OpenAI ha dado un paso significativo en la evolución de sus herramientas de inteligencia artificial: Codex ya puede escucharte y responderte en tiempo real mientras ejecuta tareas en tu ordenador. La compañía mostró públicamente una demostración de Codex Voice, una función que integra un asistente de voz directamente en el agente de programación y productividad, y que según quienes la han probado se acerca bastante a lo que todos hemos visto en las películas de Iron Man.
Qué es Codex Voice y por qué se habla de Jarvis
Codex es el agente de IA de OpenAI orientado a tareas de programación y productividad. Hasta ahora, la interacción con él era principalmente textual. Pero según la información facilitada por la propia compañía, Codex Voice añade una capa de conversación de voz en tiempo real que permite dar instrucciones habladas mientras el agente trabaja en segundo plano.
La comparación con Jarvis, el asistente de Tony Stark, viene de Riley Brown, quien realizó la demostración pública. De acuerdo con su valoración, es lo más cercano a ese tipo de experiencia que ha visto hasta la fecha. Brown mostró cómo iniciar un chat de voz desde la esquina inferior de Codex y conversar con el sistema sin necesidad de escribir instrucciones completas en cada paso.
Cómo funciona la conversación continua con el agente
La base técnica de Codex Voice es GPT-Live, la familia de modelos de voz que OpenAI presentó el 8 de julio de 2026. Según la compañía, su arquitectura permite escuchar y hablar al mismo tiempo, lo que hace posible interrumpir la conversación de forma natural sin tener que esperar a que el sistema termine de hablar.
A diferencia de los asistentes de voz tradicionales, que funcionan por turnos (tú hablas, él responde, tú vuelves a hablar), GPT-Live mantiene la conversación activa mientras delega tareas más complejas a otros modelos como GPT-5.5. Esto significa que puedes seguir hablando aunque Codex esté procesando algo en segundo plano.
Según los datos de la demostración, el usuario también puede silenciar el micrófono mientras observa el trabajo del agente. Esto facilita revisar visualmente lo que está ocurriendo en pantalla sin interrumpir el flujo de la sesión.
Qué tareas puede hacer Codex mientras hablas con él
Durante la prueba mostrada por Brown, Codex realizó una variedad de tareas encadenadas a partir de instrucciones de voz. Según los datos facilitados en la demostración, estas son algunas de las acciones que llevó a cabo:
- Buscar quejas de atención al cliente en el correo y preparar borradores de respuesta (encontró 12 resúmenes y guardó 11 borradores).
- Crear un documento de Google con los problemas detectados, sin incluir nombres de usuarios.
- Hacer público ese documento y preparar un mensaje de texto con el enlace para enviárselo a un contacto.
- Abrir sesiones paralelas de investigación sin interrumpir la conversación principal.
- Guardar los resultados de una investigación en Notion con formato de pestañas e hipervínculos.
- Modificar un tablero de Excalidraw añadiendo nuevos casos de uso.
En todos los casos con consecuencias externas (enviar mensajes, modificar documentos compartidos), el sistema pidió confirmación explícita antes de ejecutar la acción. Este comportamiento no es accidental: según la fuente, el agente está diseñado para no actuar de forma autónoma cuando las consecuencias son irreversibles o sensibles.
Las salvaguardas que impiden que Codex actúe solo
Uno de los aspectos más relevantes de Codex Voice es su sistema de restricciones. De acuerdo con la información facilitada durante la demostración, Codex no puede enviar mensajes, gastar dinero, cambiar permisos ni acceder a datos privados sin una solicitud directa del usuario.
Según la fuente, el sistema también aclaró que ninguna habilidad configurada por el usuario puede anular esas salvaguardas. Las automatizaciones autorizadas pueden seguir sus propias reglas, pero no pueden concederse a sí mismas permisos adicionales. Esto busca evitar que una instrucción ambigua se convierta en una acción con consecuencias reales sin que el usuario lo sepa.
El agente puede redactar mensajes, correos o publicaciones, pero no debe enviarlos sin una instrucción directa del usuario.
Desarrollo de apps en Swift y acceso remoto desde el iPhone
La demostración también incluyó una parte más técnica. Brown pidió a Codex que construyera una aplicación para iOS en Swift inspirada en Apple Notes, para ejecutarla dentro del simulador integrado de la herramienta. Al mismo tiempo, abrió dos sesiones adicionales: una para un clon de Notion y otra para un clon de Trello.
El proyecto de la app recibió el nombre de Memo Canvas. Según los datos facilitados, Brown fue ajustando la interfaz en tiempo real con instrucciones de voz: activar un modo claro por defecto, mejorar la barra de navegación inferior con un diseño de «cápsula de vidrio líquido». Codex confirmó que había ajustado el espaciado, la profundidad visual y el botón principal.
Uno de los momentos más llamativos llegó cuando Brown conectó la voz de ChatGPT desde su iPhone con Codex en su Mac mediante acceso remoto emparejado. Según la fuente, Android también podrá hacer esto en el futuro, aunque la demostración no incluyó una fecha concreta para ese soporte.
Dónde está disponible y qué limitaciones tiene todavía
Según los datos confirmados el 23 de julio de 2026 en el registro oficial de novedades de ChatGPT, GPT-Live ya está disponible en la aplicación de escritorio de ChatGPT para macOS y Windows, integrado con Codex y con ChatGPT Work. La versión para conversaciones convencionales también está disponible en web, iOS y Android.
Sin embargo, la demostración también dejó ver algunas limitaciones. La experiencia todavía requiere supervisión activa: en un momento de la prueba, una pestaña del navegador se cerró por la limpieza de sesión y fue necesario reabrir el simulador. El propio Brown aclaró que su sesión duró entre 30 y 45 minutos y que presentaba sus conclusiones como una primera exploración.
Según la fuente, el modelo no puede cambiarse desde una conversación de voz en vivo. La configuración depende del espacio de trabajo de la tarea activa, y las labores más extensas pueden dividirse en sesiones independientes para no sobrecargar una única conversación.
Un asistente que gestiona correo, documentos y código a la vez
Lo que muestra Codex Voice es un cambio de paradigma en cómo interactuamos con los agentes de IA. Ya no se trata solo de escribir un prompt y esperar una respuesta, sino de mantener una conversación continua mientras el sistema trabaja de forma paralela en varias tareas.
De acuerdo con los datos de la demostración, Codex puede gestionar al mismo tiempo correo electrónico, documentos, investigación web, desarrollo de aplicaciones y edición de tableros visuales, todo ello desde una única interfaz de voz. La integración con herramientas externas como Notion, Google Drive o Excalidraw amplía considerablemente su utilidad práctica para equipos de trabajo.
Según la fuente, la llegada del acceso remoto desde iOS abre nuevas posibilidades para gestionar el ordenador desde el móvil, algo especialmente útil cuando una tarea larga sigue ejecutándose y el usuario no está frente a la pantalla. Brown anunció que publicará una guía más detallada después de usar la herramienta durante varios días en su negocio.
Fuente: https://www.diariobitcoin.com/tecnologia/openai-lleva-codex-a-la-voz-en-tiempo-real-y-lo-acerca-a-un-asistente-tipo-jarvis/