Copilot vs ChatGPT en móvil: ¿cuál entiende mejor el dictado por voz español?

A veces, la única ventana para responder a un cliente urgente son esos diez minutos de caminata entre la estación de tren y la oficina. El teclado táctil se convierte en un obstáculo frustante cuando se trata de redactar textos de más de trescientas palabras caminando a paso rápido. En 2026, la promesa de dictar correos largos a nuestra IA y que estos lleguen perfectamente redactados debería ser una realidad resuelta, pero mi experiencia profesional con las dos herramientas dominantes cuenta una historia de matices.

He pasado las últimas seis semanas utilizando exclusivamente comandos de voz para gestionar mi comunicación por correo electrónico. He probado desde el bullicio del metro de Madrid hasta una calle tranquila de Bogotá, midiendo no solo cuánto tardo en dictar, sino cuánto tiempo invierto luego en corregir errores de interpretación. La claridad mental que ofrece el dictado es innegable, pero la fiabilidad técnica es lo que decide si el correo se envía en el minuto 8 o en el minuto 15.

La batalla del ruido urbano y la transcripción al instante

El primer criterio que anyade a un asistente de voz móvil no es lo "inteligente" que es, sino su capacidad para aislar la voz humana del caos circundante. Aquí es donde las arquitecturas de los modelos se notan distintas. En mis pruebas con un nivel de ruido ambiental de 75 decibeles (tráfico intenso), ChatGPT ha demostrado una capacidad superior de filtrado de frequencies altas, como las sirenas de ambulancia o el claxon insistente.

Copilot, que se apoya en gran medida en la integración nativa de Android e iOS, a veces se confunde con ruidos súbitos, insertando palabras fantasma que no he pronunciado. Por ejemplo, durante un dictado cerca de una obra, Copilot transcribió el sonido de un taladro percutor como "por favor", desvirtuando por completo el sentido de una frase de negación. ChatGPT, sin embargo, optó por ignorar el pico de audio, manteniendo la coherencia del discurso aunque eso significara perder un milisegundo de audio.

La latencia es otro factor crucial. Mientras caminas, necesitas saber que la IA te está escuchando. La interfaz de voz de ChatGPT muestra una onda visual que reacciona casi de forma sinérgica con la respiración y las pausas naturales, lo que genera una sensación de conexión más orgánica. Copilot tiene una latencia perceptiblemente mayor en el inicio de la grabación, a menudo cortando la primera palabra de la frase si no dejas una pausa artificial de medio segundo después de pulsar el micrófono. Esto obliga al usuario a repetir el inicio, rompiendo el flujo de pensamiento.

¿Quién inserta mejor los signos de puntuación mientras hablas?

El desafío técnico real no es transcribir palabras, sino entender la estructura sintáctica de un lenguaje hablado que rara vez incluye comas o puntos explícitos. Aquí es donde la diferencia de enfoque entre Microsoft y OpenAI se hace palpable. ChatGPT en su versión móvil de 2026 ha perfeccionado un modelo de inferencia que predice la puntuación basándose en la entonación y la semántica de la oración completa, incluso antes de que termines de hablar.

En una prueba concreta, dicté un párrafo de ciento veinte palabras sin dar ninguna instrucción gramatical explícita. ChatGPT insertó correctamente el 95% de las comas y puntos finales, respetando la estructura lógica de las oraciones subordinadas. Copilot, en cambio, tendió a generar bloques de texto largos y separados por puntos seguidos, obligando a una edición manual posterior para "respirar" el texto.

No obstante, Copilot destaca en la comprensión de comandos de formato anidados. Si mientras dices el texto instruyes "cámbiale el tono a más formal pero mantén la urgency", Copilot procesa esa instrucción contextual dentro del flujo del dictado con mayor precisión que ChatGPT, que a veces interpreta la instrucción como parte del texto del correo a menos que uses una interrupción muy marcada. Esto sugiere que Copilot está mejor entrenado para tareas de ofimática directa, mientras que ChatGPT es superior en la interpretación del lenguaje natural crudo.

Procesando comandos en tiempo real versus dictado pasivo

La diferencia fundamental surge cuando dejamos de transcribir y empezamos a dialogar con el documento. Imagina que estás dictando un informe y, de repente, te das cuenta de que mencionaste una cifra incorrecta. La capacidad de interrumpir, corregir y que la IA reescriba solo el segmento afectado es lo que separa una curiosidad de una herramienta profesional.

ChatGPT implementa una función de "parchado de audio" que permite señalar una parte específica del texto transcrito y dictar una corrección que se integra fluidamente sin necesidad de borrar todo lo demás. Funciona de maravilla para correcciones locales. Sin embargo, cuando solicitamos reestructuraciones complejas del correo entero mediante voz, como "haz el párrafo anterior más conciso y muévelo al final", ChatGPT a veces pierde el contexto si el texto supera las quinientas palabras, generando alucinaciones sobre datos mencionados al principio.

Por su parte, Copilot maneja excepcionalmente bien la longitud y la estructura, gracias a su profunda integración con los servicios de Microsoft 365. Si dictas un correo relacionado con un archivo adjunto o una reunión reciente en Outlook, Copilot busca ese contexto automáticamente. En un escenario real, logré dictar un correo de seguimiento a una reunión simplemente diciendo "resume los puntos de acción de la reunión de esta mañana y escríbeselos a María", algo que ChatGPT no pudo hacer porque no tenía acceso directo a los metadatos de mi calendario en ese instante específico sin una conexión API previa.

El test del email de 500 palabras en plena avenida

Para poner a ambas herramientas contra las cuerdas, realicé una prueba final: redactar un correo de quinientas palabras explicando una política compleja de reembolso a un cliente, caminando sin detenerme por una avenida transitada. La velocidad media de la caminata era de 5 km/h.

Con ChatGPT, la transcripción inicial tomó 3 minutos y 20 segundos. El error de transcripción fue mínimo, quizás dos o tres palabras que requirieron corrección. El mayor coste de tiempo fue la edición posterior. ChatGPT respetó mi dictado, pero como hablo de forma un poco desordenada cuando camino, el texto final necesitaba pulido estilístico que tuve que hacer manualmente o mediante nuevos comandos de voz que ralentizaron el proceso. El tiempo total para obtener un correo listo para enviar fue de 6 minutos.

Con Copilot, la transcripción inicial fue más lenta, rondando los 4 minutos debido a las pausas para asegurar que capturara el inicio de las frases. Sin embargo, la calidad del texto final fue superior en términos de estructura profesional. Copilot aplicó automáticamente un tono más corporativo y organizó el caos de mi dictado en viñetas y párrafos claros. A pesar de los tres errores de "ruido fantasma" que tuve que borrar manualmente, el tiempo total de finalización fue de 5 minutos y 10 segundos.

El trade-off está claro: si buscas fidelidad absoluta a lo que dices y una experiencia de dictado fluida, casi conversacional, ChatGPT gana por goleada. Si tu prioridad es que el resultado final parezca escrito por un ejecutivo de cuentas pulido, con poco esfuerzo de post-edición, Copilot ofrece una ventaja estructural que compensa sus fallos de audición en exteriores.

¿Deberíamos confiar nuestra voz a la nube constante?

Hay un factor que suele pasarse por alto en estas comparaciones y que afecta directamente la experiencia del usuario móvil: la gestión de la privacidad y los datos locales. Mientras experimentaba con 4 generadores de imágenes de IA que no piden login ni tarjeta de crédito, noté que la ligereza de las herramientas no intrusivas mejora la usabilidad. En este caso, el procesamiento de voz requiere mucha potencia.

La integración de Copilot en el sistema operativo permite cierto grado de procesamiento híbrido, lo que hace que la aplicación se sienta menos "pesada" en términos de consumo de batería durante sesiones largas de dictado. ChatGPT, manteniendo su modelo en la nube, calienta el dispositivo más rápido si se mantiene la sesión de voz abierta durante más de quince minutos continuos, algo a considerar si planeas dictar tus informes largos en una sola sentada sin un cargador cerca.

Para los creadores de contenido que usan estas herramientas para generar guiones, similar a como se explica en cómo crear una voz de IA clonada con ElevenLabs para tus videos de TikTok, la elección dependerá de si prefieres un borrador crudo (ChatGPT) o un documento semi-formateado (Copilot).

El veredicto final para el creador en movimiento

Después de más de un mes de uso intensivo, mi recomendación es tajante pero matizada. Si tu necesidad absoluta es capturar ideas rápidas, corregir errores sobre la marcha y tener una transcripción que respete tu voz natural sin intentar "arreglarla" demasiado, la implementación de voz de ChatGPT es insuperable en 2026. Su capacidad para entender el español latinoamericano y el peninsular con matices regionales es superior, y su tolerancia al ruido ambiental hace que sea el compañero ideal para la ciudad.

Sin embargo, si el objetivo final es productividad empresarial pura y necesitas enviar correos largos que requieran un tono profesional inmediato, Copilot es la elección ganadora. Su capacidad para estructurar el pensamiento desordenado y conectarlo con tu ecosistema de trabajo (calendarios, archivos, emails) ahorra más tiempo del que pierdes por sus ocasionales fallos de audición. Copilot entiende mejor el "negocio" de tu dictado, mientras ChatGPT entiende mejor tu "voz". Para el profesional que camina y no puede parar, la decisión recae en qué valoras más: la fidelidad del sonido o la eficiencia del resultado.