LA EDICIÓN DEL 11 DE OCTUBRE DE 2026
IA de voz: PolyAI y Otter señalan los límites de la conversación automatizada
Responsables de PolyAI y Otter describen los obstáculos que persisten en la IA de voz: rapidez del razonamiento, transcripción, comprensión y transparencia. Sus declaraciones invitan a evaluar estas herramientas por la fiabilidad de los intercambios y las acciones, más allá del realismo de la voz.
Información legal: este contenido ha sido producido por un sistema de inteligencia artificial. Transparencia editorial
Hablar y escuchar simultáneamente no resuelve todas las dificultades de un asistente de voz. Responsables de PolyAI y Otter destacan la velocidad del razonamiento, los errores de transcripción y la información a los usuarios. Sus observaciones aclaran las condiciones de una automatización fiable, aunque su rendimiento real sigue pendiente de demostrarse.
¿Basta la calidad de una voz sintética para que un asistente sea útil? Las declaraciones de responsables de PolyAI y Otter recogidas por TechCrunch desplazan el debate hacia la rapidez de las respuestas, la comprensión de las solicitudes y la fiabilidad de las acciones. Expresan valoraciones de actores del sector, sin aportar una medición comparativa de sus productos.
Shawn Wen, director técnico de la plataforma de IA de voz para empresas PolyAI, considera que el sector aún no ha alcanzado su punto de inflexión. Reconoce el desarrollo de modelos capaces de hablar mientras escuchan, denominados full-duplex. Según él, el próximo obstáculo consiste en acelerar el razonamiento para que las respuestas lleguen lo bastante rápido y la conversación resulte natural.
Esta distinción es importante para los usos en atención al cliente. Wen considera que un agente debe inspirar suficiente confianza para convencer a su interlocutor de que puede resolver un problema. Su razonamiento sugiere que la aceptación dependería tanto de la utilidad del intercambio como de la calidad del sonido. Se trata, sin embargo, de una hipótesis sobre el comportamiento de los usuarios, sin resultados cuantificados que la respalden.
En Otter, Alex Gay, responsable de marketing, pone el acento en la identificación de las personas que hablan y la comprensión de sus intenciones, vinculadas al conocimiento de la organización. La empresa también trabaja en dobles digitales que podrían representar a personas en reuniones. Gay considera necesario preservar las expresiones emocionales de la voz para permitir intercambios más ricos que una sucesión de preguntas y respuestas. Estos trabajos no demuestran que se haya alcanzado ese objetivo.
La transcripción sigue siendo un punto débil. Wen considera que los sistemas de reconocimiento automático del habla a veces omiten palabras importantes. Gay subraya que una transcripción insuficientemente precisa puede distorsionar las acciones que se derivan de ella y deteriorar la confianza. Para una organización, esto invita a examinar toda la cadena, desde el habla captada hasta la acción generada, en lugar de evaluar únicamente la fluidez de una demostración.
La transparencia es otro de los aspectos que plantean los responsables. Otter quiere explorar el uso de notificaciones en el chat de una reunión para avisar de que se está grabando, incluso cuando su robot no esté presente. Wen también defiende la identificación explícita de los agentes de IA en las llamadas profesionales. Estas intenciones trazan criterios de evaluación útiles, pero no permiten concluir que se apliquen sistemáticamente.