OpenAI añadió capacidades de voz a su aplicación de escritorio de ChatGPT, lo que permite a los usuarios controlar agentes de IA y realizar tareas informáticas complejas mediante comandos hablados. La función, anunciada el jueves, utiliza la familia de modelos de voz GPT-Live de OpenAI, que la compañía lanzó a comienzos de este mes. El lanzamiento llega mientras los laboratorios de IA compiten por ir más allá de los chatbots basados en texto hacia sistemas agénticos que puedan realizar acciones dentro de entornos de software en nombre del usuario.

El control por voz se extiende a los flujos de trabajo de escritorio

ChatGPT Voice ahora funciona tanto en los entornos ChatGPT Work como Codex. La actualización permite a los usuarios dictar instrucciones de varios pasos que los agentes de IA pueden ejecutar de forma autónoma, llevando la función más allá de la interacción conversacional por voz y hacia la ejecución de tareas en el escritorio.

En un video de demostración, OpenAI mostró a un desarrollador usando un único comando hablado para crear un nuevo hilo, hacer un pull request e identificar la causa raíz de un error. El sistema también puede usar habilidades de uso de computadora para navegar sitios web y aplicaciones como parte del flujo de trabajo solicitado por un usuario. Las capacidades de uso de computadora —en las que un modelo de IA puede interactuar con interfaces gráficas de manera similar a un usuario humano— han sido un área de enfoque para varios laboratorios de IA, y la integración de voz hace que estos agentes sean accesibles sin necesidad de escribir prompts detallados.

En macOS, la función trabaja con Appshots, lo que permite que la app acceda al contenido en pantalla, incluido el texto alternativo, para que ChatGPT pueda brindar asistencia con información visual y contextual adicional. El lanzamiento de escritorio es una implementación más amplia que la versión anterior de ChatGPT Voice para smartphones, que mejoró el flujo de conversación y la gestión de interrupciones, pero no permitía que el asistente realizara acciones directas en el dispositivo.

Capacidades de escritorio frente a herramientas de voz móviles

La versión de ChatGPT Voice para smartphones fue diseñada principalmente para la conversación natural, no para la ejecución de comandos. En cambio, la versión de escritorio permite a los usuarios expresar instrucciones complejas que implican varios pasos y responder verbalmente cuando ChatGPT necesita información adicional para continuar una tarea. Esta diferencia es relevante porque los entornos de escritorio suelen involucrar flujos de trabajo más complejos y con múltiples aplicaciones que los dispositivos móviles, lo que puede hacer que el control de agentes por voz tenga un mayor impacto para el uso profesional.

OpenAI también dijo que los usuarios pueden acceder a ChatGPT Voice en Codex desde la app de iOS mediante acceso remoto. ChatGPT Voice para escritorio está impulsado por los modelos de voz GPT-Live de OpenAI y funciona con ChatGPT Work y Codex en la aplicación de escritorio.

Anthropic también actualizó el modo de voz para Claude. Sus funciones de voz pueden usar los modelos Opus, Sonnet y Haiku de la compañía para completar tareas en aplicaciones de productividad como Gmail, Calendar, Slack, Notion y Canva. OpenAI y Anthropic están ampliando sus herramientas de voz como interfaz para el trabajo asistido por IA, lo que indica que los agentes controlados por voz se están convirtiendo en un frente competitivo entre los principales proveedores de IA, más que en una función de nicho.

Implicaciones para las herramientas de productividad

Los agentes de IA controlados por voz llevan la interacción con IA más allá de los prompts exclusivamente textuales, hacia una computación conversacional y manos libres. Para desarrolladores y trabajadores del conocimiento, la función podría reducir la fricción en flujos de trabajo que requieren varios pasos, al permitir que los usuarios emitan comandos mientras siguen trabajando con el teclado o incluso cuando están lejos de la computadora.

La capacidad de coordinar múltiples agentes mediante una sola instrucción hablada también podría aplicarse a flujos de trabajo de gestión de proyectos y depuración. La decisión de OpenAI de llevar ChatGPT Voice a la aplicación de escritorio indica que la compañía está posicionando la voz como un método central de interacción para usuarios profesionales y empresariales, en lugar de limitarla a conversaciones móviles casuales.

La versión de escritorio puede ejecutar comandos complejos de varios pasos, navegar sitios web, coordinar múltiples agentes de IA y solicitar información adicional del usuario cuando sea necesario. En macOS, el soporte de Appshots permite que ChatGPT acceda al contenido en pantalla para ofrecer asistencia con mayor conciencia del contexto. Los usuarios también pueden utilizar las funciones de voz de Codex desde la app de iOS mediante acceso remoto.

ChatGPT Voice para escritorio de OpenAI se está desplegando a nivel global. A julio de 2026, el lanzamiento marca un paso más amplio hacia el uso de la voz como una herramienta práctica para flujos de trabajo profesionales complejos y coloca las capacidades de voz de escritorio de OpenAI en competencia con el modo de voz de Anthropic para Claude.