El nuevo sistema de voz presentado por la firma tecnológica se ejecuta en local y procesa emociones con un realismo inédito. «Dessa» es capaz de reír, dudar e incluso simular llanto porque ha sido entrenado exclusivamente con conversaciones reales.
Jack Dorsey, director ejecutivo de Block, presentó el avance en redes sociales destacando su asombrosa naturalidad. «Creemos que la voz es la forma más natural de interactuar con la inteligencia, por lo que creamos Dessa, el modelo de voz de doble vía más auténtico jamás construido», afirmó el directivo.
Emociones integradas sin guiones escritos
La interacción es totalmente fluida y bidireccional, sin necesidad de aplanar el sonido transcribiéndolo primero a formato texto. «Hablar con él se siente como hablar con una persona… lleno de emoción, matices, pausas y un ritmo natural», añadió el propio fundador de la compañía.
En las pruebas publicadas, el algoritmo suena cansado tras la jornada o reacciona con lágrimas ante un viaje sorpresa. Durante las demostraciones, el asistente también logró debatir con soltura sobre películas de Christopher Nolan, director de cine, sin depender de rígidos guiones externos.
El impacto financiero de procesar en local
Más allá de la evidente sorpresa tecnológica, este avance reconfigura por completo la estructura de costes de cualquier empresa emergente. Ejecutar el modelo desde un MacBook con chip M4 Max reduce drásticamente la factura operativa y evita la dependencia de servidores externos.
El mercado actual ofrece soluciones en la nube, como la herramienta «Grok Voice 3.0», a tarifas públicas que rondan los 0,08 dólares por minuto. Cobrar por tiempo de uso supone un peaje casi inasumible cuando un producto digital necesita atender miles de pedidos masivamente.
Un ecosistema de atención automatizada
La adopción de estos agentes acústicos ya está transformando la atención al cliente en gigantes internacionales como la red Starlink. Su sistema resuelve de forma autónoma casi el 70% de sus 20.000 llamadas diarias, diagnosticando problemas técnicos o emitiendo reembolsos directos.
Sin embargo, abrazar este salto tecnológico exige diseñar sólidas capas de protección para evitar la temida clonación de identidades. Tecnológicas como Google ya incorporan marcas de agua inaudibles llamadas «SynthID» para garantizar el cumplimiento normativo de estos audios sintéticos.
Laboratorio cerrado y futuro acústico
Por el momento, los interesados en integrar esta infraestructura nativa en sus negocios tendrán que armarse de paciencia. El acceso público permanece cerrado y la compañía solo ha permitido la entrada a un grupo muy reducido de investigadores especializados en ciberseguridad.
La dirección del mercado es ineludible: las herramientas de interacción dejarán de ser un servicio alquilado por minutos en la nube. Detectar si un cliente está frustrado, enfadado o tiene prisa será una capacidad básica que vivirá directamente dentro de los dispositivos del usuario.
