Alerta a tu familia sobre esta IA

Una videollamada ha dejado de ser una prueba fiable de que existe una persona al otro lado. Tavus acaba de presentar Griffin, una inteligencia artificial capaz de mirar, escuchar, hablar y reaccionar simultáneamente. En una prueba de un minuto, casi la mitad de los participantes creyó estar conversando con un ser humano. El resultado todavía tiene importantes matices, pero merece una conversación familiar antes de que estas herramientas se vuelvan habituales.

Qué es Griffin y por qué resulta diferente

Griffin es lo que Tavus denomina un «modelo de interacción humana». A diferencia de muchos avatares actuales, no encadena un sistema que escucha, otro que piensa y un tercero que genera vídeo cuando llega su turno. Funciona en modo full-duplex: mientras habla continúa observando y escuchando, de manera parecida a una conversación natural.

Esto le permite asentir mientras la otra persona termina una frase, interrumpir, detenerse cuando le cortan, interpretar silencios o reaccionar a un objeto mostrado ante la cámara. Según la presentación oficial de Tavus, Griffin genera en tiempo real la voz, el rostro, la mirada, los gestos, el cuerpo y el fondo a partir de una imagen de referencia.

La arquitectura combina dos grandes componentes. El primero procesa continuamente el audio y el vídeo, y decide en intervalos inferiores a un segundo si debe hablar, esperar o reaccionar. El segundo convierte esas decisiones en voz e imagen. Como ambos trabajan al mismo tiempo, una sonrisa o una pausa decidida a mitad de frase puede aparecer inmediatamente, sin esperar a que termine un turno artificial.

El 48 % que creyó hablar con una persona

Tavus reclutó participantes de Estados Unidos y Europa mediante una plataforma de investigación independiente. A cada uno se le dijo que mantendría una videollamada de un minuto con otra persona para hablar de algo que esperaba con ilusión. En realidad, al otro lado estaba un avatar generado por Griffin-Lite.

Al terminar, 26 de 54 participantes, un 48 %, afirmaron que su interlocutora era humana. Con Phoenix-4.5, el sistema anterior de Tavus, solo una de 41 personas respondió lo mismo: un 2,4 %. Quienes consideraron humana a Griffin mostraron una confianza media del 79 % en su respuesta; quienes detectaron la IA alcanzaron un 81 %.

La cifra impresiona, pero no demuestra que Griffin pueda engañar a cualquiera durante una conversación larga. La muestra es pequeña, la llamada duró solo un minuto y el estudio fue diseñado y publicado por la propia empresa. Además, no existe un protocolo universal reconocido como «test de Turing en vídeo». Como explica Xataka, se trata de una adaptación comercial de la idea de indistinguibilidad, no del test escrito que Alan Turing propuso originalmente.

Un rendimiento cercano al humano, pero no idéntico

Griffin-Lite también ocupa el primer puesto en VideoFDB, el benchmark de NVIDIA para conversaciones audiovisuales bidireccionales. En generación obtiene 3,83 puntos sobre 5, frente a 3,92 de la referencia humana y 2,80 del siguiente sistema publicado. En percepción logra 3,73, mientras la referencia humana llega a 4,20.

VideoFDB utiliza 237 fragmentos de videollamadas y un juez basado en otro modelo para puntuar las respuestas. Por tanto, tampoco equivale a que una persona identifique a su interlocutor. Hay diferencias perceptibles: la latencia mediana de Griffin ronda 1,9 segundos, frente a 0,9 segundos en humanos, y su comportamiento no verbal sigue obteniendo una puntuación inferior.

Por qué conviene alertar a la familia

Griffin-Lite no está disponible para clientes: Tavus lo limita a evaluadores de confianza mientras prepara mecanismos de seguridad y avisos. Tampoco hay pruebas de que esta versión se esté utilizando en estafas. El problema es la dirección que señala. Si un avatar puede reaccionar a interrupciones, objetos y preguntas inesperadas, desaparecen muchas pistas que hoy usamos para descubrir un vídeo pregrabado o un deepfake torpe.

Un delincuente podría intentar hacerse pasar por un familiar que necesita dinero, un directivo que solicita una transferencia, un candidato en una entrevista o un técnico que pide acceso al ordenador. No basta con pedir que gire la cabeza, levante una mano o responda algo improvisado: precisamente esas son las interacciones que modelos como Griffin empiezan a resolver.

Cómo protegerse de una videollamada falsa

• Acordad una palabra familiar secreta que no aparezca en redes sociales ni en mensajes antiguos.
• Ante una petición urgente, cuelga y llama al número que ya tengas guardado, no al facilitado durante la conversación.
• Confirma transferencias, contraseñas o documentos sensibles mediante un segundo canal y, si es posible, con otra persona.
• No confíes en preguntas biométricas o gestos ante la cámara como única comprobación.
• Explica estas reglas especialmente a menores y personas mayores, sin esperar a que ocurra una emergencia.

La tecnología también tiene usos legítimos muy atractivos: tutores que detectan confusión, atención al cliente visual, formación, ensayos de conversaciones difíciles o asistencia técnica mostrando una pieza a cámara. Pero la naturalidad no debe confundirse con identidad. La recomendación más importante es sencilla: si una videollamada termina en dinero, credenciales o urgencia, verifica fuera de la propia llamada.

Griffin todavía es una vista previa y su supuesto test de Turing no cierra el debate científico. Aun así, anticipa un cambio profundo: pronto podremos hablar cara a cara con una IA sin los silencios y rigideces que hoy la delatan. La videollamada seguirá siendo útil, pero ya no debería funcionar como prueba de que alguien es quien aparenta ser.