Muchas personas abandonan el modo de voz de ChatGPT después de treinta segundos porque se sienten algo ridículas. Es comprensible: hablar en voz alta con el teléfono resulta extraño al principio, sobre todo en público. Sin embargo, el modo de voz es una de las funciones menos utilizadas de la IA actual. Cuando descubres las situaciones en las que supera al teclado, deja de parecer un juguete.
Este artículo explica brevemente para qué sirve, cuáles son sus límites y cómo utilizarlo sin sentir que representas una escena futurista.
Cómo encontrarlo
En la aplicación de ChatGPT — iOS y Android — hay un icono de onda de sonido cerca del cuadro de texto. Tócalo. Verás dos opciones de voz en la mayoría de las versiones actuales:
- Voz estándar: el modo básico para hablar y recibir respuestas. Está disponible de forma estable en las aplicaciones móviles; en la web, la compatibilidad depende de tu cuenta y de la interfaz actual.
- Voz avanzada (a veces denominada «En tiempo real» o algo parecido): la versión conversacional que gestiona interrupciones y matices de tono, y resulta mucho más natural. Está disponible en los planes Plus y Pro.
Claude, Gemini y Grok ahora tienen modos de voz conversacionales similares. Las versiones de voz de Apple Intelligence y Google Gemini Live también son fuertes. El consejo de este artículo se aplica a todos ellos, con ligeras diferencias en la disposición de los botones.
Por qué la voz cambia la forma en que usas la IA
El teclado te obliga a redactar: piensas qué quieres decir, lo escribes, lo vuelves a leer y lo envías. La voz funciona de otra manera. Hablas, te desvías, retrocedes y dices cosas como «en realidad, espera, también…».
Esa es precisamente la interfaz adecuada para ciertas tareas. Cuando todavía intentas averiguar qué quieres decir, el teclado te frena; la voz se adapta a tu proceso. Estos son algunos ejemplos:
Pensar en voz alta sobre una decisión. “Bueno, estoy intentando decidir si acepto la oferta. Me preocupa el trayecto, pero creo que el trabajo es más interesante. Además, mi pareja mencionó… en realidad, ¿puedes hacerme preguntas en lugar de solo escuchar?” La conversación fluye de una manera que el teclado no permitiría.
Trabajar en un problema mientras caminas. Levantarte, moverte y hablar puede funcionar mejor que permanecer ante una pantalla. El modo de voz te permite hacerlo sin renunciar a un interlocutor con quien contrastar ideas.
Aprender un idioma. Puedes practicar conversaciones en estonio, alemán, español o japonés: cualquier aprendizaje que exija hablar, no solo leer. El modelo puede representar a un hablante nativo, corregir tu pronunciación y reducir la velocidad cuando se lo pidas.
Momentos sin manos. Cocinar, pasear al perro, hacer ejercicio. El teclado no es una opción; la voz es la única opción. Conducir es la tentación, y deliberadamente lo excluimos de esta lista: una conversación que te hace pensar es una distracción real al volante, así que guarda las preguntas interesantes para cuando hayas parado.
Captura rápida. «Anota que debo hacer un seguimiento con Anna sobre la propuesta el próximo martes y recuérdame preguntar por el presupuesto». Es más rápido que escribirlo en una aplicación de notas.
El modelo mental: una llamada con un amigo inteligente
Si encuentras el modo de voz incómodo, la solución suele ser dejar de pensar en él como en una barra de búsqueda con audio y empezar a pensar en él como en una llamada telefónica con un amigo inteligente y bien leído. Puedes:
- Interrumpirlo. («Espera, no quería decir eso»).
- Divagar. («Bueno, mi situación es un poco complicada…»).
- Corregirte a mitad de frase. («En realidad, ignora eso; déjame empezar de nuevo»).
- Hacer preguntas de seguimiento con naturalidad. («¿Qué quieres decir con eso?»).
- Detenerte a pensar. («Mmm, dame un momento»).
Pruébalo una vez. Abre el modo de voz y di algo como: «Hoy tuve una interacción extraña con un compañero y quiero pensar cómo gestionarla. ¿Puedes escucharme un momento y después hacerme tres preguntas?». Habla durante unos minutos como lo harías con un amigo. El modelo seguirá el hilo y formulará preguntas útiles. La primera vez puede sorprenderte.
Para qué no funciona bien la voz
Lista honesta:
Cualquier cosa visual. Si la tarea implica mirar un documento, un gráfico, una pantalla, la voz es la herramienta equivocada. Estarás tentado a describir lo que estás viendo, y la descripción siempre pierde información. Usa la cámara o el modo de carga en su lugar.
Salida escrita precisa. Si quieres que el modelo te redacte un correo, una diapositiva, un memorando, puedes pedirlo en voz — pero querrás que la salida aparezca como texto que puedas copiar. La mayoría de los modos de voz pueden hacer ambas cosas (hablar la respuesta y mostrarla en pantalla), pero la voz rara vez es la forma más rápida de producir trabajo escrito.
Tareas que exigen leer al mismo tiempo. Explicaciones complejas, listas de opciones y cualquier contenido con cifras o pasos. La voz no funciona bien con listas: recordar cinco puntos escuchados es mucho más difícil que leerlos.
Lugares públicos donde no mantendrías una llamada. Es una cuestión social, no técnica, pero importa. En una oficina silenciosa o un autobús lleno, usar el modo de voz puede resultar molesto, igual que una llamada. Utiliza auriculares y busca un lugar apropiado.
Tareas que exigen precisión en la entrada. Dictar código, un nombre exacto, una URL larga o una dirección complicada suele acabar en frustración. Escríbelos.
Un par de patrones útiles
Una vez que la voz se siente natural, un pequeño conjunto de patrones cubrirá la mayoría de tus usos reales:
La sesión de reflexión caminando. Sal durante veinte minutos con el modo de voz activo y trabaja en una sola pregunta difícil: un problema real, el borrador de algo o «explica X para una persona principiante y curiosa». Para muchas personas sustituye una sesión de reflexión que, de otro modo, aplazarían durante horas.
La revisión matutina. Abre el modo de voz por la mañana y pide una revisión breve de la jornada. «Hoy es martes. Tengo tres reuniones a las 10, 2 y 4. Mis prioridades son X, Y y Z. Ayúdame a prepararme para el día en cinco minutos». Funciona especialmente bien con una integración de calendario.
El compañero de inmersión lingüística. «Mantengamos una conversación en estonio. Tengo un nivel intermedio. Usa una gramática sencilla, pero varía el vocabulario. Corrígeme cuando diga algo claramente incorrecto, pero no me interrumpas: espera a que termine cada frase». Es una auténtica herramienta de aprendizaje y puede practicar contigo tanto tiempo como necesites.
El compañero para preparar entrevistas. «Me estás entrevistando para un puesto de responsable de producto sénior en una startup de serie B. Hazme una pregunta real cada vez. Si mi respuesta es demasiado general, pídeme que concrete. No me des comentarios hasta el final; entonces dime qué dos respuestas debo mejorar y cómo». Puede resultar muy útil la víspera de una entrevista real.
El diario guiado. «Hazme tres preguntas sobre cómo va mi semana. No me des consejos; limítate a escuchar y formular preguntas de seguimiento». Cinco minutos semanales pueden convertirse en un hábito de revisión muy útil.
Una nota final pequeña
No tienes que hablar como si dictaras un memorando. La idea es que puedes divagar, empezar de nuevo, contradecirte y pedir al modelo que ordene lo dicho. Puede trabajar con un discurso entrecortado. Muchos usuarios consideran que sus conversaciones por voz resultan más útiles que las escritas porque dedican menos esfuerzo a construir el prompt y más a aquello que quieren descubrir.
Si el modo de voz te ha parecido extraño, haz una prueba: mañana por la mañana, mientras caminas hacia tu destino, ponte los auriculares y pide al modelo que te ayude a pensar en algo que tengas pendiente. Al cabo de diez minutos habrás resuelto el problema o lo habrás definido mejor. Ambas cosas son un éxito; lo único que ha cambiado es la interfaz.
