Технический контекст
Я полез проверять, что там на самом деле с «новым голосовым режимом» Codex, потому что в таких историях AI integration очень быстро превращается в мифологию. Коротко: официального релиза полноценного двустороннего voice mode у Codex сейчас нет.
То, что реально есть, это голосовой ввод для промпта. То есть я надиктовал запрос, отправил, получил текстовый ответ. На этом магия заканчивается: модель не ведет нормальный голосовой диалог поверх сессии и не держит разговор как отдельный живой канал.
Отсюда и странное ощущение у пользователей, что «голос тупее текста» или «это вообще другой персонаж». На практике это не новый умный агент, а в основном связка диктовки и обычного Codex. Плюс в сети всплывали утечки кода и разговоры про нереализованный realtime-режим, но это не равно доступному продукту.
Я отдельно смотрел на жалобы про память и персональный контекст. Они логичны: если голосовой слой работает как вход в поле запроса, а не как полноценная оркестрация сессии, то и ощущение continuity будет слабым или нестабильным. Вот где я и остановился: для серьезной AI implementation это уже не мелочь, а архитектурное ограничение.
С вызовом внешних приложений тоже все прозаично. Создать плейлист в Apple Music, дернуть системные действия, связать это с реальными tool calls, похоже, нельзя. И это важная граница: голос тут пока не агентный интерфейс, а удобная кнопка ввода.
Что это меняет для бизнеса и автоматизации
Если смотреть на это как на AI automation, то выигрывают только легкие сценарии: быстро надиктовать задачу, кодовый черновик, заметку в дороге. Для multi-step workflow, где нужны память, follow-up и вызов инструментов, этого мало.
Проигрывают те, кто ждал hands-free ассистента для реальной работы. Без устойчивого контекста и tool calling голосовой интерфейс остается поверхностным, а не операционным.
Я в таких случаях обычно не спорю с маркетинговым вайбом, а сразу смотрю на стек: где нужен realtime API, где отдельная память, где безопасные действия через инструменты. В Nahornyi AI Lab мы как раз собираем такие AI solutions for business так, чтобы голос не был игрушкой, а реально снимал нагрузку с команды.
Если у вас есть процесс, который просится в голосовой сценарий, но вы не хотите упереться в декоративную демку, давайте разложим его по шагам. Часто достаточно нормально собрать AI architecture, и вместо «прикольно поговорить» получается рабочая automation with AI под конкретную задачу.