Gemini 3.8 Live Avatar pone rostro a la IA y ejecuta gestiones mientras conversa
Google ha presentado Live Avatar, una nueva función de Gemini 3.8 Live que añade presencia visual, sincronización de labios y expresiones en tiempo real al asistente de inteligencia artificial. La tecnología está disponible desde hoy para clientes de Gemini Enterprise a través de Google Cloud y está orientada principalmente a la atención al cliente, la formación corporativa y la recepción automatizada.
El sistema permite mantener una conversación hablada con un avatar que escucha, interpreta el contexto y responde mientras mueve los labios de forma sincronizada. Además, puede realizar tareas en segundo plano, como consultar una reserva, acceder a una base de datos o llamar a una herramienta empresarial, sin dejar al usuario ante un silencio prolongado.
Un asistente visual que actúa mientras habla
La principal novedad de Live Avatar no es solo que Gemini pueda mostrar una cara, sino que combina generación de vídeo, voz y capacidad de acción en una misma interacción. El modelo puede conversar con una persona y, al mismo tiempo, solicitar información a los sistemas internos de una compañía.
Google utiliza como ejemplo el registro de entrada en un hotel. El avatar puede pedir el nombre del huésped, comprobar la reserva y consultar la disponibilidad de habitaciones mediante las herramientas digitales del establecimiento. Mientras esas operaciones se completan, el asistente mantiene la conversación activa en lugar de quedarse completamente callado.
Estas operaciones se basan en llamadas asíncronas a herramientas. En inteligencia artificial, el término describe las tareas que se ejecutan sin bloquear la conversación principal. De este modo, una consulta que tarde varios segundos en devolver una respuesta puede realizarse en segundo plano mientras el avatar ofrece explicaciones o solicita los datos necesarios.
Sincronización de labios en 97 idiomas
La sincronización entre la voz y el movimiento de la boca es uno de los retos técnicos más complejos de los avatares generativos. En muchos sistemas, el vídeo se genera con retraso respecto al audio o los movimientos faciales no encajan con las palabras pronunciadas.
Live Avatar está diseñado para reducir esa diferencia y ofrecer una interacción casi en tiempo real. Según Google, el sistema mantiene la sincronización incluso cuando el usuario cambia de idioma durante la conversación. La compañía asegura que la función admite 97 idiomas con sincronización nativa, sin que el movimiento de los labios pierda precisión.
El resultado pretende acercarse más a una videollamada con un agente que a un chatbot tradicional. En lugar de limitarse a mostrar texto en pantalla, Gemini responde con voz, expresiones faciales y una presencia visual que busca hacer la interacción más natural.
Avatares predefinidos y opciones para empresas
Las organizaciones tendrán acceso a una biblioteca de avatares preparados para distintos escenarios. También podrán solicitar un personaje personalizado a partir de una imagen de referencia de alta calidad, una opción pensada para empresas que quieran mantener su identidad de marca.
La creación de avatares personalizados requiere actualmente autorización específica dentro del canal empresarial. Google no ha detallado todos los criterios de acceso, aunque la medida apunta a limitar la generación de identidades visuales que puedan confundirse con personas reales o utilizarse fuera del contexto corporativo previsto.
Marca de agua y credenciales de procedencia
Todo el audio y el vídeo generados por Live Avatar incorporan SynthID, la tecnología de marca de agua digital de Google. Esta señal es imperceptible para el usuario, pero permite identificar el contenido sintético mediante herramientas compatibles.
El sistema también incluye credenciales C2PA, un estándar que registra información sobre el origen y el historial de modificación de los contenidos digitales. Estas medidas pretenden facilitar la detección de material generado por IA y limitar su uso en campañas de desinformación.
Sin embargo, la marca técnica no resuelve por sí sola el problema de la transparencia. En una conversación con un banco, una aseguradora o un centro médico, el usuario debería saber de forma clara si está hablando con una inteligencia artificial. La normativa europea exige informar de la naturaleza artificial de determinados sistemas, especialmente cuando pueden influir en decisiones o prestar servicios sensibles.
Primeros usos y disponibilidad
Los casos de uso previstos incluyen la atención al cliente en banca, el soporte técnico de software, la formación interactiva de empleados y los sistemas de recepción en hoteles y centros sanitarios. También puede resultar útil en servicios con un elevado volumen de consultas y procedimientos repetitivos.
El acceso está limitado por ahora a Gemini Enterprise, por lo que las empresas necesitan una relación contractual con Google Cloud. No existe, de momento, una versión abierta para desarrolladores individuales en Google AI Studio. La compañía también prepara la llegada de Live Avatar a Gemini Notebook y Google Vids.
Coste, seguridad y control humano
Google todavía no ha comunicado precios específicos para Live Avatar. Al estar integrado en la oferta empresarial de Gemini, todo apunta a que se trata de una solución dirigida a grandes organizaciones, especialmente aquellas que gestionan miles de interacciones con clientes. No parece, por ahora, una herramienta pensada para pequeños negocios o autónomos que quieran añadir un avatar a su página web.
La capacidad de actuar sobre sistemas internos introduce además nuevos riesgos. Un avatar conectado a bases de datos y APIs, es decir, interfaces que permiten a distintos programas intercambiar información, podría convertirse en un objetivo atractivo para ataques o manipulaciones.
Una instrucción maliciosa podría intentar engañar al asistente para que modificase una reserva, revelase datos o ejecutase una operación no autorizada. Por eso, los despliegues empresariales necesitarán permisos limitados, registros de actividad, validaciones adicionales y supervisión humana para las acciones más sensibles.
Live Avatar representa un paso relevante hacia los agentes de IA multimodales: sistemas capaces de entender texto, voz e imagen, conversar y realizar tareas. Su éxito dependerá no solo de lo natural que resulte el avatar, sino también de la transparencia, la seguridad y la responsabilidad con la que las empresas incorporen esta tecnología a sus operaciones.
