Технічний контекст
Я поліз перевіряти, що там насправді з «новим голосовим режимом» Codex, бо в таких історіях AI integration дуже швидко перетворюється на міфологію. Коротко: офіційного релізу повноцінного двостороннього voice mode у Codex зараз немає.
Те, що реально є, — це голосове введення для промпту. Тобто я надиктував запит, відправив, отримав текстову відповідь. На цьому магія закінчується: модель не веде нормальний голосовий діалог поверх сесії й не тримає розмову як окремий живий канал.
Звідси й дивне відчуття в користувачів, що «голос тупіший за текст» або «це взагалі інший персонаж». На практиці це не новий розумний агент, а здебільшого зв’язка диктовки й звичайного Codex. Плюс у мережі спливали витоки коду й розмови про нереалізований realtime-режим, але це не дорівнює доступному продукту.
Я окремо дивився на скарги щодо пам’яті й персонального контексту. Вони логічні: якщо голосовий шар працює як вхід у поле запиту, а не як повноцінна оркестрація сесії, то й відчуття continuity буде слабким або нестабільним. Ось де я й зупинився: для серйозної AI implementation це вже не дрібниця, а архітектурне обмеження.
З викликом зовнішніх додатків теж усе прозаїчно. Створити плейлист в Apple Music, смикнути системні дії, пов’язати це з реальними tool calls, схоже, не можна. І це важлива межа: голос тут поки не агентний інтерфейс, а зручна кнопка вводу.
Що це змінює для бізнесу й автоматизації
Якщо дивитися на це як на AI automation, то виграють лише легкі сценарії: швидко надиктувати завдання, кодовий чернетку, нотатку в дорозі. Для multi-step workflow, де потрібні пам’ять, follow-up і виклик інструментів, цього замало.
Програють ті, хто чекав hands-free асистента для реальної роботи. Без стійкого контексту й tool calling голосовий інтерфейс залишається поверхневим, а не операційним.
Я в таких випадках зазвичай не сперечаюся з маркетинговим вайбом, а одразу дивлюся на стек: де потрібен realtime API, де окрема пам’ять, де безпечні дії через інструменти. У Nahornyi AI Lab ми якраз збираємо такі AI solutions for business так, щоб голос не був іграшкою, а реально знімав навантаження з команди.
Якщо у вас є процес, який проситься в голосовий сценарій, але ви не хочете впертися в декоративну демку, давайте розкладемо його по кроках. Часто досить нормально зібрати AI architecture, і замість «прикольно поговорити» виходить робоча automation with AI під конкретну задачу.