Gemini Live Avatar: acceso empresarial y límites

Google presentó Gemini 3.8 Live with Live Avatar como una modalidad para agentes que conversan por voz mientras muestran un avatar en video. El proveedor la orienta a atención, recorridos guiados y otras interacciones en web, móvil o quioscos. Google Cloud la describe como disponible en Gemini Enterprise, con endpoints de Estados Unidos y la Unión Europea. Eso no demuestra acceso, residencia de datos ni precio final para una cuenta chilena. Fuentes: Google y Google Cloud.

Avatar, voz y herramientas son capas diferentes

La función combina diálogo de voz con presencia visual y sincronización de labios. Google afirma que el agente puede procesar audio y entradas visuales, y que puede seguir conversando mientras ejecuta llamadas a herramientas en segundo plano. La capa visual puede mejorar la explicación de un proceso, pero no convierte por sí sola al sistema en un asesor fiable ni acredita que una transacción se haya completado.

Para usarlo en atención al cliente, una empresa debe decidir qué preguntas responde el agente, cuándo consulta datos personales, qué acciones puede iniciar y cómo deriva a una persona. También debe distinguir un avatar predefinido de uno que reproduce la identidad de alguien: Google Cloud indica que los avatares personalizados requieren una lista de acceso y verificación empresarial.

Qué está disponible y qué sigue en prueba

Google Cloud anuncia la disponibilidad general de Live Avatar en Gemini Enterprise con endpoints de EE. UU. y la UE. La modalidad Extended Thinking continúa en vista previa privada. Son estados de producto distintos y no se deben fusionar en un único titular de «todo disponible». La documentación menciona además capacidad aprovisionada y condiciones empresariales que deben revisarse para cada implementación. Fuente: Google Cloud.

Un piloto útil debería medir, con consentimiento de los participantes, calidad de la conversación en español local, interrupciones, latencia, derivación a humano, errores de interpretación y costo total. Este blog no ha realizado esa prueba. Las demostraciones y casos del fabricante describen posibilidades, no tasas de satisfacción o conversión verificadas para Chile.

La novedad merece atención más allá de los negocios: acerca las interfaces conversacionales a una presencia audiovisual en tiempo real. La decisión de adoptarla, sin embargo, necesita pruebas de acceso, privacidad, control de herramientas y experiencia de usuario en el contexto real de cada organización.

Fuentes originales: Google · Google Cloud.
Contexto: radar de modelos y agentes.