ChatGPT на новому рівні: голосове керування комп’ютером та AI агентами
23 липня 2026 року OpenAI оновила десктопний додаток ChatGPT, додавши функцію ChatGPT Voice. Відтепер користувачі можуть не просто друкувати запити, а говорити напряму, щоб керувати штучним інтелектом і виконувати завдання на комп’ютері. Ця нова можливість суттєво змінює спосіб взаємодії з додатком.
Коротко про головне
- ChatGPT Voice дає змогу спілкуватися з AI голосом, що замінює традиційний набір тексту.
- Функція доступна в планах Plus, Pro, Business, Edu і Enterprise, причому Enterprise та Edu отримали двотижневий ранній доступ.
- На macOS з’явилася опція Screen Context, яка дозволяє зробити скріншот активного вікна, навіть якщо текст знаходиться поза видимою областю.
- Голосовий режим також інтегрується з пошуком сайтів і додатків, розширюючи можливості Chat, Work і Codex.
- Компанія Anthropic випустила оновлення голосового режиму для Claude, що працює з такими сервісами як Gmail, Календар, Slack, Notion та Canva.
Що ж нового з ChatGPT Voice?
OpenAI офіційно повідомила про оновлення, яке дозволяє голосом керувати AI-агентами та запускати комп’ютерні завдання. Основою функції стала нова родина голосових моделей, відома як GPT-Live (хоча деякі джерела називають її ChatGPT-Live). Незначна різниця у назвах свідчить про те, що бренд ще остаточно не сформувався.
Раніше голосова версія ChatGPT для смартфонів була орієнтована на плавність розмови й кращу обробку перерв, але не могла виконувати дії на телефоні. А оновлення для десктопу в рази потужніше: воно справляється зі складними багатокроковими голосовими командами та реагує навіть, якщо потрібен додатковий ввід користувача.
У демонстраційному відео розробник дає команду голосом створити нову тему, оформити pull request і виявити причину помилки — усе це за одну інструкцію. Опція працює навіть через віддалене підключення з iOS після пари телефону з десктопом. Проте в десктопній версії можна одночасно спілкуватися лише одним голосовим чатом.
Ризики та переваги доступу до екрану
Особливість Screen Context дозволяє ChatGPT бачити весь вміст активного вікна, навіть текст, який схований за межами видимої області. OpenAI радить не відкривати вікна з конфіденційною інформацією, бо система захоплює все, що відображається чи зберігається у вікні.
На macOS для роботи функції потрібні спеціальні дозволи — “Запис екрана та системного аудіо” і “Доступність”. Це важливо мати на увазі при налаштуванні.
Голосові команди успадковують ті ж права доступу, що й вже затверджені додатком Chat, Work або Codex. Отже, нова функція не додає додаткових рівнів безпеки, а користується існуючими налаштуваннями робочих просторів.
Порівнюємо з конкурентами: голос у Anthropic Claude
OpenAI не єдина компанія, яка цього року активно розвиває голосові функції. Anthropic оновив голосовий режим Claude, поєднуючи його з додатками Gmail, Google Календарем, Slack, Notion та Canva. Як і OpenAI, вони не впровадили додаткові голосові системи контролю, покладаючись на наявні права доступу.
Обидві компанії зробили схожий вибір: розширити можливості голосового керування, використовуючи вже встановлені дозволи, а не розробляти окрему систему безпеки для голосу.
Основні особливості, що вирізняють
- Голосові режимі дозволяють працювати з багатокроковими завданнями.
- Взаємодія із зовнішніми сервісами підтверджена офіційними документаціями.
- Безпека функцій базується на вже наявних дозволах.
Що це означає для безпеки корпоративного AI?
Використання голосу рахується окремо і залежить від тарифного плану, з лімітом у п’ятигодинні проміжки. Завдання із Codex, запущені голосом, споживають його власний бюджет, що стимулює користувачів до преміум-планів із розширеними правами доступу.
Спеціальний двотижневий період раннього доступу для клієнтів Enterprise і Edu дає можливість ІТ-відділам протестувати функцію Screen Context, визначити доцільність її використання і провести навчання співробітників щодо потенційних ризиків.
Що варто врахувати користувачам?
Це оновлення робить ChatGPT не просто помічником для набору тексту, а справжнім голосовим асистентом, який здатен достатньо глибоко “бачити” екран і взаємодіяти з багатьма робочими інструментами одночасно.
Режим означає великий крок уперед, особливо для розробників, які можуть голосом задавати складні завдання кодексу і не витрачати час на ручний ввод. Водночас, охорона приватності покладається на налаштування, що застосовувалися й раніше, тож адміністраторам рекомендується ретельно перевірити налаштування доступу.
Командам, які займаються аудитом безпеки AI, радять враховувати нові голосові функції при оцінці ризиків і не розглядати їх як окрему категорію.
