GPT-Live-1 llega a la API: asistentes de voz más naturales para empresas
Una conversación útil necesita escuchar las correcciones, respetar las pausas y resolver la petición. La nueva API de voz de OpenAI sitúa esas interacciones en el centro del diseño de asistentes.
Qué se ha anunciado
El 10 de septiembre OpenAI anunció GPT-Live-1 en la API. El modelo puede escuchar y hablar simultáneamente y delegar razonamiento y acciones en otros modelos o herramientas. OpenAI destaca el manejo de interrupciones, el control del tono y el ritmo y el soporte para experiencias telefónicas. Son capacidades anunciadas por el proveedor; su rendimiento con los acentos, el ruido y las consultas de cada negocio debe comprobarse con pruebas propias.
Consultadas el 16 de septiembre de 2026. Resumen de las fuentes citadas. Las interpretaciones propias se identifican como lectura de Olduvia.
La naturalidad solo es una parte del servicio
Para una empresa, nuestra lectura es que la voz merece atención cuando facilita una tarea que el cliente ya intenta hacer: consultar un horario, explicar una incidencia o dejar una petición de llamada. El alcance inicial puede ser pequeño y seguir resultando útil. No es necesario convertir cada llamada en un proceso completamente autónomo.
Imaginemos que una persona corrige el número de pedido a mitad de frase. El asistente debe usar el número corregido, confirmar lo que ha entendido y consultar la información apropiada. Una respuesta fluida con el pedido equivocado sería un fallo del servicio. Este ejemplo propone una prueba; no describe una prestación ya implantada por Olduvia.
Cuatro pruebas antes de abrir el canal
- Interrumpir una respuesta y comprobar que se conserva la última petición.
- Introducir pausas, ruido y diferentes formas de pronunciar nombres o referencias.
- Pedir algo fuera del alcance y comprobar el paso a una persona.
- Revisar que el resumen final recoge la solicitud sin añadir datos inventados.
Cómo llevarlo a la práctica
El indicador principal debería ser la petición bien atendida. Conviene observar también cuántas personas repiten la consulta, cuánto tarda el traspaso y si el equipo recibe contexto suficiente para continuar. Esos datos permiten decidir si la voz mejora de verdad la atención o simplemente cambia su apariencia.