La voz de la IA se presenta como la tecnología del futuro, pero quienes la construyen dicen que el gran avance aún no ha llegado
Los inversores inyectan miles de millones en la IA de voz y las startups compiten por los titulares, pero si se escucha a los ingenieros y directores técnicos que realmente construyen la tecnología, surge una imagen distinta: el avance decisivo todavía no se ha producido. La IA de voz necesita ser ultrarrápida, emocionalmente creíble y estar profundamente conectada con el conocimiento de las organizaciones antes de poder cumplir sus promesas, y ahora mismo se disputa quién llegará primero.
El dinero fluye, pero el avance se hace esperar
Se habla mucho de la IA de voz en este momento. Cada semana se lanzan nuevos modelos que prometen conversaciones humanas, los inversores compiten por colocar sus apuestas y las startups acaparan titulares. Pero si se escucha con atención a quienes realmente construyen la tecnología, no a quienes la comercializan, surge una imagen distinta.
Según TechCrunch, los principales directores técnicos del sector son claros: la IA de voz todavía no ha vivido su gran avance. Shawn Wen, director técnico de la plataforma empresarial PolyAI, señala el desafío central.
– Hemos alcanzado el hito de desarrollar modelos full-duplex que pueden hablar y escuchar al mismo tiempo. El siguiente reto es hacer que el razonamiento sea ultrarrápido, para que los modelos puedan obtener respuestas de inmediato y la conversación resulte natural, explicó Wen en la conferencia tecnológica HumanX.
Suena técnico, pero en el fondo es una cuestión de confianza. Una IA de voz que duda, se atasca o suena mecánica pierde credibilidad de inmediato. Y la credibilidad lo es todo cuando se quiere reemplazar o reforzar el contacto humano.
La voz tiene que transmitir emociones, no solo palabras
Alex Gay, director de marketing de la herramienta de notas Otter, pone de relieve otra dimensión del problema. No basta con identificar quién habla o entender la intención detrás de las palabras: la IA de voz también debe poder conectar la conversación con el conocimiento acumulado de la organización y transmitirlo con el registro emocional adecuado.
Otter trabaja, entre otras cosas, con gemelos digitales que pueden representar a personas durante las reuniones. Es una visión que invita a reflexionar: una voz de IA que no solo transmite un mensaje, sino que lo comunica con la misma riqueza de matices que una conversación real: debate, estrategia, implicación y todo lo que hay entre medias.
Esta es precisamente la brecha entre la función técnica y la experiencia humana que todavía no se ha superado. Y ahí es donde tiene que producirse el próximo gran avance.
Apple construye su estrategia de voz en silencio
En medio de este panorama, TechCrunch informa de una revelación que pasó relativamente desapercibida: Apple ha firmado un acuerdo con la startup de audio en proceso de cierre Huxe, especializada en pódcast personalizados impulsados por IA. La operación, revelada en un documento regulatorio presentado a la Comisión Europea, implica que Apple contrata a personas clave de Huxe y adquiere una licencia no exclusiva sobre los derechos de propiedad intelectual de la empresa.
Huxe fue fundada por desarrolladores con experiencia en NotebookLM de Google, conocido por su función de generar pódcast impulsados por IA. Esa competencia no es poca cosa: implica una comprensión profunda de cómo la IA puede dar forma, personalizar y ofrecer contenido de audio de una manera que realmente engancha al oyente.
La estructura del acuerdo también es reveladora por sí misma. El modelo —comprar el talento, licenciar la tecnología, evitar una adquisición completa— se ha convertido en una táctica habitual entre las empresas tecnológicas para acumular competencias y activos técnicos sin desencadenar la revisión de las autoridades de competencia. Apple está lejos de ser la única en hacerlo, pero la elección precisamente de la competencia en voz y audio señala con claridad dónde ve su próxima batalla estratégica.
La carrera ya está en marcha
Es fácil interpretar los movimientos de Apple como una respuesta defensiva a los avances de OpenAI y Google en el terreno de la voz. Pero yo lo veo de otra manera. Apple dispone de una de las plataformas de interacción por voz más integradas del mundo: Siri está en el bolsillo, en el coche, en el hogar y en el oído de cientos de millones de personas. Una IA de voz adecuada, con la personalización adecuada, podría transformar por completo esa experiencia, pasando de frustrante a indispensable.
La cuestión ya no es si la IA de voz se impondrá; no hay ninguna duda al respecto. La cuestión es cuándo y quién estará preparado cuando eso ocurra. Quienes construyan la competencia ahora, contraten talento ahora y resuelvan los obstáculos técnicos ahora son quienes ganarán cuando el momento llegue.
El avance puede llegar antes de lo que pensamos. Y quienes se han posicionado discretamente bajo el radar podrían resultar ser los mejor preparados.