Virtual Assistant

Un asistente virtual es un software que entiende solicitudes habladas o escritas y las lleva a cabo: responde preguntas, programa temporizadores y recordatorios, envía mensajes, reproduce contenido multimedia, controla dispositivos domésticos inteligentes y completa tareas en aplicaciones. Asistente digital y asistente de IA son sinónimos, y los asistentes de voz son aquellos con los que la gente habla. Siri llevó la idea al gran público: nació como una escisión del proyecto de investigación CALO, financiado por DARPA y desarrollado por SRI International; Apple compró la startup en 2010 y Siri llegó con el iPhone 4S en octubre de 2011. Alexa, de Amazon, debutó con el altavoz Echo en noviembre de 2014, Google Assistant llegó en 2016, y los altavoces para el hogar inteligente hicieron habitual el uso de la voz para controlar luces, termostatos y cerraduras. En el ámbito empresarial, la misma expresión también designa a una persona que trabaja en remoto y realiza tareas administrativas.

Cómo funcionan los asistentes virtuales#

Un asistente de voz clásico sigue una canalización fija. Un modelo pequeño del dispositivo escucha la palabra de activación, de modo que el audio solo sale del dispositivo después de decir «Oye, Siri» o «Alexa». El reconocimiento del habla transcribe la solicitud y la comprensión del lenguaje natural (NLU) la convierte en una intención con parámetros: «despiértame mañana a las 7» se transforma en una intención de programar una alarma con un parámetro de hora, extraído de forma similar al reconocimiento de entidades nombradas (NER). Un gestor de diálogo pregunta por los datos que falten, una aplicación o la API del dispositivo ejecuta la solicitud y la síntesis de voz comunica el resultado.

Los asistentes basados en intenciones solo gestionan las solicitudes que sus desarrolladores previeron, por eso responden a cualquier cosa desconocida con una búsqueda web o una disculpa. Los asistentes basados en modelos de lenguaje grandes (LLM) interpretan solicitudes abiertas y acceden a las mismas API de dispositivos y aplicaciones mediante la llamada a funciones, de modo que una sola frase puede activar varias acciones en secuencia. Amazon presentó Alexa+, basada en un LLM, en febrero de 2025 y, en marzo de 2025, Google anunció que Gemini sustituiría a Google Assistant en la mayoría de los dispositivos móviles. Los modelos de voz a voz, como GPT-4o, publicado en mayo de 2024, omiten los pasos independientes de transcripción y síntesis, lo que reduce la latencia de respuesta y permite al asistente captar y expresar el tono. Los asistentes multimodales también reciben imágenes de la cámara y utilizan modelos de lenguaje y visión (VLM) para responder preguntas sobre lo que ve un teléfono o unas gafas inteligentes.

Los asistentes perciben y utilizan datos personales, por lo que la privacidad de los datos determina dónde se ejecuta cada paso. La detección de la palabra de activación se realiza localmente, y la IA en el borde ha trasladado más partes de la canalización a los dispositivos: desde iOS 15, en 2021, los iPhone con un chip A12 Bionic o posterior procesan de forma predeterminada en el dispositivo el audio de muchas solicitudes de Siri.

Asistentes integrados en software#

El mismo patrón de solicitud, acción y respuesta funciona dentro de un producto, donde las herramientas del asistente son las funciones de ese producto. Ask AI de Ultralytics Platform recibe solicitudes como «Entrena YOLO26n con este conjunto de datos y llama xview-baseline a la ejecución» o «Implementa el modelo completado con el mejor mAP de validación de este proyecto» y las lleva a cabo con la clave de API de Platform del usuario: busca y clona conjuntos de datos, anota imágenes automáticamente, inicia y compara ejecuciones de entrenamiento para YOLO26, y exporta o implementa modelos.

Asistentes virtuales y términos relacionados#

• Chatbot: programa que mantiene una conversación escrita o hablada, normalmente limitada a un sitio web o una aplicación y centrada en responder preguntas. Los asistentes virtuales funcionan en distintas aplicaciones y dispositivos, y se evalúan por las tareas que completan.
• Agente de IA: cualquier sistema que persigue un objetivo eligiendo y ejecutando acciones. Un asistente virtual es un agente diseñado para las solicitudes cotidianas de una persona, normalmente una solicitud cada vez, mientras que los flujos de trabajo agénticos pueden ejecutar tareas largas de varios pasos sin supervisión.
• Altavoz inteligente: dispositivo, como un Amazon Echo o un Google Nest, que aloja un asistente de voz con micrófonos de largo alcance, optimizados para captar la palabra de activación desde cualquier punto de una habitación.