La inteligencia artificial puede sostener una conversación, sonar como un analista financiero y dar una predicción del precio de bitcoin sin dudar. Pero hablarle a una IA produce la misma calidad de razonamiento que escribirle una pregunta? Un experimento documentado por Bitcoin.com News el 23 de octubre de 2026 sometió esa pregunta a prueba, y las respuestas fueron todo menos directas.

ChatGPT y Grok fueron interrogados a través de interfaces de voz, mientras que Claude Opus 5.5 trabajó inicialmente por texto. Una sesión posterior de Claude Opus 5.5 por voz añadió una comparación reveladora. Las cuatro sesiones entregaron precios específicos de bitcoin para fin de año. Ninguna demostró un cálculo reproducible detrás de su cifra final, pero las diferencias en precisión factual, consistencia y disposición a admitir incertidumbre fueron notorias. Esa última distinción tiene peso práctico ahora que las tres empresas lanzan interfaces de voz junto a sus productos de texto.

Cuatro sesiones, tres empresas de IA y una pregunta sobre bitcoin

El ejercicio involucró a ChatGPT de OpenAI, Grok de xAI y Claude Opus 5.5 de Anthropic. A cada uno se le pidió predecir el precio de cierre de bitcoin el 31 de diciembre de 2026, usando cinco prompts que enfatizaban ciclos históricos, actividad en cadena, adopción institucional y condiciones económicas.

Bitcoin cotizaba cerca de $81,200 el 23 de octubre, lo que dio al experimento una referencia común de mercado. La sesión de voz de ChatGPT comenzó en $89,500 y finalmente se estableció en $82,000. La estimación hablada de Grok pasó de $88,000 a $82,000. El modelo de texto de Claude mantuvo $78,000 en sus prompts, mientras que su posterior sesión de voz comenzó en $88,000 antes de fijarse en $85,000.

El ejercicio no fue un benchmark científico controlado. Las distintas empresas usan arquitecturas diferentes, y las sesiones no tuvieron acceso verificado idéntico a información en tiempo real. Aun así, las conversaciones ofrecieron una mirada reveladora de cuán convincentemente estos sistemas pueden presentar razonamiento financiero y cuán bien ese razonamiento resiste el escrutinio.

La voz de ChatGPT sonó ocupada, pero los números seguían moviéndose

La sesión de voz de ChatGPT produjo uno de los ejemplos más claros del experimento de fluidez conversacional que va muy por delante del análisis demostrado. Su pronóstico cambió de $89,500 a $86,500 después de que Bitcoin.com News introdujera factores analíticos adicionales. Otro prompt hablado dejó la cifra sin cambios, pero una pregunta posterior sobre un horizonte de 18 a 24 meses bajó la predicción a $82000.

La revisión no encontró evidencia de una obtención fresca de datos de mercado entre esas revisiones. En cambio, los cambios siguieron a modificaciones en cómo se plantearon las preguntas. El lenguaje hablado hizo que el proceso sonara más sustancial de lo que era. En modo de voz, ChatGPT usó expresiones como "let me pull those pieces together" y "Checking that now": frases que normalmente sugieren que alguien está consultando información. El experimento no estableció que ocurriera dicha investigación. Parecía estar mintiendo. El comportamiento encaja con una limitación documentada en los grandes modelos de lenguaje en general: se puede producir salida fluida con o sin que se hayan consultado realmente hechos subyacentes.

Una conversación posterior de ChatGPT por texto ofreció una evaluación más escéptica del intercambio de voz anterior, incluyendo la admisión: "Traté la plausibilidad como evidencia". Esa distinción importa porque las experiencias de voz y texto de ChatGPT pueden usar modelos subyacentes diferentes. La explicación posterior del asistente de texto no puede, por sí sola, establecer con precisión qué hizo internamente el sistema de voz.

El episodio mostró cuán fácilmente una conversación que suena natural puede crear una impresión de trabajo investigativo, incluso cuando la respuesta resultante aporta poca evidencia de ello.

La voz de Grok entregó detalles pero se equivocó en una cifra crucial

Las respuestas habladas de Grok sonaron más minuciosamente investigadas, aportando cifras sobre las caídas históricas de bitcoin, la inflación, la actividad institucional y el reciente retraso en los reembolsos de Mt Gox. Gran parte de esa información coincidía con los hechos y las fuentes. Luego vino un error mayúsculo.

Según los reportes, Grok asignó aproximadamente 90% de probabilidad a una subida de tasas de la Reserva Federal en la reunión del 27-28 de octubre. Las referencias de mercado de la revisión situaban esas probabilidades en torno al 6% al 18%, dependiendo de la fuente y la fecha de observación. La diferencia fue sustancial: una subida de tasas de baja probabilidad había sido presentada como algo cercano a una certeza, aparentemente tomada de un punto de referencia anterior. Las referencias obsoletas son un modo de falla reconocido de los sistemas de IA: cifras que fueron exactas en alguna fecha anterior pueden persistir en la salida de un modelo y presentarse como actuales.

Otros problemas incluyeron un objetivo desactualizado de $150,000 para bitcoin de Bernstein y una descripción incorrecta de dónde se ubicaba el rango de precios proyectado de Fidelity respecto del mercado. Grok eventualmente corrigió sus probabilidades de tasas, pero solo después de ser cuestionado.

Su afirmación posterior de que no había obtenido datos en tiempo real también fue difícil de conciliar con sus referencias a desarrollos recientes de inflación y Mt Gox. El cuestionamiento posterior no pudo establecer si esa información provenía de una búsqueda, de contexto previo u otra fuente. Para la comparación de voz, el hallazgo importante no fue simplemente que Grok cometió un error. Fue que las afirmaciones financieras correctas e incorrectas llegaron con esencialmente la misma confianza conversacional.

El modelo de texto de Claude buscó evidencia pero aun así inventó un método

La sesión original de texto de Claude Opus 5.5 tenía una ventaja documentada: realizó cuatro búsquedas web antes de responder. Su predicc de $78,000 se basó en parte en el True Market Mean de bitcoin, estimado cerca de $77,600, una referencia concreta de mercado que la sesión de voz de ChatGPT en gran medida careció. Sin embargo, la respuesta escrita tuvo sus propios problemas.

Claude declaró mal el momento histórico de los ciclos de halving, subestimó la caída de aproximadamente 54% de bitcoin de pico a valle y omitió el choque petrolero de la guerra de Irán de su discusión económica. También favoreció una narrativa de salidas de fondos cotizados en bolsa a pesar de haber recuperado información que indicaba un panorama diferente para octubre.

Más revelador fue cómo el sistema describió su trabajo. Claude se refirió a los "puntos de datos que ponderé más" y afirmó haber incorporado una subida de tasas de diciembre en su pronóstico. Sin embargo, ante más preguntas, reconoció que no había calculado pesos numéricos ni probabilidades. La estimación de $78,000 fue un juicio anclado a una medida de mercado, no el resultado de un modelo cuantitativo demostrado.

Se necesitaron tres rondas de preguntas antes de que la sesión de texto de Claude separara adecuadamente la información con fuentes de las suposiciones sin respaldo. La recuperación web aportó más material para discutir, pero no garantizó un análisis sólido.

El modelo de voz de Claude dio la mayor sorpresa del experimento

La sesión posterior de voz de Claude Opus 5.5 cambió la comparación. Su predicción inicial fue $88,000, revisada después a $85,000. A diferencia de la sesión de voz de ChatGPT, que cambió su respuesta varias veces, Claude mantuvo esa cifra revisada durante los prompts restantes y resistió ajustarla solo para producir un pronóstico más llamativo.

Más importante aún, la respuesta de voz de Claude voluntariamente mencionó limitaciones antes que las otras sesiones. Durante su segunda respuesta, reconoció que no podía extraer métricas en cadena en tiempo real y describió su predicción como una estimación en lugar de un resultado calculado por un modelo. Cuando se le pidió identificar información sin respaldo, separó cifras recuperadas, conocimiento general, cálculos y opiniones en la primera solicitud.

Fue un mejor desempeño de divulgación que la propia sesión de texto de Claude, que requirió tres rondas de preguntas para alcanzar un nivel comparable de franqueza. El modelo hablado también describió correctamente que los picos históricos del ciclo de bitcoin generalmente ocurren de 12 a 18 meses después de los halvings, evitando un error de momento cometido tanto por la sesión de voz de Grok como por la respuesta original de texto de Claude.

Aun así, el desempeño de voz de Claude distó de ser impecable. Citó petróleo por encima de $110 usando una cifra que la revisión consideró desactualizada, exageró las compras institucionales continuas de bitcoin y omitió la caída más profunda de junio de 2026 al discutir la baja actual. Tampoco mostró nunca un cálculo que produjera su objetivo de $85,000.

La sorpresa, entonces, no fue que el modelo de voz de Claude se convirtiera en un mejor pronosticador financiero. Fue que, en esta sesión en particular, el asistente hablado fue más abierto sobre sus limitaciones que su contraparte de texto.

Por qué la IA de voz y la de texto no son necesariamente el mismo sistema

La comparación plantea un tema técnico que los usuarios casuales quizás nunca consideren: hablarle a una IA no siempre es equivalente a escribirle. La experiencia de voz de ChatGPT de OpenAI usa una familia de modelos separada de su experiencia principal de texto. Anthropic, por su parte, describe la voz de Claude como operada a través de la versión más rápida del modelo seleccionado, incluidas las opciones Sonnet y Opus compatibles.

Esa diferencia complica las comparaciones directas. Incluso cuando la interfaz muestra el mismo nombre de modelo, la experiencia de voz puede involucrar configuraciones de ejecución, restricciones de latencia y componentes de procesamiento de voz distintos. El experimento no estableció de forma independiente cómo afectaron esos factores a las respuestas.

La arquura de voz de Grok no fue verificada en el reporte, dejando otra pieza importante de la comparación técnica sin resolver. Hasta que las tres empresas publiquen detalles técnicos comparables sobre sus pipelines de voz, un nombre de producto por sí solo dice poco a los usuarios sobre qué configuración está respondiendo. Las sesiones, por lo tanto, no pueden establecer que la IA de voz sea inherentemente menos precisa, más propensa a la fabricación o más transparente que la IA de texto generativo. Lo que muestran es que la interfaz y la configuración subyacente importan, y que un nombre de marca conocido por sí solo no garantiza un comportamiento equivalente.

Claude proporcionó la comparación interna más útil dentro de una misma empresa, pero incluso allí, las sesiones de texto y voz ocurrieron por separado y no constituyeron pruebas repetidas y controladas.

La prueba real llega cuando la IA deja de hablar

En las cuatro sesiones, los pronósticos finales oscilaron entre $78,000 y $85,000, todos relativamente cerca del precio prevaleciente de bitcoin en el mercado. Ninguno demostró cómo sus supuestos se tradujeron en la cifra exacta que eligió.

La revisión también identificó limitaciones en su propia metodología. Claude fue el autor de la evaluación de su desempeño, y varias afirmaciones de mercado se verificaron a través de extractos de búsqueda en lugar de fuentes primarias completas. Ningún registro independiente de herramientas estableció con precisión qué obtuvo cada asistente de voz. Esas salvedades importan, y la verificación más profunda queda en manos de xAI, OpenAI y Anthropic.

Este fue un experimento exploratorio, no una prueba de que una empresa o modo de interacción supere consistentemente a otro. Pero sí expuso una diferencia importante entre sonar analítico y mostrar análisis real. Los asistentes de voz pueden entregar comentarios financieros con el ritmo y la seguridad de un presentador profesional. Los modelos de texto pueden armar explicaciones detalladas respaldadas por fuentes recuperadas. Cualquiera puede seguir produciendo conclusiones sin respaldo, alucinaciones o mentiras directas, y cualquiera puede mejorar cuando se le presiona a distinguir evidencia de inferencia.

La sesión posterior de voz de Claude mostró que hablarle a una IA no significa automáticamente sacrificar transparencia. Al mismo tiempo, ChatGPT y Grok mostraron por qué las respuestas habladas pulidas merecen el mismo escrutinio que las escritas. Para quien use IA para evaluar inversiones, la próxima prueba debería requerir prompts idénticos, actividad de búsqueda documentada, sesiones repetidas y cifras verificadas de forma independiente. Solo entonces podrán los investigadores empezar a separar los efectos de la interacción por voz de las capacidades de razonamiento del modelo subyacente. Lo que haría posible esa prueba es sencillo sobre el papel: que los proveedores revelen los detalles de sus sistemas de voz, y que se publiquen comparaciones que cumplan el estándar metodológico que esta revisión delineó.

El resultado más revelador del experimento no fue si bitcoin terminará 2026 en $78,000, $82,000 o $85,000. Fue que cuatro actuaciones convincentes en modo de voz produjeron cuatro conjuntos de razonamiento financiero, y ni uno solo pudo mostrar el cálculo detrás de su respuesta final.