Por Canuto  

OpenAI mostró una versión de Codex con voz en tiempo real que puede ejecutar tareas en una computadora, crear documentos, investigar, editar aplicaciones y recibir órdenes desde un iPhone.
***

  • Codex Voice permite conversar con un agente conectado a herramientas, navegador, correo y aplicaciones de productividad.
  • El sistema puede abrir sesiones paralelas para investigación, documentos y desarrollo de apps sin interrumpir la conversación principal.
  • La función mantiene salvaguardas: no envía mensajes ni realiza cambios sensibles sin una autorización explícita del usuario.

Una experiencia de voz que busca parecerse a Jarvis

OpenAI presentó una función de voz en tiempo real integrada directamente en Codex. La experiencia fue descrita por Riley Brown como lo más cercano que ha visto a Jarvis, el asistente virtual asociado con el universo de Iron Man.

La diferencia principal frente a un sistema de dictado está en la interacción continua. El usuario puede hablar con Codex mientras el agente consulta herramientas, navega por páginas, modifica archivos y ejecuta tareas en la computadora.

En la demostración de OpenAI just released Codex Voice (It’s basically Jarvis), Brown mostró cómo iniciar un nuevo chat de voz desde la esquina inferior de Codex. El creador conversó con el sistema sin tener que escribir instrucciones completas en cada paso.

La sesión comenzó con una solicitud relacionada con el correo electrónico. Brown pidió buscar quejas de atención al cliente, preparar respuestas y abrir los casos dentro del navegador integrado de Codex.

El agente confirmó la tarea y abrió al mismo tiempo los documentos relacionados. Según la demostración, encontró 12 resúmenes de quejas y guardó borradores para 11 de ellos.

La función también permite silenciar el micrófono mientras el usuario continúa observando el trabajo. Esta opción facilita alternar entre la conversación y la revisión visual de las acciones que ocurren en pantalla.

Correos, documentos y mensajes con autorización

Después de revisar las quejas, Brown pidió reunir los problemas en un nuevo documento de Google. También indicó que no debían utilizarse nombres, con el objetivo de crear un resumen general de los inconvenientes del producto.

Codex generó el documento y lo abrió en una nueva pestaña del navegador integrado. La interacción mostró una modalidad en la que el usuario puede mantener la voz activa aunque el panel lateral de Codex esté cerrado.

El sistema informó que estaba creando archivos, obteniendo documentos y procesando información. Para Brown, esa actividad resultó relevante porque la conversación podía mantenerse como una capa de asistencia sobre el trabajo visible.

Más adelante, el usuario solicitó hacer público el documento y enviar el enlace mediante un mensaje de texto a Emily Lambert. Codex indicó que revisaría la solicitud antes de ejecutar ambas acciones.

La demostración incluyó una confirmación explícita para enviar el mensaje. Brown añadió después una nota con la frase “¿Podemos solucionar estos problemas al final del día?” y volvió a ordenar que se enviara.

Este flujo revela una separación entre preparar una acción y ejecutarla. El agente puede redactar mensajes, correos, publicaciones o comunicaciones internas, pero no debe enviarlos sin una instrucción directa del usuario.

Durante la conversación, Codex explicó que una habilidad configurada por el usuario tampoco puede eliminar esas salvaguardas. Las automatizaciones autorizadas pueden operar bajo reglas definidas, pero una habilidad no puede concederse permisos por sí misma.

Investigación, sesiones paralelas y control del navegador

La prueba continuó con Excalidraw abierto en el navegador integrado. Brown pidió que Codex identificara capacidades adicionales que pudieran incorporarse a un tablero dedicado a las funciones de Jarvis.

El agente señaló tres posibilidades: observar la pantalla y actuar sobre documentos, hojas de cálculo o diagramas; investigar información en vivo durante una conversación; y crear o editar documentos, presentaciones, código, correos y flujos de trabajo.

Brown también pidió una investigación detallada sobre la nueva función y ordenó guardar los resultados en un documento de Notion. Solicitó utilizar el formato con pestañas que acostumbra emplear y añadir hipervínculos.

Una de las características más llamativas fue la posibilidad de separar esa investigación en otra conversación. De esa forma, Codex podía continuar trabajando en segundo plano mientras el usuario mantenía abierta la sesión principal.

El agente confirmó que había iniciado una tarea independiente. Posteriormente, informó que la investigación estaba terminada, abrió la nota de Notion en una pestaña del navegador integrado y añadió nuevos casos de uso al tablero de Excalidraw.

Entre esos casos aparecieron la creación de nuevas sesiones para investigación de fondo y el control de Excalidraw. La herramienta no solo conversó sobre el contenido, sino que también modificó directamente el entorno visual.

La demostración presentó algunos comportamientos todavía poco pulidos. En un momento, una pestaña del navegador se cerró por la limpieza de la sesión, y Brown tuvo que pedir que se cerraran las demás pestañas y se reabriera el simulador.

El episodio muestra que el control de computadora no siempre funciona como una experiencia completamente invisible. Las sesiones, pestañas y vistas pueden cambiar, por lo que el usuario debe verificar qué entorno está activo.

Desarrollo de aplicaciones y acceso remoto desde el iPhone

La prueba también incluyó una solicitud de desarrollo para iOS. Brown pidió utilizar la habilidad de creación de aplicaciones y construir una app en Swift inspirada en Apple Notes, para ejecutarla dentro del simulador integrado de Codex.

Mientras esa tarea avanzaba, solicitó abrir dos sesiones adicionales. Una debía trabajar en un clon de Notion y otra en un clon de Trello, ambas con el mismo objetivo de ejecución dentro del simulador.

Codex respondió que comenzaría por definir las pantallas principales y el modelo de datos de la aplicación. También pudo abrir referencias visuales en varias pestañas para buscar inspiración sobre interfaces de notas.

El proyecto recibió el nombre de Memo Canvas dentro de la demostración. Brown pidió probar sus funciones y luego solicitó que la aplicación utilizara por defecto un modo claro.

Además, pidió mejorar la barra inferior de navegación con una apariencia de cápsula de vidrio líquido. Codex informó que había ajustado el espaciado, la profundidad visual y el botón principal para crear una interfaz más pulida.

La experiencia no se limitó al equipo local. La demostración presentó una función que permite conectar la voz de ChatGPT desde una aplicación de iOS con Codex en una computadora mediante acceso remoto emparejado.

Brown inició una nueva sesión de voz desde el teléfono y preguntó si estaba conectada al trabajo que se ejecutaba en su Mac. El agente explicó que se trataba de una sesión nueva, aunque podía vincularse con la misma área de trabajo.

El usuario tuvo que solicitar expresamente la creación de una nueva tarea para resumir los correos de soporte. Codex abrió esa labor en una conversación separada con el nombre “summarize support emails”.

La demostración terminó con una consulta sobre el estado de Memo Canvas. El sistema indicó que la tarea seguía activa y que la versión con modo claro y barra de navegación de vidrio líquido continuaba ejecutándose en el simulador.

El contenido presentado por Riley Brown muestra una herramienta con potencial para centralizar correo, investigación, documentos, diseño y desarrollo. Sin embargo, también deja claro que la experiencia todavía exige supervisión, confirmaciones y comprensión de los límites de cada sesión.

Entre las restricciones mencionadas está la imposibilidad de cambiar el modelo desde una conversación de voz en vivo. La configuración depende del espacio de trabajo de la tarea, mientras que las labores extensas pueden dividirse en sesiones independientes.

Codex también indicó que no puede tomar control silencioso de aplicaciones, enviar mensajes, gastar dinero, cambiar permisos ni acceder a datos privados sin una solicitud del usuario. Estas condiciones buscan evitar que la automatización convierta una orden ambigua en una acción con consecuencias reales.

La llegada del acceso remoto desde iOS amplía el alcance práctico de la función. Android fue mencionado como una plataforma cuyo soporte llegaría posteriormente, sin que la demostración ofreciera una fecha concreta.

Brown aclaró que su prueba inicial duró entre 30 y 45 minutos. Por ello, presentó sus conclusiones como una primera exploración y anticipó una guía más completa después de utilizar la herramienta durante varios días en su negocio.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados