentes web —, ¿apostarías hoy por esperar a GPT-Live en la API o montarías ya con lo que Google y ElevenLabs tienen disponible, sabiendo que OpenAI probablemente te alcance en unos meses?