Emular el cansancio en el tono de voz, reír en el momento preciso o hacer una pausa cargada de significado: estas capacidades, hasta hace poco exclusivas de los humanos, comienzan a formar parte del repertorio de los modelos de inteligencia artificial conversacional. El laboratorio de investigación de Block presentó Dessa, un sistema de habla dúplex completo que puede hablar y escuchar de forma simultánea, y que genera respuestas directamente desde datos conversacionales, sin depender de un modelo de lenguaje extenso como intermediario.
Esa distinción técnica tiene implicaciones concretas. Los modelos de voz convencionales convierten texto en habla, un proceso que tiende a filtrar la información emocional antes de que llegue al oyente. Dessa opera de habla a habla, lo que le permite preservar matices como el ritmo, la cadencia y el estado emocional del intercambio. El resultado, según los investigadores de Block, es una experiencia conversacional que se aproxima a la interacción humana de forma más consistente que los sistemas actuales.
Arquitectura local y acceso controlado
Desde el punto de vista de infraestructura, Dessa puede ejecutarse en hardware de consumo —específicamente en equipos con chips M4 Max o superiores—, lo que abre la posibilidad de desplegar capacidades de voz avanzadas sin depender de servicios en la nube. Para organizaciones con requisitos estrictos de privacidad de datos o latencia, esta característica representa una ventaja operativa significativa.
Sin embargo, el modelo no tiene acceso público por el momento. Block ha convocado a investigadores de seguridad para evaluar escenarios en los que un agente de voz podría inducir a error a los usuarios, una señal de que la empresa reconoce los riesgos inherentes a sistemas que suenan indistinguibles de una persona real. La capacidad de generar emociones convincentes no es solo un avance técnico: también amplía la superficie de riesgo en contextos de fraude, manipulación o suplantación de identidad.
Implicaciones para sectores con alta carga conversacional
Block opera principalmente en el sector financiero, con soluciones orientadas a pequeñas empresas. Un modelo de voz que funciona de forma local y replica comportamiento emocional tiene aplicaciones directas en atención al cliente, soporte financiero automatizado y experiencias de usuario que hoy dependen de agentes humanos. La reducción de costos operativos en estas funciones es un vector de impacto inmediato.
Más allá del caso específico, el desarrollo de Dessa anticipa una tendencia más amplia: la voz como interfaz primaria para la IA empresarial. A medida que los modelos de habla ganen autenticidad emocional, las organizaciones deberán definir políticas claras sobre transparencia —cuándo un usuario debe saber que habla con una IA— y sobre los límites éticos del diseño conversacional. La pregunta ya no es si la IA puede sonar humana, sino qué consecuencias tiene que lo haga.
