Synthesia pasó una década grabando avatares. Ahora quiere que respondan.

Synthesia construyó su negocio sobre un bucle simple. Escribes un guion, eliges un avatar y recibes como resultado un video de un presentador. La empresa afirma que ese bucle ha recorrido la mayor plataforma de video empresarial del mundo durante buena parte de una década, y que llevó a Synthesia a una valoración reportada de 4.000 millones de dólares, con más de 100 millones de dólares en ingresos recurrentes anuales para 2025.

El 1 de octubre de 2026, el bucle cambió de dirección. Synthesia lanzó Sessions, una plataforma para conversaciones bidireccionales con un avatar realista. Dos tipos de sesión se activaron el mismo día, y un tercero se anunció como próximamente.

Roleplay Sessions pone al usuario en una conversación que se supone que es difícil. El avatar interpreta a un cliente, un candidato o una persona a su cargo, y responde con resistencia. Los equipos de ventas practican descubrimiento y manejo de objeciones. Los gerentes ensayan la conversación que han estado evitando con un empleado. Los equipos de soporte simulan una escalada. Después de cada intento, el sistema hace coaching y puntúa al participante. Las nuevas capacidades permiten a las personas ajustar un escenario a su situación exacta antes de practicar, y permiten a las empresas crear juegos de rol personalizados para sus propias conversaciones recurrentes.

Survey Sessions convierte un formulario en una entrevista. El avatar hace las preguntas de la empresa uno a uno, repregunta sobre lo que escucha y devuelve información estructurada. Synthesia enumera comentarios de empleados, conocimiento del cliente, entrevistas de salida y de abandono, seguimiento de NPS e investigación de producto como los usos previstos. Las respuestas vuelven como temas y sentimiento entre los encuestados, y cualquier respuesta individual se puede abrir como transcripción, archivo de audio o CSV.

Expert Sessions es la que sigue en la hoja de ruta: un avatar entrenado con la documentación de producto y los procesos internos de una empresa que guía a alguien paso a paso por una tarea y responde preguntas mientras trabaja.

El argumento a favor de esta forma de producto

El CTO de Synthesia, Peter Hill, escribió la publicación de lanzamiento. Su enfoque es el de un cuello de botella de personal, más que una historia de tecnología. Nunca hay suficientes personas adecuadas para todos, ya sea un gerente que entrena a cada vendedor antes de una llamada difícil, un investigador que entrevista a cada cliente o un experto de producto que guía a cada usuario que se queda atascado. Los sustitutos habituales son grabaciones en lugar de ensayos, formularios en lugar de entrevistas y documentación de ayuda en lugar de orientación práctica.

La biografía de Hill hace que el argumento sea más fácil de tomar en serio que el de la publicación de lanzamiento promedio. Pasó casi 25 años en Amazon y AWS, liderando equipos detrás de Kindle, Fire, Alexa y servicios como Amazon Connect y WorkSpaces, antes de un período como CEO y CPO en Wildlife Studios. Ya ha lanzado sistemas conversacionales a escala.

Los datos tempranos que Synthesia está dispuesta a publicar son escasos pero elocuentes. En los primeros despliegues, el 78 por ciento de los estudiantes intentó un juego de rol más de una vez, y de quienes volvieron, el 83 por ciento mejoró su puntuación en un intento posterior. Lee esto con atención. La cifra que importa no es la tasa de mejora, que se mide en el subconjunto que eligió volver. Es la tasa de retorno del 78 por ciento. Una herramienta de capacitación que las personas repiten voluntariamente es un producto distinto de una que completan porque alguien se la asignó.

Synthesia también afirma que los insights temáticos están pensados para mostrar qué habilidades impulsan el desempeño, y no solo quién obtuvo la puntuación más alta, y que cada empleado recibe juegos de rol sugeridos para cerrar sus propias brechas. Eso es un cambio de la generación de informes al diagnóstico, y es la parte de la propuesta que los equipos de aprendizaje y desarrollo realmente evaluarán.

Dos rutas, y por qué la división importa

Synthesia vende la misma capacidad de dos maneras. La API Interactive Avatar es para empresas que quieren construir su propio producto de avatares y controlar el stack. Sessions es la plataforma lista para usar para las conversaciones que componen el trabajo cotidiano. La empresa describe la API como un pipeline alojado, lo que significa que un equipo puede traer su propio modelo de lenguaje, reconocimiento de voz a texto y texto a voz en lugar de ejecutar el stack de renderizado por su cuenta.

Esa división es más interesante de lo que parece. Las empresas que ya tienen un proveedor de modelos preferido no quieren que se les diga cuál usar, y las empresas que no tienen ni el apetito ni el personal para el trabajo de integración no quieren construir nada. Ofrecer ambos evita que Synthesia tenga que elegir un único perfil de cliente. La integración a nivel de sesión abre la API de pila completa el mismo día, lo que sugiere que la empresa ve la API como el negocio más discreto y más grande con el tiempo.

Vale la pena señalar los detalles de cumplimiento porque este producto toca conversaciones de empleados y entrevistas con clientes, lo que implica grabaciones, transcripciones y datos personales. Synthesia enumera SOC 2 Type II, ISO 27001, 27701 y 42001, además del cumplimiento del RGPD.

Lo que el lanzamiento no resuelve

Tres preguntas subyacen a este lanzamiento.

La primera es si la calidad de la interacción se sostiene fuera de una demo. Un juego de rol solo produce transferencia de habilidades si la resistencia del avatar es realista y variada. Un avatar que está demasiado de acuerdo no enseña nada, y uno que discute sobre rieles se reconoce en dos intentos. Synthesia no ha publicado una evaluación independiente de cómo se comportan sus contrapartes de juego de rol en distintos escenarios, y sus cifras de despliegue describen uso repetido, no resultados de aprendizaje.

La segunda es la cuestión del registro de datos. Una puntuación asociada al intento de práctica de un empleado es un dato sobre una persona, creado por una IA, almacenado en un sistema empresarial y potencialmente visible para un gerente. Que el 78 por ciento de los estudiantes vuelva parece saludable en un comunicado de prensa. También significa que la mayoría de los participantes generó un registro puntuado de una conversación que manejó mal. Dónde reside ese registro, quién puede verlo y cuánto tiempo se conserva son decisiones de política que cada comprador tendrá que tomar, y las respuestas difieren drásticamente entre, por ejemplo, un equipo de habilitación de ventas y un departamento de RR. HH.

La tercera es qué ocurre con los especialistas humanos cuya escasez es toda la premisa. Si Synthesia tiene razón en que un avatar entrenado puede absorber las conversaciones repetitivas a una fracción del costo de una llamada humana, entonces el momento de coaching que necesita a una persona real se vuelve el costoso. Es un intercambio razonable para los clientes de la empresa. También es, inevitablemente, una historia sobre qué partes de un trabajo se automatizan primero.

Dónde deja esto a la IA empresarial

Sessions es un marcador útil porque lleva un producto de avatares de la generación de contenido al flujo de trabajo. Un video de avatar unidireccional compite con una cámara, un estudio y una fecha límite. Un avatar bidireccional compite con la agenda de un gerente, y la comparación ya no se trata del costo de producción. Se trata de si una organización puede ejecutar mil conversaciones de práctica al día y conservar los resultados.

La apuesta de Synthesia es que la mayoría de las organizaciones no puede, y que el avatar que responde es una respuesta más barata que contratar. Si el nivel de calidad de la interacción justifica la sustitución es lo que mostrará el próximo año de despliegues. La cifra de uso repetido es una señal inicial prometedora. Todavía no es evidencia de que la práctica haya mejorado a alguien en el trabajo.