Una startup recauda 13 millones de dólares para crear voces de IA indistinguibles de las humanas

Smallest.ai, una empresa emergente especializada en inteligencia artificial de voz, acaba de anunciar una ronda de financiación de 13 millones de dólares, según informó TechCrunch. El objetivo de la compañía es desarrollar modelos de voz capaces de mantener conversaciones telefónicas tan naturales que resulte imposible distinguirlas de un humano real: en otras palabras, superar el test de Turing (una prueba clásica de la IA que mide si una máquina puede imitar el comportamiento humano sin que nadie se dé cuenta).

El proyecto se centra en crear asistentes de voz ultrarrápidos para llamadas automatizadas. A diferencia de los sistemas actuales, que suelen sonar robóticos o presentar pausas incómodas, la tecnología de Smallest.ai promete respuestas instantáneas, entonación natural y capacidad para interpretar matices en el tono de quien llama. La empresa no ha detallado qué arquitectura de modelo utiliza (LLM, un tipo de red neuronal entrenada con enormes cantidades de texto, u otra tecnología especializada), pero sí ha insistido en que la velocidad de respuesta es clave para la sensación de fluidez.

El mercado objetivo son empresas que gestionan grandes volúmenes de llamadas: atención al cliente, concertación de citas, encuestas o ventas telefónicas. La idea es que un modelo de voz suficientemente convincente reduzca costes operativos sin generar rechazo en los usuarios. Sin embargo, el concepto también plantea dilemas éticos: si la IA suena humana, ¿debe identificarse como tal al inicio de la llamada? Reguladores en varios países ya debaten esta cuestión.

Smallest.ai no es la única jugando en este terreno. Empresas como ElevenLabs (conocida por clonar voces con pocos segundos de audio) y OpenAI (con su modelo de voz avanzado integrado en ChatGPT) también trabajan en hacer que la IA suene más natural. La diferencia, según la startup, está en la latencia (el tiempo que tarda el sistema en procesar y responder) y en la capacidad de mantener el contexto a lo largo de una conversación larga.

La ronda ha sido liderada por fondos de inversión especializados en tecnología, aunque la empresa no ha revelado nombres concretos ni la valoración alcanzada. Con el capital, planean ampliar el equipo de ingeniería y lanzar una versión beta en los próximos meses, inicialmente dirigida a clientes corporativos en Estados Unidos.