Google presentó el 15 de septiembre de 2026 Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, dos modelos diseñados para conversaciones de voz casi en tiempo real y para agentes capaces de ejecutar tareas mientras mantienen el diálogo. El anuncio oficial fue actualizado el 17 de septiembre.
El cambio es relevante para empresas que evalúan atención por voz, soporte o asistentes internos: el objetivo ya no es únicamente transcribir una llamada y responder, sino mantener una conversación fluida mientras el sistema interpreta contexto y utiliza herramientas en segundo plano.
Google describe Gemini 3.8 Live como la opción orientada a escala y eficiencia de costos, combinando diálogo fluido, inteligencia conversacional y contexto visual. Gemini 3.8 Live Extended Thinking está dirigido a solicitudes de mayor complejidad y razonamiento de varios pasos.
Para desarrolladores, ambos modelos comenzaron a desplegarse mediante Gemini API y Google AI Studio. La disponibilidad empresarial es más limitada: Google indica una vista previa privada en Gemini Enterprise y anuncia una llegada posterior a otros productos empresariales. Por eso conviene confirmar el acceso concreto antes de planificar una implementación.
Una de las capacidades más relevantes es la ejecución de herramientas y llamadas a API en segundo plano. Según Google, Gemini 3.8 Live puede reconocer una solicitud, continuar la conversación y permitir que determinadas acciones terminen sin bloquear por completo el diálogo.
En un escenario empresarial esto abre posibilidades como consultar una base de conocimiento, comprobar el estado de un proceso, recuperar información autorizada o activar una acción mientras la persona continúa hablando con el asistente.
La posibilidad técnica no elimina la necesidad de controles. Una aplicación debe definir qué herramientas puede utilizar el agente, qué datos puede consultar y qué acciones requieren confirmación humana.
Google afirma que Gemini 3.8 Live procesa entradas visuales casi en tiempo real y puede cambiar automáticamente entre 97 idiomas durante una conversación. También señala que el audio generado por sus productos de IA incorpora la marca de agua SynthID para facilitar su detección.
Sin embargo, soporte de idioma no equivale automáticamente a la misma calidad en todos los acentos, sectores o contextos. Para una implementación en Ecuador o Latinoamérica conviene probar vocabulario local, ruido ambiental, interrupciones, nombres propios y situaciones reales antes de considerar el sistema listo para atención pública.
La conversación por voz tiene requisitos distintos a un chatbot de texto: la latencia se percibe inmediatamente, las interrupciones son normales y el usuario espera que el sistema mantenga el contexto.
Google publica resultados favorables de Gemini 3.8 Live Extended Thinking en pruebas de voz y tareas agénticas. Son referencias aportadas por el proveedor; no sustituyen una evaluación independiente del caso concreto, con datos, idiomas y flujos reales.
Hace pocos días analizamos en IWEB la llegada de GPT-Live-1 para asistentes de voz. La aparición de nuevas opciones confirma que la voz se está convirtiendo en un frente de competencia entre plataformas de IA. Para elegir una arquitectura deben compararse calidad, costo, latencia, idiomas, privacidad, herramientas y supervisión.
Este avance también se conecta con la evolución de las plataformas de agentes de IA, donde el valor aparece cuando el modelo trabaja de forma controlada con datos y herramientas reales.
La fuente principal es el anuncio oficial de Google: Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking, publicado el 15 de septiembre y actualizado el 17 de septiembre de 2026.
Si tu organización quiere evaluar un asistente de voz conectado a procesos reales, IWEB puede ayudar a definir el caso de uso, las integraciones, los límites de actuación y las pruebas antes de ponerlo frente a usuarios. Conoce IWEB.
