ChatGPT Voice kann seit dem 23. September auch mit den Plugins und verbundenen Apps arbeiten, die im jeweiligen Konto verfügbar sind. Damit wird aus einer gesprochenen Frage unter passenden Voraussetzungen eine Aufgabe: Der Assistent kann etwa Informationen aus einem Kalender einbeziehen oder eine unterstützte Aktion anstoßen. Für Nutzer ist der entscheidende Unterschied nicht die natürlichere Stimme, sondern der Zugriff auf dieselben Werkzeuge, die bisher vor allem im Textchat steckten.
Das Wichtigste in Kürze
- OpenAI öffnet den Live-Sprachmodus auf Web, iOS und Android für verfügbare Plugins und verbundene Apps.
- In ChatGPT Work können Nutzer per Sprache auch Dokumente, Präsentationen und Tabellen anstoßen; eine laufende Aufgabe kann anschließend im Text weitergehen.
- Bestehende Verbindungen, Berechtigungen, Nutzungsgrenzen und Regeln des Arbeitsbereichs gelten weiter.
- Wenn eine Aktion eine Freigabe braucht, erfolgt diese über die sichtbare Oberfläche, nicht mit einem gesprochenen Ja.
Was sich im Alltag tatsächlich ändert
Bislang war eine Sprachunterhaltung vor allem ein Weg, Fragen zu stellen und Antworten zu hören. Jetzt kann ein Gespräch die Apps einsetzen, die bereits für das Konto eingerichtet und freigegeben sind. Ein naheliegender Ablauf: Man fragt nach einem Termin, lässt die dazugehörigen Informationen aus dem Kalender abrufen und formuliert anschließend eine Antwort. Ob auch ein Eintrag geändert oder eine Nachricht versendet werden kann, hängt von der jeweiligen App, den erteilten Rechten und den verfügbaren Aktionen ab. Die neue Sprachoberfläche allein schaltet keine Schreibrechte frei.
OpenAI nennt für den neuen Live-Modus ausdrücklich Web, iOS und Android. In der Unterhaltung bleiben schriftliche Antworten im Chat sichtbar. Das ist praktisch, wenn Namen, Termine oder Ergebnisse vor einer weiteren Aktion geprüft werden sollen: Der Nutzer muss sich nicht allein auf das Gehörte verlassen. Wer eine App noch nicht verbunden hat, muss sie gegebenenfalls erst verbinden und sich anmelden. Eine Verbindung zu einem Dienst ersetzt zudem keine Berechtigung innerhalb dieses Dienstes.
Der Schritt ist wichtiger als ein weiterer Modellname. Die jüngsten Modellwechsel bei OpenAI verändern Kosten und Leistungsprofile; der neue Zugriff im Sprachmodus verändert dagegen den Ablauf einer konkreten Aufgabe. Er kann den Wechsel zwischen Diktat, App und Chat verkürzen. Wie zuverlässig das bei komplexeren Abläufen funktioniert, lässt sich aus der Ankündigung allein nicht ableiten.
Work erweitert den Spielraum, aber nicht automatisch die Rechte
Für ChatGPT Work beschreibt OpenAI zusätzlich einen Arbeitsmodus auf Web und Mobilgeräten: Nutzer können per Sprache Dokumente, Präsentationen und Tabellen erstellen lassen, verbundene Apps verwenden oder im Browser arbeiten. Endet das Sprachgespräch, kann eine noch laufende Aufgabe im Text fortgesetzt werden. Das ist vor allem bei Tätigkeiten nützlich, die mit einer mündlichen Anweisung beginnen, deren Ergebnis aber als Datei oder nachvollziehbarer Verlauf gebraucht wird.
Die Verfügbarkeit ist gestaffelt. Free- und Go-Konten können Voice im Chat mit den Plugins nutzen, die ihr jeweiliger Tarif unterstützt. Voice in Work setzt sowohl Zugang zu Voice als auch zu Work voraus. Bei Firmenkonten kommen Einstellungen des Arbeitsbereichs hinzu. Eine gesprochene Anweisung überwindet weder eine gesperrte App noch fehlende Zugriffsrechte. Für Teams ist das eine wichtige Grenze: Der neue Bedienweg erweitert nicht stillschweigend den Datenraum, auf den ein Mitarbeiter zugreifen darf.
Das zeigt sich besonders bei E-Mail und Kalendern. In der OpenAI-Dokumentation zu Outlook werden Lese- und Schreibaktionen getrennt beschrieben; mögliche Aktionen hängen von Kontorechten, Microsoft-Freigaben und den Einstellungen des ChatGPT-Arbeitsbereichs ab. Wer per Sprache nur seinen Tagesplan abfragen möchte, braucht einen anderen Berechtigungsumfang als jemand, der Termine ändern oder Nachrichten versenden will. Die richtige Frage vor dem Verbinden lautet deshalb nicht bloß, ob die App angeboten wird, sondern welche konkreten Aktionen für dieses Konto aktiviert sind.
So lässt sich die Funktion sinnvoll ausprobieren
Ein erster Test sollte mit einer lesenden Aufgabe beginnen: Im Live-Sprachmodus nach dem nächsten Termin oder nach Informationen aus einer bereits verbundenen App fragen und das Ergebnis im Chat ansehen. Danach lässt sich prüfen, welche Quelle der Assistent genutzt hat und ob Uhrzeit, Empfänger oder Kontext stimmen. Erst wenn diese einfache Kette funktioniert, lohnt sich eine Aktion mit Änderung an fremden Daten. OpenAI weist darauf hin, dass die verfügbaren Optionen vom Tarif, der Region, der App-Version und gegebenenfalls den Regeln eines Arbeitsbereichs abhängen.
Besonders deutlich bleibt die Trennung bei Freigaben. Verlangt eine Aktion eine Bestätigung, zeigt Voice auf Web und Mobilgeräten eine Prüfung auf dem Bildschirm an. Ein gesprochenes Einverständnis genügt laut OpenAI nicht. Das kann unterwegs weniger bequem sein als eine reine Sprachsteuerung, verhindert aber, dass eine weitreichende Aktion allein durch ein missverstandenes Wort ausgelöst wird. Für Nachrichten, Buchungen oder Änderungen am Kalender ist diese sichtbare Kontrollstelle Teil des Nutzens, nicht bloß Reibung.
Der nächste Maßstab ist ein überprüfbarer Ablauf
Das Update macht Sprachsteuerung für Menschen interessanter, die Informationen aus mehreren Apps zusammenführen oder eine Arbeit ohne Tastatur beginnen wollen. Entscheidend wird nun, ob der Assistent die richtige App auswählt, Zwischenergebnisse verständlich zeigt und bei Änderungen an der richtigen Stelle anhält. Eine gute Sprachfunktion spart Handgriffe; eine gute Aufgabenfunktion macht zugleich sichtbar, welche Daten sie gelesen und welche Aktion sie tatsächlich ausgeführt hat. Genau daran sollte man den neuen Modus im eigenen Alltag messen.