Directivos aseguran que la IA de voz aún no ha alcanzado su momento ChatGPT

2–3 minutos

A pesar del entusiasmo generalizado por el hecho de que la voz se está convirtiendo en la próxima gran interfaz, los inversores han invertido miles de millones de dólares en startups de IA de voz que abarcan el desarrollo de modelos, el servicio al cliente empresarial, la toma de notas en reuniones y la dictación por IA. Sin embargo, figuras destacadas del sector sostienen que la tecnología aún no ha logrado el avance decisivo que ChatGPT aportó al texto.

Shawn Wen, director de tecnología de la plataforma empresarial de IA de voz PolyAI, dijo ante el público de la conferencia HumanX del mes pasado que los modelos dúplex completos —capaces de hablar mientras escuchan— se han convertido en un hito, pero el verdadero desafío está por delante. Explicó que el siguiente paso es acelerar el razonamiento para que las respuestas puedan obtenerse rápidamente, haciendo que las conversaciones parezcan naturales. Wen añadió que los agentes de IA de atención al cliente deben evitar sonar robóticos y deben dar a los llamantes la confianza suficiente de que sus problemas pueden resolverse. «Cuando la voz es lo suficientemente buena y el cliente sigue participando en los primeros intercambios, la confianza aumenta y, con el tiempo, puede sentir que ya no necesita hablar con un humano», afirmó.

Alex Gay, director de marketing de Otter, una herramienta para tomar notas en reuniones, subrayó que la identificación del hablante, la captura de la intención y la vinculación de esos datos con el conocimiento organizativo son esenciales para la automatización. La empresa también está desarrollando gemelos digitales que podrían representar a personas en reuniones. Para que estos avatares sean eficaces, Gay afirmó que la voz sintetizada debe transmitir las mismas sutilezas emocionales que un participante humano. «Las mejores reuniones implican debate y discusión estratégica basadas en la relación. Si un avatar no puede replicar eso, se convierte simplemente en un chatbot de preguntas y respuestas», señaló.

Comprensión y transparencia en la IA de voz

Wen y Gay coinciden en que la actual IA de voz a menudo no logra comprender la intención del usuario, lo que provoca transcripciones inexactas o resúmenes defectuosos. Wen señaló que los modelos de reconocimiento automático de voz (ASR) a menudo omiten palabras clave críticas, lo que socava la captura del contexto. Gay se hizo eco de esta preocupación y señaló que Otter refina continuamente su motor de transcripción porque las acciones posteriores dependen de su precisión. «Si la transcripción original no es fiable, todas las acciones de seguimiento se vuelven defectuosas, lo que erosiona la confianza en la plataforma», dijo Gay.

Más allá de la precisión, la nueva generación de herramientas de voz plantea cuestiones de transparencia. Las empresas deben informar claramente a los usuarios cuando están hablando con una IA o siendo grabados. Otter planea incluir notificaciones en los chats de las reuniones incluso cuando su bot no está presente, con el objetivo de generar confianza entre los participantes. Wen, de PolyAI, también insistió en la necesidad de establecer que los llamantes están interactuando con una IA durante las conversaciones empresariales, asegurando que los usuarios conozcan la naturaleza de la interacción.