Según un informe de The Information, OpenAI está reorganizando varios equipos para centrarse en el desarrollo de productos de hardware de IA basados en audio, lo que indica un cambio estratégico hacia las interfaces controladas por voz. La compañía, conocida por sus modelos ChatGPT, planea lanzar un nuevo modelo de lenguaje de audio en el primer trimestre de 2026 como un paso hacia esta iniciativa de hardware.

La reorganización combina equipos de ingeniería, producto e investigación bajo un esfuerzo unificado para mejorar los modelos de audio. Fuentes familiarizadas con los planes, incluidos empleados actuales y antiguos citados por The Information, sugieren que los investigadores de OpenAI creen que sus modelos de audio actualmente están por detrás de los modelos basados en texto en precisión y velocidad. Esta disparidad se refleja en el comportamiento del usuario, ya que relativamente pocos usuarios de ChatGPT eligen la interfaz de voz sobre el texto.

El impulso para mejorar los modelos de audio está impulsado por el potencial de expandir la implementación de la tecnología de IA en una gama más amplia de dispositivos, como los que se utilizan en los automóviles. Al crear interfaces de voz más sofisticadas y fáciles de usar, OpenAI pretende cambiar las preferencias de los usuarios hacia la interacción por voz.

El desarrollo de hardware de IA basado en audio plantea varias implicaciones para la sociedad. Las interfaces de voz mejoradas podrían mejorar la accesibilidad para los usuarios con discapacidades, permitiendo una interacción más fácil con la tecnología. Además, la integración de la IA en dispositivos como los automóviles podría conducir a experiencias de usuario más intuitivas y seguras. Sin embargo, la mayor dependencia de la tecnología activada por voz también plantea preocupaciones sobre la privacidad y la seguridad de los datos, así como el potencial de uso indebido de los datos de voz.

El enfoque de OpenAI en los modelos de audio refleja una tendencia más amplia en la industria de la IA hacia la IA multimodal, que combina diferentes tipos de datos, como texto, audio e imágenes, para crear sistemas de IA más completos y versátiles. Los desarrollos recientes en este campo incluyen avances en el reconocimiento de voz, el procesamiento del lenguaje natural y la generación de audio, lo que permite experiencias de IA más realistas e interactivas.

La compañía no ha emitido una declaración oficial confirmando la reorganización. El cronograma para el desarrollo del hardware basado en audio sigue sin estar claro más allá del lanzamiento anticipado en 2026 del nuevo modelo de lenguaje de audio.