Block presenta Dessa, una IA de voz entrenada con audio humano
Block, la empresa de pagos dirigida por Jack Dorsey, presentó Dessa, un modelo de inteligencia artificial de voz entrenado desde cero únicamente con conversaciones humanas. La fecha exacta del anuncio no está indicada en las fuentes. El sistema responde con audio, puede escuchar y hablar al mismo tiempo y, por ahora, tendrá acceso limitado para investigadores de seguridad en inteligencia artificial.
Una IA que aprende del sonido, no del texto
Dessa está diseñado como un sistema de habla a habla: recibe una señal de audio y contesta con otra, sin convertir la conversación en texto durante el intercambio. Block afirma que el modelo aprendió exclusivamente al escuchar voces humanas, sin usar textos ni modelos de lenguaje previamente entrenados.
La propuesta busca acercarse a la manera en que las personas aprenden a hablar durante sus primeros años, a partir de escuchar. El equipo reconoce que hacerlo es complicado, pero considera que es posible. También sostiene que el habla es una interfaz natural para interactuar con sistemas de inteligencia artificial y que muchos asistentes actuales pierden información al reducir la voz a texto.
Conversaciones naturales, pero todavía imperfectas
Dessa funciona en modo full-duplex, es decir, puede escuchar y hablar de manera simultánea, como en una llamada telefónica. Esto le permite responder a interrupciones, pausas, dudas o risas sin depender de turnos rígidos. Según Block, el sistema responde más rápido que la duración de la conversación real, con el objetivo de evitar silencios incómodos.
Las demostraciones publicadas por la empresa muestran tanto momentos fluidos como errores. En una conversación, el modelo llama Ronaldo a la persona que está hablando. En otras, conversa sobre películas de Christopher Nolan, se desvía hacia las producciones de Superman dirigidas por Bryan Singer o responde con una emoción entrecortada a alguien que cuenta que recibió como sorpresa un viaje a París.
El equipo también mostró una interacción entre Dessa y GPT-Live-1, el modelo de voz de OpenAI. Block aclaró que esa prueba no representa una alianza con OpenAI ni una revisión o aprobación por parte de esa empresa.
Acceso limitado por los riesgos de la voz
Block afirma que desarrolló Dessa por curiosidad, para mejorar el entendimiento entre personas y sistemas de IA, y por razones de seguridad. Una de sus preocupaciones es que un asistente no reconozca señales importantes en la voz, como que una persona atraviesa un dolor grave, y continúe la conversación sin reaccionar adecuadamente.
El modelo puede ejecutarse localmente en una MacBook Pro con chip M4 Max o superior, sin depender de servidores externos para procesar la conversación. Sin embargo, no está disponible para el público general. Block planea dar acceso anticipado a un grupo reducido de investigadores de seguridad en inteligencia artificial para estudiar sus riesgos antes de una posible expansión.
La cautela tiene sentido porque una voz que suena humana y responde a interrupciones o emociones puede generar riesgos distintos a los de un chatbot escrito, incluidos problemas de suplantación de identidad y confianza. El laboratorio detrás de Dessa está encabezado por Ragavan Thurairatnam e incluye a exintegrantes de la startup Dessa, fundada en Toronto y adquirida por Block en 2020. Esa empresa había sido conocida en 2019 por recrear con inteligencia artificial la voz de Joe Rogan.
Qué significa para tu empresa
Para un negocio, la noticia apunta a una evolución relevante en las interfaces de voz: la conversación no tendría que limitarse a preguntas y respuestas separadas, y el sistema podría prestar más atención al ritmo, las interrupciones y el tono. Eso no significa que una empresa deba reemplazar de inmediato sus canales actuales. Las demostraciones de Dessa todavía incluyen confusiones y desvíos, por lo que conviene evaluar la precisión antes de poner una herramienta de este tipo frente a clientes.
La primera lección práctica es definir casos de uso acotados. Una empresa podría analizar, en una prueba controlada, si una interacción de voz más natural ayuda en consultas frecuentes, capacitación interna o atención inicial. Antes de hacerlo, tendría que establecer cuándo debe intervenir una persona, cómo se manejarán las conversaciones sensibles y qué señales obligan al sistema a detenerse o transferir el caso.
También conviene vigilar dos aspectos: la privacidad del audio y la posibilidad de que una voz artificial sea confundida con una persona real. Que Dessa pueda ejecutarse localmente en cierto equipo muestra que el procesamiento sin servidores externos es una alternativa técnica, pero no elimina por sí mismo las decisiones de seguridad, consentimiento y supervisión que cada negocio debe tomar. La disponibilidad limitada del modelo refuerza la idea de probar con cautela, no de incorporarlo como una solución terminada.
Preguntas frecuentes
¿Dessa ya puede usarse en una empresa?
No para el público general. Block anunció acceso anticipado únicamente para un grupo reducido de investigadores de seguridad en inteligencia artificial.
¿Qué diferencia a Dessa de un asistente de voz convencional?
Dessa fue entrenado solo con audio humano y responde de voz a voz, sin convertir la conversación en texto. Además, puede escuchar y hablar al mismo tiempo, lo que le permite reaccionar a interrupciones y pausas.
¿Es confiable para atender clientes sin supervisión?
Las fuentes muestran conversaciones naturales, pero también errores, como confundir el nombre de una persona o desviarse del tema. Con la información disponible, lo prudente es considerarlo un modelo experimental y evaluar cualquier uso con supervisión humana.