ChatGPT Voice, Gemini Live y Claude: qué guardan

Tres asistentes de voz, tres políticas de datos distintas

ChatGPT guarda los clips de audio de su modo de voz durante 30 días. Gemini no usa tus grabaciones para mejorar sus servicios salvo que lo autorices. Anthropic solo documenta que conserva la transcripción. Tres asistentes que hacen casi lo mismo, con tres reglas distintas sobre lo que queda de tu voz, y esa diferencia es exactamente lo que un founder necesita leer antes de dictarle el roadmap a la IA mientras conduce.

Todo lo que sigue sale de la documentación oficial de cada compañía, revisada el 28 de octubre de 2026. OpenAI avisa de que sus límites pueden cambiar, así que conviene volver a su centro de ayuda de vez en cuando.

Qué cambia cuando hablas en vez de escribir

El cambio real no es la comodidad: es el ritmo. Puedes cortar al asistente cuando se va por las ramas, igual que en una conversación entre personas. Y la voz y el texto conviven en el mismo chat, así que puedes empezar escribiendo y seguir hablando sin perder el contexto.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Para un equipo pequeño eso abre usos que el teclado no cubre: pensar en voz alta mientras caminas, dictar una respuesta larga a un cliente o pedirle al asistente que ordene tus notas de una reunión sin tocar el móvil.

ChatGPT Voice, Gemini Live y Claude: en qué se diferencian

ChatGPT Voice tiene tres opciones. Live escucha y habla al mismo tiempo, busca en la web, usa la memoria y admite texto e imágenes. Advanced es la experiencia anterior en tiempo real. Standard funciona por turnos: transcribe lo que dices y después responde. Los límites de Live se miden en periodos móviles de 24 horas y dependen del plan: acceso limitado en el gratuito, un número de horas diarias en Go, Plus y el Pro de entrada, y uso ilimitado en el Pro superior, a octubre de 2026.

Gemini Live funciona en la aplicación móvil de Gemini y, por ahora, no en la web. Puede usar aplicaciones conectadas como Google Calendar, Keep, Tasks, YouTube Music o Spotify, además de información pública de Google Maps. La personalización con memoria de conversaciones anteriores dentro de Live solo está disponible en inglés y en Estados Unidos.

El modo de voz de Claude está en fase beta y llega a todos los planes, incluido el gratuito, en móvil, escritorio y web. Ofrece un modo manos libres y otro de pulsar para hablar pensado para sitios ruidosos, y puede usar herramientas conectadas como Gmail, Google Calendar o Slack. Cuenta para tus límites de uso normales.

El contexto de los últimos meses ayuda a leer estas diferencias. TechCrunch reportó en julio de 2026 que OpenAI llevó ChatGPT Voice a la aplicación de escritorio con sus modelos ChatGPT-Live, y que la función se conecta con ChatGPT Work y Codex. Ese mismo reporte señaló que Anthropic actualizó su modo de voz para apoyarse en los modelos Opus, Sonnet y Haiku y completar tareas en Gmail, Calendar, Slack, Notion y Canva.

Y hay volumen detrás: Business Insider reportó en septiembre de 2026 que más de 150 millones de personas ya usan las herramientas de dictado y modo de voz de ChatGPT, según su responsable de producto para voz, Atty Eleti.

Cámara y pantalla compartida: quién deja hacer qué

Gemini Live es el más completo en esto: permite activar la cámara para mostrarle lo que tienes delante y compartir la pantalla del móvil para pedir ayuda sobre lo que aparece en ella. Google aclara que se comparte la pantalla completa y que la cámara se apaga sola si pausas Live, sales de la aplicación o bloqueas el móvil. Su función de visión guiada da indicaciones habladas para leer una etiqueta pequeña o entender el entorno.

En ChatGPT hay una paradoja. El modo más moderno, Live, no admite vídeo ni pantalla compartida. Para mostrar la cámara o la pantalla hay que cambiar a Advanced, solo en las aplicaciones de iOS y Android y solo para los suscriptores que cumplan los requisitos.

Anthropic no menciona cámara ni pantalla compartida en la documentación de su modo de voz.

¿Qué pasa con las grabaciones de tu voz?

Depende del servicio y de tus ajustes, y es la parte que conviene leer antes de hablar de nada delicado.

ChatGPT. Los clips de audio de Live y Advanced, y los de vídeo de Advanced, se guardan con la transcripción y se conservan 30 días. Si borras el chat, se eliminan en un plazo de 30 días, salvo excepciones legales o de seguridad; archivar no borra nada. En el modo Standard, el audio se elimina en cuanto se transcribe. OpenAI no entrena con tus clips salvo que actives las opciones para incluir tus grabaciones de audio o vídeo dentro de "mejorar el modelo para todos". Con ese último ajuste activado, sí puede usar las transcripciones.
Gemini. El Centro de Privacidad de Gemini explica que las grabaciones y transcripciones de Live se guardan en tu actividad si tienes activado Guardar actividad; si no, se conservan como máximo 72 horas. Con la actividad activada, las transcripciones y los archivos compartidos sí se usan para mejorar sus servicios, incluidos los modelos. Las grabaciones de audio, vídeo y pantalla, en cambio, no se usan por defecto; solo si lo autorizas, y entonces revisores humanos pueden escuchar una selección, desvinculada de tu cuenta. Los datos revisados se conservan hasta tres años, aunque borres tu actividad. Y un detalle técnico: con "Hey Google", la grabación puede empezar unos segundos antes de la activación.
Claude. Anthropic indica que las transcripciones de las conversaciones de voz se guardan en tu historial como cualquier chat. Su página de privacidad sobre el dictado dice que el audio se borra tras convertirlo a texto y que no usa tu voz para entrenar, pero la ayuda del modo de voz no hace una afirmación equivalente, así que no conviene extrapolarla.

La lectura que se desprende de la documentación es clara: la letra pequeña está en las transcripciones, no en el audio. OpenAI y Google han puesto barreras al uso de tu voz grabada, pero lo que dijiste queda por escrito en el historial y sigue las reglas de cualquier otro chat. Si no quieres que una conversación hablada se guarde, la decisión hay que tomarla en los ajustes de historial y de mejora del modelo, no en los de voz.

Qué significa esto para tu startup

Si tu equipo usa estos asistentes para trabajar, la conversación de voz ya es un canal de datos más, y casi nadie lo está gobernando. Cuatro movimientos concretos:

Audita los ajustes antes de que el equipo los use. En ChatGPT, revisa "mejorar el modelo para todos" y los dos interruptores de grabaciones en los ajustes de la cuenta. En Gemini, revisa Guardar actividad y el ajuste de grabaciones de Live dentro de Actividad en las Aplicaciones de Gemini. ZDNET publicó una guía paso a paso para hacerlo en ChatGPT, Gemini, Copilot y Claude, y recuerda que en Gemini la única forma de evitar el entrenamiento con tus datos es dejar de almacenar el historial.
Define qué no se dicta nunca en voz alta. Nombres de clientes, cifras de facturación, detalles de una negociación o datos personales de terceros. Como la transcripción queda en el historial y sigue las reglas de cualquier chat, ese contenido hereda el mismo nivel de exposición que un mensaje escrito.
Ajusta el borrado automático. Gemini borra la actividad a los 18 meses por defecto; puedes cambiarlo a 3 o 36 meses, o desactivar el borrado automático. Es una decisión de una sola vez con impacto permanente.
Cuida a quien está en la sala. Google pide expresamente permiso antes de grabar o incluir a otros en una conversación Live. OpenAI reconoce que Live está pensado para conversaciones de uno a uno y puede responder cuando dos personas hablan entre ellas; Anthropic recomienda pasar a pulsar para hablar cuando hay otras personas hablando cerca. En una reunión o en el coche con más gente, espera interrupciones.

El contexto de mercado explica por qué esto pesa cada vez más: el mercado global de procesamiento de lenguaje natural pasará de US$69.130 millones en 2026 a US$216.890 millones en 2031, con una tasa anual compuesta del 25,7%, según el informe de ResearchAndMarkets difundido por Yahoo Finance. La voz es una de las puertas de entrada a ese gasto, y la privacidad es la factura que llega después.

Vale la pena mirar también cómo lo resuelven los asistentes de sistema. TechRepublic comparó en octubre de 2026 a Siri AI con Gemini y señaló que Apple procesa en el dispositivo cuando puede y usa Private Cloud Compute, mientras Google ofrece controles de actividad, retención y apps conectadas. El patrón se repite: no hay un estándar, hay configuraciones que alguien tiene que revisar.

Conclusión

El modo de voz es probablemente la forma más natural de usar un chatbot, y por eso la que más invita a bajar la guardia: hablas más rápido de lo que escribes y cuentas más contexto. La conclusión práctica es incómoda pero simple: trata cada conversación hablada como un chat escrito que alguien podría leer después, porque en la práctica eso es lo que queda.

La decisión importante no está en los ajustes de voz, sino en los de historial y de mejora del modelo. Revísalos una vez, documenta la política para tu equipo y vuelve a revisarlos cuando cambies de plan.