Avatar de IA · humano digital
Digital Human / AI Avatar
¿Qué es un avatar de IA?
- Personaje virtual creado con IA que parece una persona real
- Combinación de síntesis de rostro y voz con modelos de lenguaje
- Producción masiva de capacitación, atención y consultas en varios idiomas
Al incorporar un humano digital, la unidad de producción de video pasa de «la filmación» a «la edición del texto». Cuando cambia una línea de una norma, antes había que reservar un estudio, coordinar la agenda del instructor y dedicar medio día; ahora basta con corregir esa frase en el archivo del guion y volver a renderizar. El proceso de producción, que incluía la contratación, la reserva de locaciones y la edición, se acerca en la práctica a un trabajo de documentos. El cambio más notorio en la práctica es que el costo de una corrección baja de la re-filmación al tiempo de renderizado, por eso el efecto es mayor cuanto más seguido cambia el contenido: más grande es el beneficio en contenidos que se actualizan con frecuencia.
En la práctica se distinguen tres formas principales. La de renderizado previo, en la que se entrega el guion y se recibe el video terminado, tarda entre 10 y 30 minutos por cada video de 3 minutos, por lo que es adecuada para capacitación y avisos. La de diálogo en tiempo real, que responde en el momento a las preguntas, tiene una demora de 1 a 3 segundos hasta la respuesta, así que encaja con preguntas y respuestas breves, como en un quiosco o un mostrador de información. El clon realista, que se crea filmando el propio rostro entre 3 y 10 minutos para generar un modelo exclusivo, se usa para saludos del CEO o contenidos de instructores internos. Es una categoría distinta de los VTubers virtuales, en los que una persona actúa en tiempo real con equipo de captura de movimiento, y en el momento en que se sintetiza el rostro de una persona real sin su consentimiento, eso ya es un deepfake.
El malentendido más común es pensar que «una vez creado, se usa para siempre». Los contratos de derechos de imagen del avatar suelen ser de 1 a 2 años, y si el instructor interno que sirvió de modelo deja la empresa, hay que rehacer todos los videos en los que aparece su rostro. Si en el contrato no se escriben el alcance de uso, el plazo y el tratamiento al terminarlo, decenas de videos de capacitación en buen estado pueden descartarse de una sola vez. La calidad de la sincronización labial también varía mucho según el idioma: el inglés suena natural, pero en los idiomas del sudeste asiático el movimiento de los labios suele desfasarse, por lo que se necesita revisión de personal local. Y, sobre todo, cuando el avatar habla, el espectador lo toma como una declaración oficial de la empresa, así que no se debe omitir la verificación de los hechos del guion ni la indicación de «generado con IA».
John KimAutor de «Diseño de marketing B2B» y CEO de Nanum Consultoría. Instructor John Kim
Junyoung NohAnalista de tendencias de consumo y generaciones, y especialista en marketing de contenidos con IASurgió con la combinación de la síntesis de rostro y voz con la IA conversacional, y se expandió industrialmente junto con la demanda de marketing multilingüe, influencers virtuales y atención en quioscos.
Veamos un caso hipotético. La empresa A, fabricante de autopartes con 1,200 colaboradores, distribuía cada año videos de capacitación en seguridad y salud a sus tres filiales en el extranjero: Vietnam, Indonesia y México. Alquilar el estudio y doblar el contenido al idioma local costaba KRW 4,000,000 (≈ US$2,990) por video, y producir los tres idiomas tomaba seis semanas; mientras tanto, si cambiaba una norma de seguridad, había que seguir enviando el video ya filmado.
- El gerente Kim, del equipo de capacitación, eligió como modelo al subgerente Park, encargado de seguridad con 20 años de experiencia, lo filmó de frente durante 8 minutos y creó un clon realista. Antes de filmar, se firmó primero el consentimiento de uso de imagen, en el que quedó fijado que el uso se limita a la capacitación interna y el plazo es de 2 años.
- Dividimos el video de 45 minutos, en una sola pieza, en cinco módulos de 8 minutos y reescribimos el guion. Solo entraron al guion las frases aprobadas por el área legal, y las cláusulas revisadas de la Ley de Castigo de Accidentes Graves (ley coreana de seguridad laboral) se gestionaron por separado, marcadas en rojo.
- Tradujimos el guion en coreano al vietnamita, al indonesio y al español, y lo renderizamos con el mismo avatar. Cinco videos en cada uno de los tres idiomas, 15 en total, estuvieron listos en dos días.
- El jefe de Recursos Humanos de la filial en Vietnam, Nguyen, señaló en la revisión que «el movimiento de los labios va medio tiempo atrasado». Por eso acortamos las oraciones de la traducción, bajamos la velocidad de locución a 0.9 veces y volvimos a generar el video.
- Cuando se revisó la norma en marzo, solo se corrigió esa frase y en medio día se actualizaron 15 videos. El plazo de producción bajó de seis semanas a cinco días, y el costo por video, de KRW 4,000,000 (≈ US$2,990) a una cifra en torno a KRW 900,000 (≈ US$675). En la primera pantalla de todos los videos se incluyó el subtítulo «Video generado con IA» al distribuirlos.