Recientemente, Andrej Karpathy compartió su truco perezoso favorito: ¿qué hacer cuando quieres que una IA trabaje, pero no te apetece escribir cada detalle de la solicitud?
Él dijo: pues reclínate en la silla, cambia al modo de voz, deja fluir la corriente de conciencia y habla durante 10 minutos, aunque sea un desorden, como se te ocurra.
A veces empieza diciéndole a la IA: "He activado el reconocimiento de voz, no te preocupes por los errores ortográficos".
Lo sorprendente es que descubrió que la IA es especialmente buena para reconstruir estos monólogos largos y desordenados, y la versión que te devuelve a menudo es más clara que lo que tú mismo dijiste: ese lío de ideas enredadas en tu mente lo ha organizado ella, reduciendo también las veces que tienes que corregir o ajustar.
Esta es, precisamente, la forma en que Andrej Karpathy se siente más cómodo interactuando con la IA.
En sus propias palabras, esto puede mejorar la "fusión mental" entre la persona y el modelo. A menudo, a las personas les da pereza escribir palabra por palabra el contexto completo de algo. En ese caso, es mejor simplemente abrir la boca y soltar todo el lío de una vez.
El valor de la voz no está en liberar las manos, sino en proporcionar un contexto de alto ancho de banda a la IA.
Justo estos días, OpenAI ha llevado directamente esta forma de juego de "dirigir a la IA con la voz" al escritorio.
La versión de escritorio de ChatGPT ahora se puede controlar con la voz
El 23 de julio, OpenAI integró oficialmente ChatGPT Voice en los escenarios Work y Codex de la aplicación de escritorio.
A partir de ese día, se lanzó gradualmente a nivel global en macOS y Windows, cubriendo los niveles Plus, Pro, Business, Edu y Enterprise. Android lo tendrá próximamente, mientras que iOS podrá acceder de forma remota mediante emparejamiento (Remote).
Su base es el nuevo modelo de voz GPT-Live, lanzado el 8 de julio, que puede escuchar y hablar simultáneamente: puedes interrumpir en cualquier momento y él continuará desde tu última frase, dejando atrás el método antiguo y torpe de "grabar primero, luego transcribir, y luego responderte".
La clave es que esta vez la voz no es solo para charlar.
En Work y Codex, con solo abrir la boca puedes iniciar una tarea, preguntarle en qué punto está, ver el estado actual de algún agente inteligente, y también coordinar varios agentes en la misma conversación, para que cada uno haga lo suyo.
Mientras la tarea se ejecuta en segundo plano, puedes intercalar una orden para cambiar de rumbo; si se atasca o termina, te lo dirá activamente por voz, o te lo indicará en la pantalla.
Incluso puede continuar con el trabajo que tienes entre manos: accediendo al contexto del proyecto existente, conectándose a documentos, calendarios, contactos y registros de comunicación, para terminar algo que dejaste a medias.
La empresa también proporciona algunos ejemplos de la vida diaria: que revise tu calendario para ver si hay conflictos, que busque en el correo si ha habido cambios en un vuelo, que prepare las actas de una reunión... "mientras te tomas un café o te ocupas de otra cosa", estos trabajos se completan solos en segundo plano.
En macOS hay además funciones extra como Appshots y contexto de pantalla, que pueden leer directamente la ventana que tienes activa en primer plano, combinándolo con archivos locales y repositorios de código para comprender, y también se pueden personalizar las teclas de acceso rápido.
La actividad semanal combinada de Codex y ChatGPT Work ya ha superado los 10 millones.
En el vídeo promocional de OpenAI hay una escena muy interesante: varios ingenieros están en la misma habitación, frente a la misma sesión de escritorio, dando órdenes cada uno por su cuenta: una IA, y toda una sala de personas dándole instrucciones.
Esta es probablemente su idea de una "fiesta de programación colectiva".
OpenAI muestra en una escena doméstica cómo usar ChatGPT Voice: hablando las tareas que quieres hacer a la versión de escritorio de Codex, que continúa trabajando en segundo plano.
Escribir es un cuello de botella para la entrada de la IA, pero la voz no lo es
Por supuesto, esto no es una ocurrencia repentina solo de OpenAI.
Casi la misma semana, tres grandes nombres de la industria apostaron casi al unísono por la "voz".
Karpathy publicó en X diciendo que cuando hay demasiado contexto y no le apetece escribir, simplemente suelta un monólogo desordenado y deja que la IA lo organice.
Un fanático de Grok retuiteó la publicación de Karpathy, diciendo que ya está acostumbrado a usar la conversión de voz a texto de Grok, "ahora escribir me parece un suplicio", y aprovechó para criticar que la entrada por voz de Anthropic "es todavía bastante básica".
Musk retuiteó esto y añadió: Puedes usar Grok Build para asignar tareas a Grok como si hablaras con una persona.
Altman tampoco olvidó promocionar su nuevo modelo de voz GPT-Live.
Reveló que siempre ha preferido escribir a hablar con la IA, pero ahora con ChatGPT "ya hablo más de lo que escribo".
También destacó específicamente: cuando tienes un montón de contexto que volcar de una vez a la IA, la voz es lo más útil.
Lo que emociona a estos tres líderes no es simplemente "por fin poder usar la boca".
Detrás de esto se esconde esta lógica: a medida que los agentes se vuelven más potentes, las intenciones que debes proporcionarles también son más complejas, y el canal del teclado comienza a congestionarse:
Cuanto más escueto escribas, más pobre será la información que reciba el modelo.
Mientras que la salida por voz es un canal ancho por naturaleza: puedes explicar de un tirón las causas, consecuencias, preocupaciones y preferencias, aunque lo hagas de forma desordenada, el modelo puede manejarlo y luego organizar por ti ese flujo de conciencia.
En la comunidad ya hay quien ha comprobado empíricamente: el rendimiento del habla es de aproximadamente 240 palabras por minuto, mientras que escribir a máquina llega como máximo a 70-80 palabras por minuto, una diferencia de tres o cuatro veces.
GPT-Live delega el trabajo pesado de pensar a GPT-5.5 y GPT-5.6 en segundo plano, mientras que en primer plano solo se ocupa de mantener una conversación fluida contigo. Esta separación permite precisamente que la gente pueda hablar sin preocupaciones.
En resumen, las ideas en la mente humana son inherentemente paralelas y saltan de un tema a otro, pero el teclado te obliga a comprimirlas en líneas de texto.
Y la voz está haciendo que este muro ceda: está pasando de ser un "método de entrada perezoso" a una "entrada de contexto de alto ancho de banda".
En una frase: escribir es un cuello de botella para la entrada de la IA, pero la voz no lo es.
Detrás de la entrada por voz está "gestionar proyectos con la boca"
Lo que OpenAI ha integrado realmente en la versión de escritorio esta vez es permitir que la voz "gestione a la IA".
Según el FAQ oficial, en Work y Codex, con la voz puedes hacer esto: iniciar una tarea, establecer prioridades entre varias tareas, interrumpir a mitad de camino y cambiar de rumbo, mientras el trabajo continúa ejecutándose en segundo plano.
Yendo más allá, puede coordinar que varios agentes inteligentes trabajen juntos entre múltiples conversaciones y proyectos. Dices algo como "que A lo haga primero, que B espere, y que me avise cuando C tenga resultados", y en segundo plano se reorganiza en consecuencia.
También puede continuar el trabajo desde donde lo dejaste la última vez. Esto se basa en el contexto del proyecto, más las herramientas conectadas: tus documentos, calendario, contactos, registros de comunicación.
Si una tarea se atasca o termina, te lo hará saber mediante voz o un aviso en pantalla.
Esto ya no es el trabajo de un simple método de entrada por voz, se parece más a un centro de mando desde el que diriges un equipo de agentes inteligentes.
Aunque igualmente se trata de hablar con la IA, antes era para que la IA te entendiera a ti, ahora es para que la IA trabaje por ti.
Lo que ChatGPT aspira a ser es tu "sistema operativo de trabajo con IA"
Detrás de una función de voz se esconde una línea de desarrollo mayor: OpenAI quiere que ChatGPT sea tu "sistema operativo de trabajo con IA".
Estos últimos meses, OpenAI ha estado rediseñando la versión de escritorio de ChatGPT, integrando Chat, Work y Codex en una misma entrada, con cambio rápido entre ellos, ejecutándose de forma continua en segundo plano.
Codex también se ha ampliado hace tiempo para convertirse en una plataforma universal capaz de ejecutar múltiples agentes en paralelo, manejar tareas largas y comprender proyectos completos.
¿Por qué integrar estas capacidades en el escritorio, y no dejarlas en el teléfono móvil que todo el mundo usa?
Principalmente porque esa pequeña ventana de chat del teléfono no puede manejar trabajos complejos; es adecuada para preguntar algo rápidamente.
Para que la IA realmente se conecte a tus archivos, código y software, y lleve a cabo una tarea de principio a fin, necesita estar en tu ordenador:
El escritorio es donde están los archivos, el entorno de desarrollo integrado (IDE), el navegador, todo un conjunto de software empresarial; este es el campo de batalla principal de los agentes inteligentes.
Detrás de esto hay un cambio en la forma de interacción entre humanos e IA.
Antes usabas la IA "operando software": abrir, introducir, esperar, un turno tras otro.
Ahora te pareces más a un gerente con un equipo a su cargo: abres la boca para asignar tareas. Tu relación con la IA ha pasado silenciosamente de "tú preguntas, ella responde" a "tú dices, ella hace".
Un usuario muy activo llegó a decir que usar este sistema es "básicamente como tener a J.A.R.V.I.S.".
Incluso hizo que Codex le configurara un atajo de teclado para poder, con solo hablar, cambiar entre tres máquinas y varias pantallas.
Volviendo a la escena inicial, lo que realmente emociona a líderes como Musk, Altman y Karpathy no es poder deshacerse del teclado, sino que cuando la entrada ya no es un cuello de botella, las personas pueden devolver el esfuerzo mental ahorrado a lo que realmente merece la pena reflexionar: la toma de decisiones.
Así que la siguiente pregunta en realidad no es "si puedes hablar o no", sino cuando tienes ante ti una sala llena de IAs disponibles al instante, qué es exactamente lo que quieres que hagan por ti.
Referencias:
https://x.com/OpenAI/status/2080378182469857576
https://aihot.virxact.com/items/cmrxxi2qg03kcroxpcugdaldy
Este artículo proviene del WeChat Official Account "新智元" (Nueva Era de la Inteligencia), autor: ASI启示录
