Durante décadas, el teclado ha sido el rey indiscutible en el entorno profesional. Sin embargo, la irrupción de los modelos de lenguaje de gran tamaño (LLM) está empezando a cambiar esa ecuación. Los trabajadores del conocimiento dedican cada vez más horas a interactuar con asistentes de inteligencia artificial, y la dinámica de escribir instrucciones, preguntas y solicitudes se está convirtiendo en un cuello de botella. Como señala Chris Patalano, CTO de Thumbtack: “Ya sea para programar, redactar un documento o pensar en estrategia, acabas pasando el día escribiendo y escribiendo”.

El despegue de las herramientas de dictado inteligente

Con ese problema en mente, Patalano y otros directivos comenzaron el pasado año a experimentar con una nueva generación de herramientas de dictado basadas en IA, desarrolladas por compañías como Wispr, Willow Voice, Superwhisper o Monologue. Lo que inicialmente parecía un experimento terminó convirtiéndose en una práctica habitual dentro de la empresa. Tras una prueba piloto, Thumbtack amplió el uso de Wispr Flow a más de 200 profesionales de tecnología e ingeniería, que emplean la herramienta para interactuar con asistentes de IA, redactar mensajes en Slack o desarrollar tareas técnicas. Según Patalano, “se está convirtiendo en la interfaz principal que utilizo para trabajar con herramientas de IA. Es mucho más eficiente que tener que escribirlo todo”.

De la transcripción a la creación de contenido

El reconocimiento de voz no es una tecnología nueva. Los primeros sistemas experimentales surgieron en los años cincuenta y los primeros productos comerciales llegaron durante las décadas siguientes. Soluciones como Dragon Dictate alcanzaron cierta popularidad durante los noventa, especialmente entre profesionales acostumbrados a trabajar mediante dictado, como médicos o abogados. Sin embargo, aquellas herramientas tenían limitaciones importantes. Los sistemas transcribían literalmente todo lo que escuchaban, incluyendo pausas, repeticiones, dudas o expresiones innecesarias. El resultado era que gran parte del tiempo ahorrado durante el dictado se perdía posteriormente corrigiendo textos.

“Se equivocaban constantemente y además escribían absolutamente todo lo que decías, incluso cuando no querías que quedara reflejado”, explica Benjamin Cowan, profesor de la School of Information and Communication Studies del University College Dublin. La gran diferencia de la nueva generación de herramientas reside precisamente en esa capacidad de edición inteligente. En lugar de limitarse a transcribir, utilizan modelos de lenguaje para interpretar la intención del usuario, eliminar muletillas y reformular automáticamente las frases para producir textos limpios y estructurados prácticamente en tiempo real. Según Maria Bell, analista sénior de CCS Insight, “estas soluciones son mucho más contextuales. Entienden lo que intentas decir, ayudan a organizar las ideas y pueden reescribir mientras hablas. Funcionan más como asistentes de escritura que como simples herramientas de dictado”.

Impulsadas por la fiebre de la IA

La aparición de estas plataformas ha despertado el interés de inversores y grandes empresas tecnológicas. Wispr se ha convertido en uno de los actores más destacados del segmento tras captar decenas de millones de dólares de financiación. Otras compañías emergentes como Willow Voice también han obtenido respaldo financiero para acelerar su crecimiento. Paralelamente, los grandes proveedores tecnológicos están incorporando capacidades similares a sus propios ecosistemas. Apple ha anunciado funciones avanzadas de dictado impulsadas por IA para Siri, mientras que Google trabaja en nuevas capacidades de voz para Android y otras aplicaciones. El movimiento recuerda a lo ocurrido con otras tecnologías de productividad impulsadas por IA: las startups abren el camino, pero los grandes actores del mercado cuentan con la capacidad de integrar estas funciones de manera nativa en sus plataformas.

Más velocidad para una plantilla cada vez más saturada

El principal argumento comercial de estas herramientas es sencillo: hablar es mucho más rápido que escribir. Mientras que un trabajador de oficina suele teclear entre 40 y 70 palabras por minuto, una conversación normal oscila entre 160 y 180 palabras por minuto. La diferencia resulta especialmente atractiva en un contexto donde la carga comunicativa no deja de crecer. Correos electrónicos, chats corporativos, documentación, reuniones, informes y solicitudes a herramientas de IA forman parte de la rutina diaria de millones de profesionales. “Los empleados están saturados de trabajo relacionado con la comunicación”, señala Bell. Y añade: “Dedican enormes cantidades de tiempo a escribir correos, mensajes y consultas a sistemas de IA generativa. Las herramientas de voz resultan atractivas porque reducen la fricción de todas esas tareas”.

El potencial va más allá de la productividad individual. Según Cowan, estas aplicaciones pueden facilitar desde la elaboración de listas de tareas hasta la redacción de documentos complejos o la gestión de comunicaciones internas. Además, representan una mejora significativa en términos de accesibilidad para personas que encuentran dificultades para escribir.

Las barreras que todavía frenan la adopción

Pese a sus ventajas, la adopción masiva de estas herramientas está lejos de estar garantizada. La principal barrera no es tecnológica, sino cultural. Hablar continuamente con un ordenador en una oficina abierta sigue generando incomodidad para muchos usuarios. “Algunas personas se sienten incómodas o avergonzadas. Les preocupa molestar a sus compañeros o interrumpir el entorno de trabajo”, explica Bell. En opinión de esta analista, la tecnología ya está preparada, pero las normas sociales y la cultura corporativa todavía no han evolucionado al mismo ritmo. Las compañías con modelos de trabajo remoto tienen más facilidad para superar este obstáculo. Aun así, incluso quienes trabajan desde casa necesitan un periodo de adaptación. Patalano reconoce que acostumbrarse a verbalizar instrucciones delante del ordenador no resulta natural al principio, aunque con el tiempo termina integrándose en la rutina diaria.

La precisión sigue siendo clave

Como ocurre con cualquier tecnología basada en IA, la confianza es esencial para impulsar la adopción. Aunque los proveedores aseguran niveles elevados de precisión, los expertos advierten de que los errores siguen existiendo. En sectores especialmente regulados, como sanidad, servicios financieros o administración pública, cualquier texto generado mediante IA requiere procesos adicionales de revisión y validación. Por eso Cowan advierte de que “todavía pueden interpretar mal lo que se ha dicho”. La realidad es que basta con unos pocos errores para que muchos usuarios abandonen una herramienta. “Hay muchos casos de uso donde aporta valor, pero tienes que confiar en ella”, señala Jon Arnold, analista de J Arnold & Associates, quien apostilla: “Si no genera exactamente lo que esperas, acabarás ajustándola o volverás al teclado”.

Privacidad y gobierno de datos: las preguntas que inquietan a los CIO

Más allá de la precisión, la privacidad se perfila como otro de los grandes factores que determinarán la adopción empresarial. Algunas soluciones procesan la voz directamente en el dispositivo, mientras que otras envían la información a la nube para su análisis. La diferencia es especialmente relevante para organizaciones sujetas a requisitos estrictos de cumplimiento normativo y protección de datos. “¿Dónde se procesa la información de voz? ¿Dónde se almacena? ¿Quién puede acceder a ella?”, plantea Bell. A su juicio, “las empresas están extremadamente centradas en cuestiones de gobierno, seguridad y privacidad de los datos”. Para los CIO, el auge de estas plataformas añade una nueva variable a las estrategias de gobierno de la IA: la gestión de datos de voz corporativos, un activo que puede contener información sensible, propiedad intelectual o datos personales. En este sentido, recomendamos revisar nuestra guía de seguridad y buenas prácticas para implementar IA generativa, así como el artículo sobre hardening de servidores para garantizar entornos seguros.

¿El principio del fin del teclado?

La gran incógnita es si los profesionales terminarán sustituyendo el teclado por la voz de forma generalizada. Los expertos creen que todavía es pronto para afirmar que se producirá un cambio radical. La familiaridad creciente con asistentes virtuales, altavoces inteligentes y aplicaciones conversacionales favorece una mayor aceptación de las interfaces de voz, pero modificar comportamientos profundamente arraigados nunca resulta sencillo. Para Bell, “hace cinco años la interacción por voz parecía algo de nicho. Hoy ya no tanto. La tecnología mejora muy rápido, pero el verdadero reto será cambiar los hábitos humanos”. Su previsión es que la voz se consolide como una interfaz complementaria, no sustitutiva. Una visión que comparte el propio Patalano. A su juicio, siempre existirán situaciones en las que cada palabra importe y donde la escritura tradicional siga ofreciendo mayor control, tanto en la creación de contenido como en el desarrollo de software. Sin embargo, también cree que la mejora continua de los modelos de IA hará que cada vez más tareas cotidianas migren hacia la interacción por voz. Y ahí es donde muchos CIO empiezan a prestar atención: si la IA generativa está redefiniendo cómo trabajan los profesionales, la próxima batalla podría no estar en el modelo, sino en la interfaz desde la que nos relacionamos con él. Para profundizar en cómo la IA está transformando otros sectores, no te pierdas nuestro análisis sobre Muse Spark 1.1 y su impacto en el mercado empresarial.

Fuente original: ComputerWorld. Análisis y adaptación por ForgeNEX.