La evolución de la inteligencia artificial generativa no se detiene en el texto ni en las imágenes. OpenAI ya trabaja en un nuevo modelo de voz de última generación, previsto para principios de 2026, y en el desarrollo de hardware basado en audio, que podría llegar al mercado en 2027. Así lo revela una información publicada por Ars Technica, uno de los medios tecnológicos más rigurosos a nivel internacional.
El anuncio refuerza una tendencia clara: la próxima gran frontera de la IA es la interacción por voz, natural, continua y contextual, mucho más cercana a cómo las personas se comunican en el mundo real. [The information]
Un nuevo modelo de voz más natural, persistente y contextual
Según detalla Ars Technica, OpenAI está desarrollando un modelo de voz avanzado que irá mucho más allá de los sistemas actuales de texto a voz o asistentes conversacionales clásicos. El objetivo es crear una experiencia:
- Más natural, con entonación, pausas y matices realistas.
- Persistente, capaz de mantener contexto a lo largo de conversaciones prolongadas.
- Bidireccional, donde escuchar y responder sea tan fluido como hablar con otra persona.
- Integrada en tiempo real, sin depender de comandos rígidos o estructuras artificiales.
Este avance se apoya en el trabajo previo de OpenAI con GPT-4o, que ya introdujo capacidades multimodales (texto, imagen y voz) en tiempo real, marcando un punto de inflexión en la interacción humano-máquina.
Del software al dispositivo: hardware centrado en el audio
Uno de los aspectos más relevantes de la información es que OpenAI no se limita al desarrollo de modelos. La compañía también estaría explorando hardware propio centrado en la voz, con una posible llegada al mercado en 2027.
Aunque no se han revelado detalles concretos, el enfoque sería claramente audio-first, lo que apunta a dispositivos diseñados para:
- Escuchar de forma continua.
- Interactuar sin pantallas.
- Integrarse en el día a día de personas y entornos profesionales.
- Actuar como intermediarios inteligentes entre el usuario y los sistemas digitales.
Este movimiento encaja con la visión de Sam Altman, CEO de OpenAI, que en distintas intervenciones públicas ha señalado que el futuro de la IA pasa por interfaces más humanas y menos dependientes del teclado o la pantalla.
La voz como interfaz dominante: una tendencia imparable
El interés de OpenAI por la voz no es un caso aislado. Todo el sector se está moviendo en esa dirección:
- Google lleva años desarrollando asistentes de voz avanzados.
- Amazon ha centrado su ecosistema doméstico en Alexa.
- Apple sigue apostando por la interacción por voz como eje de su experiencia de usuario.
La diferencia es que los nuevos modelos de IA generativa permiten algo radicalmente distinto: conversaciones abiertas, razonamiento contextual y respuestas adaptadas a cada usuario, no simples comandos predefinidos.
De escribirle a la IA a convivir con ella
El paso de OpenAI hacia modelos de voz avanzados y hardware propio señala un cambio profundo: dejamos de “usar” la IA para empezar a convivir con ella.
Cuando la inteligencia artificial escucha, entiende y responde de forma natural, se convierte en una capa invisible del día a día profesional. Y eso redefine por completo la relación entre personas, tecnología y trabajo.
