Shawn Wen, CTO de PolyAI, y Alex Gay, CMO de Otter, señalan que la inteligencia artificial de voz no ha alcanzado aún su momento de inflexión comparable al de ChatGPT. Aunque la industria ha invertido miles de millones en modelos de voz y agentes de atención al cliente, los expertos coinciden en que la tecnología aún carece de la madurez necesaria para generar confianza natural y precisión contextual.
Wen argumenta que, si bien se han desarrollado modelos de doble vía que permiten hablar mientras se escucha, el siguiente desafío es acelerar la capacidad de razonamiento para que las respuestas sean rápidas y la conversación se sienta orgánica. Gay, por su parte, destaca que la identificación de hablantes, la captura de intenciones y la transcripción precisa son pilares fundamentales para la automatización. Ambos ejecutivos subrayan la importancia de la transparencia: las plataformas deben informar a los usuarios sobre la grabación o la interacción con IA para mantener la confianza. Además, se señala que los modelos de reconocimiento de voz (ASR) a menudo omiten palabras clave cruciales, lo que compromete la calidad de las acciones derivadas de la transcripción. La industria está trabajando para mejorar la precisión del lenguaje y la capacidad de los agentes para resolver problemas complejos sin sonar robóticos.