0819 | Product Hunt: Hubble ataca datos médicos dispersos, CrewTower agentes de IA

Clara Vega: Hola, bienvenidos a Product Hunt diario, en Bri Radio. Soy Clara Vega y estoy con Mateo Ruiz. Hoy tenemos un episodio cargado de lanzamientos que se enfrentan a problemas muy concretos.

Mateo Ruiz: Así es, Clara. Vamos a arrancar con dos productos que hoy atacan exactamente el mismo dolor: los datos médicos dispersos. Y después hablaremos de otro par de lanzamientos que también compiten frente a un mismo reto, esta vez con los agentes de codificación.

Clara Vega: Y por supuesto no nos quedamos ahí. También hay una comparación entre proyectos que buscan ayudarte a encontrar contenido relevante, además de novedades como un diario de decisiones, un cerebro de software para robots autónomos, una herramienta de analítica de embudos y una plataforma de visibilidad de IA.

Mateo Ruiz: Un menú bien completo. Quédense con nosotros porque vamos a desglosar cada uno de estos lanzamientos, cómo se posicionan y cuál puede ser el más útil para ti.

Clara Vega: En Product Hunt hoy destacan dos lanzamientos sobre el mismo problema: los datos médicos dispersos. Hubble va dirigido a quien construye software o agentes de inteligencia artificial que necesitan historiales de pacientes. Según sus fundadores, Prabha Dublish y Aaron Leon, un paciente verifica su identidad una sola vez y Hubble reúne sus registros de todos sus proveedores y los entrega por una sola API. Su diagnóstico es que la mayoría de las APIs existentes devuelven solo el subconjunto del portal del paciente, por lo que los equipos acaban construyendo integraciones por proveedor durante meses, volviendo al fax o dejando el problema al paciente. Cuando una API vuelve vacía, Hubble usa agentes de navegador que envían la solicitud por los portales del proveedor y agentes de voz que llaman a los departamentos de registros. Cada solicitud se apoya en el derecho individual de acceso del paciente, que revisa cada fuente y puede revocar en cualquier momento. La empresa afirma en su web que está respaldada por Y Combinator, es compatible con HIPAA, está en producción, se conecta a Epic, Oracle Health, Cerner, athenahealth, UnitedHealthcare y Aetna, con más de 40 herramientas, y ofrece acceso mediado por paciente en vivo y mediado por proveedor en beta, con cada valor del registro trazable a su fuente. Los fundadores se describen como el equipo detrás de los agentes de IA de Grow Therapy y Amazon One Medical. Y en los comentarios quedan preguntas abiertas sobre seguridad y eliminación de registros, países soportados y el comportamiento de los agentes de voz ante colas de llamada, verificación verbal de identidad o preguntas imprevistas.

Mateo Ruiz: Y el diagnóstico de fondo es revelador. Dicen que la mayoría de las APIs que existen hoy devuelven solo el subconjunto que aparece en el portal del paciente, así que los equipos terminan construyendo integraciones proveedor por proveedor durante meses, o volviendo al fax, o dejándole el problema al propio paciente. Hubble es justo la respuesta a ese desorden.

Clara Vega: ¿Y qué pasa cuando una API vuelve vacía? Ahí entra su lado más agente. Hubble usa agentes de navegador que envían la solicitud por los portales del proveedor, y agentes de voz que llaman a los departamentos de registros. Cada solicitud se apoya en el derecho individual de acceso que tiene el paciente, que revisa cada fuente y puede revocar el acceso en cualquier momento.

Mateo Ruiz: En cuanto a credenciales, la empresa asegura en su web que está respaldada por Y Combinator, que es compatible con HIPAA, y que está en producción, conectándose a Epic, Oracle Health, Cerner, athenahealth, UnitedHealthcare y Aetna, en total más de cuarenta herramientas. Ofrecen acceso mediado por el paciente en vivo, y el mediado por proveedor está en beta, y cada valor del registro queda trazable a su fuente.

Clara Vega: Y para darle contexto, los fundadores se presentan como el equipo detrás de los agentes de IA de Grow Therapy y Amazon One Medical. Ahora, en los comentarios se quedaron varias preguntas abiertas: seguridad y eliminación de registros, qué países están soportados, y cómo se comportan los agentes de voz ante las colas de llamada, la verificación verbal de identidad o las preguntas imprevistas.

Mateo Ruiz: Dos lanzamientos de Product Hunt abordan hoy el mismo problema: perder el control de varios agentes de codificación de IA ejecutándose a la vez. CrewTower es una app para Mac que vive en el notch del MacBook y vigila agentes como Claude Code, Codex, Cursor, Gemini, Qwen y OpenCode. Su creador, Said, dice que la construyó para recuperar el tiempo y los tokens que se pierden cuando un agente queda esperando respuesta sin que nadie lo note. Las solicitudes de permiso aparecen en el notch con el comando exacto, la edición de archivo o la pregunta, y se aprueban o rechazan con un clic sin tocar la terminal. La app muestra cada sesión, su estado, progreso y contexto restante, salta a la pestaña exacta, avisa con sonidos propios y re-avisa a los 1, 5 y 15 minutos, y señala los comandos destructivos en la tarjeta antes de aprobar. Permite responder preguntas con botones, revisar planes completos y decidir entre permitir una vez, por sesión o siempre. Según la web, el código y las transcripciones no salen del Mac. Requiere macOS 15 o posterior, y el notch no es obligatorio. Está en precio de lanzamiento anticipado. Un comentarista lo definió como un uso inteligente del espacio, útil con varios agentes sin tener que revisar terminales. Shepherd Terminal es un workspace persistente de macOS para ejecutar Codex y Claude en pestañas, paneles y máquinas remotas. Su desarrollador dice que lo creó porque gestionar varios agentes resultaba más difícil que el propio código. Mantiene sesiones vivas al cerrar la app y restaura pestañas, paneles y procesos, además de ofrecer un monitor de agente.

Clara Vega: Su creador, Said, cuenta que la construyó para recuperar el tiempo y los tokens que se pierden cuando un agente se queda esperando respuesta sin que nadie se dé cuenta. Las solicitudes de permiso aparecen en el notch con el comando exacto, la edición de archivo o la pregunta, y se aprueban o rechazan con un clic, sin tocar la terminal.

Mateo Ruiz: La app muestra cada sesión con su estado, su progreso y el contexto restante, salta a la pestaña exacta, avisa con sonidos propios y re-avisa a los uno, cinco y quince minutos, y señala los comandos destructivos en la tarjeta antes de aprobarlos. También permite responder preguntas con botones, revisar planes completos y decidir entre permitir una vez, por sesión o siempre.

Clara Vega: Según su web, tanto el código como las transcripciones no salen del Mac. Requiere macOS 15 o posterior, aunque el notch no es obligatorio, y está con precio de lanzamiento anticipado. Un comentarista lo definió como un uso inteligente del espacio, muy útil cuando tienes varios agentes y no quieres estar revisando terminales todo el tiempo.

Mateo Ruiz: La segunda es Shepherd Terminal, un workspace persistente de macOS para ejecutar Codex y Claude en pestañas, paneles y máquinas remotas. Su desarrollador dice que lo creó porque gestionar varios agentes le resultaba más difícil que el propio código. Mantiene las sesiones vivas al cerrar la app y restaura pestañas, paneles y procesos, además de ofrecer un monitor de agentes. Juntas, las dos atacan esa sensación de caos cuando varios agentes trabajan en paralelo.

Clara Vega: Esta edición del briefing de Product Hunt compara dos lanzamientos que atacan el mismo problema: encontrar contenido que uno guardó buscando por lo que contiene, no por el título. Deepmark es una biblioteca privada para marcadores del navegador, marcadores de X, guardados de Instagram y Watch Later y Liked de YouTube, con búsqueda en lenguaje natural. Su creador explica que lo construyó porque perdía cosas que había guardado deliberadamente en cuatro aplicaciones, y un marcador es solo una URL y un título. Deepmark lee el contenido de cada página, transcribe vídeos y reels, describe y aplica OCR a fotogramas, y luego lo incrusta todo. La búsqueda funciona por capas: texto, audio, vídeo, capturas de pantalla y significado con resúmenes y etiquetas, en unos 99 idiomas, de modo que una consulta en inglés puede encontrar un transcript en hindi. El ejemplo del creador: "el reel del truco de la pasta en una sola sartén" encuentra el reel aunque nada en él se llame pasta. Cifras autodeclaradas por el fabricante: un guardado es buscable en unos 90 segundos, la búsqueda en una biblioteca de 10 000 elementos vuelve en menos de 100 milisegundos, y el recall top-5 en consultas vagas es del 89%. Las sincronizaciones sociales se ejecutan en el navegador del usuario a través de los endpoints de cada sitio; la extensión nunca ve contraseñas y toda fuente salvo los marcadores del navegador está desactivada hasta que se activa. Incluye un servidor MCP alojado con OAuth en usedeepmark.com/api/mcp, sin claves API, con tres herramientas: search, latest saves y detalle completo con transcripciones, OCR.

Mateo Ruiz: Su creador explica que lo construyó porque perdía cosas que había guardado deliberadamente en cuatro aplicaciones, y al final un marcador es solo una URL y un título. Entonces Deepmark lee el contenido de cada página, transcribe videos y reels, describe y aplica reconocimiento óptico a los fotogramas, y luego lo incrusta todo para poder buscarlo.

Clara Vega: La búsqueda funciona por capas: texto, audio, video, capturas de pantalla y significado, con resúmenes y etiquetas, en unos noventa y nueve idiomas, así que una consulta en inglés puede encontrar un transcript en hindi. El ejemplo del creador: buscar "el reel del truco de la pasta en una sola sartén" encuentra el reel aunque nada en él se llame pasta.

Mateo Ruiz: Y hay cifras autodeclaradas por el fabricante: un guardado se vuelve buscable en unos noventa segundos, la búsqueda en una biblioteca de diez mil elementos regresa en menos de cien milisegundos, y el recall entre los cinco primeros resultados en consultas vagas es del ochenta y nueve por ciento. Las sincronizaciones sociales se ejecutan en el navegador del usuario a través de los endpoints de cada sitio, la extensión nunca ve contraseñas, y toda fuente salvo los marcadores del navegador está desactivada hasta que el usuario la activa.

Clara Vega: Y como dato técnico para quien trabaje con agentes, incluye un servidor MCP alojado con OAuth, sin claves API, y con tres herramientas: búsqueda, guardados recientes y detalle completo con transcripciones y reconocimiento óptico. La idea de fondo es la misma en ambos lanzamientos: dejar de buscar por títulos y recuperar lo guardado por su contenido.

Clara Vega: Una aplicación recién publicada en el App Store para iPhone y iPad se propone conservar justo lo que el sesgo de retrospectiva suele borrar: lo que predijiste, con qué confianza y por qué, en el momento mismo de decidir. Se llama Reckon, es un diario de decisiones del desarrollador en solitario Roland Leth, es de compra única, se sincroniza por iCloud y no necesita cuenta ni backend: todos los datos viven en el dispositivo. El flujo que describe el creador empieza registrando una predicción con un porcentaje de confianza y una fecha de revisión. Luego, los check-ins capturan lo que cambia antes del resultado: nueva información etiquetada como positiva o negativa y la confianza actualizada. Cuando el asunto se resuelve, se registra el resultado y el grado de satisfacción. Entre 30 y 60 días después, la app pregunta si volverías a tomar la misma decisión. Con unas pocas docenas de llamadas resueltas, Reckon muestra la calibración: si las llamadas hechas con un 70% de confianza aciertan alrededor del 70% de las veces, mediante un diagrama de fiabilidad que compara lo dicho con lo ocurrido y revela dónde la confianza se excede, dónde se queda corta y en qué ámbitos el juicio es más preciso. Roland Leth dice que lo construyó porque una app de notas guarda lo que pasó y un diario cómo se sintió, pero ninguno guarda lo que se predijo ni la confianza previa al resultado. Está dirigido a fundadores, padres, planificadores, inversores y personas que quieren pensar con claridad; no está orientado a la comunidad de forecasting, aunque le resulta legible. Y el propio creador pregunta abiertamente si el término calibración tiene sentido para quienes no son profesionales de la predicción.

Mateo Ruiz: Y la idea central es muy potente. Reckon conserva la predicción, el porcentaje de confianza y el razonamiento que tenías en el momento de decidir, exactamente lo que después olvidas. El flujo que describe el creador es así: registras una predicción con su confianza y una fecha de revisión. Luego, antes del desenlace, haces check-ins donde anotas qué cambió, si la información nueva es positiva o negativa, y ajustas tu confianza. Cuando todo se resuelve, registras el resultado y cómo quedaste de satisfecho.

Clara Vega: Y hay un matiz elegante: entre treinta y sesenta días después, la app te pregunta si volverías a tomar la misma decisión. Pero lo más interesante llega cuando acumulas unas pocas docenas de llamadas resueltas: entonces Reckon calcula tu calibración. Es decir, si hiciste llamadas con un setenta por ciento de confianza, ¿acertaste alrededor del setenta por ciento de las veces? Un diagrama de fiabilidad compara lo que dijiste con lo que realmente ocurrió, y te muestra dónde te pasas de confiado, dónde te quedas corto y en qué ámbitos tu juicio es más preciso.

Mateo Ruiz: Leth cuenta que lo construyó porque una app de notas guarda lo que pasó, y un diario guarda cómo te sentiste, pero ninguno de los dos guarda lo que predijiste ni la confianza que tenías antes del resultado. Está pensada para fundadores, padres, planificadores, inversores, gente que quiere pensar con claridad. Curiosamente, no está orientada a la comunidad de forecasting, aunque esa comunidad la encuentra legible. De hecho, el propio creador pregunta abiertamente si el término calibración tiene sentido de verdad para quienes no son especialistas. Y esa pregunta, creo yo, es la prueba más honesta de qué puede llegar a ser esta app en tus manos.

Clara Vega: Salem Robotics acaba de lanzar en Product Hunt un cerebro de software para robots autónomos orientado a reconocimientos, inspecciones y manipulación en instalaciones peligrosas. La promesa es directa: en lugar de mandar técnicos con detectores manuales y portapapeles, un operador dibuja la ruta en un panel digital; el robot navega, abre puertas, gira válvulas, toma mediciones y devuelve un informe listo para cumplimiento normativo, con mapas de calor y riesgos señalados. La plataforma se presenta como agnóstica al hardware, basada en investigación publicada por roboticistas con doctorado y una década en Los Alamos, y puede usarse con un robot propio o con uno que la compañía aporta. Janak, cofundador de Salem Robotics, cuenta que mientras trabajaba en Los Alamos desplegando robots en instalaciones nucleares comprobaron que los reconocimientos de radiación se siguen haciendo casi como hace décadas: técnicos que recorren rutas con detectores manuales y portapapeles y luego transcriben los datos a mano a sistemas digitales. Lo califica de lento, caro, propenso a errores y con exposición innecesaria al riesgo. En conversaciones con clientes de nuclear comercial, petróleo y gas y fabricación química encontraron la misma realidad. La empresa busca sitios piloto donde el trabajo rutinario sea peligroso, caro o difícil de cubrir; el contacto es engage@salemroboticsinc.com. El flujo anunciado es de una misión, tres pasos y cero teleoperación, sin necesidad de programar: en la fase de planificación, el supervisor dibuja la ruta sobre el mapa de la instalación desde el teléfono o el ordenador, sin arco de despliegue visible.

Mateo Ruiz: Y el robot hace el resto: navega, abre puertas, gira válvulas, toma mediciones y devuelve un informe listo para cumplimiento normativo, con mapas de calor y riesgos señalados. La plataforma es agnóstica al hardware, está basada en investigación publicada por roboticistas con doctorado y una década de trabajo en Los Alamos, y puedes usarla con un robot propio o con uno que la compañía aporta.

Clara Vega: Janak, cofundador, cuenta que mientras trabajaba en Los Alamos desplegando robots en instalaciones nucleares comprobaron algo asombroso: los reconocimientos de radiación se siguen haciendo casi como hace décadas. Técnicos que recorren rutas con detectores manuales y portapapeles, y luego transcriben los datos a mano a sistemas digitales. Lo describe como lento, caro, propenso a errores y con una exposición innecesaria al riesgo.

Mateo Ruiz: Y no era solo el mundo nuclear: en conversaciones con clientes de nuclear comercial, petróleo y gas y fabricación química encontraron la misma realidad. El flujo anunciado es de una misión, tres pasos y cero teleoperación, sin necesidad de programar. En la fase de planificación, el supervisor dibuja la ruta sobre el mapa de la instalación desde el teléfono o el ordenador, sin dibujar arcos ni escribir código.

Clara Vega: Ahora mismo buscan sitios piloto donde el trabajo rutinario sea peligroso, caro o difícil de cubrir. Si te interesa, el contacto es engage arroba salemroboticsinc punto com. Y la reflexión de fondo me parece clave: no han inventado un robot nuevo, sino una forma de que cualquier robot haga el trabajo sucio, peligroso y repetitivo que hoy sigue haciendo una persona. Ahí está, creo, la verdadera innovación.

Mateo Ruiz: Una herramienta de analítica de embudos de conversión cuyo lema lo dice todo acaba de presentarse en Product Hunt: analítica de embudos que de verdad se entiende. Se llama Tiny Funnel, y el lanzamiento lo presenta su creador, Oli, fundador de PreProduct, un software de preventa para marcas de comercio electrónico. Oli explica que, como muchos fundadores, tenía analítica instalada pero casi nunca la abría: responder preguntas como qué publicaciones de blog o referentes envían visitantes que de verdad se registran se convertía en una tarea completa en lugar de una comprobación de cinco segundos. Tiny Funnel busca dar respuestas e ideas lo más rápido posible. Según el material del producto, al entrar el embudo aparece directamente, paso a paso, mostrando de dónde vienen los visitantes, hasta dónde llegan y cuántos compran. Los filtros permiten acotar a un conjunto concreto, por ejemplo desde Google más llegó al menos al paso dos, y todo cambia con ese filtro; además, las opciones de filtro muestran sus estadísticas antes de elegirlas, de modo que a veces el desplegable es el informe. Incluye el embudo a lo largo del tiempo y el recorrido completo de cada visitante: de dónde vino, qué campaña, cada página que tocó y si rebotó, volvió después o convirtió. La herramienta se define como cookie-less: sin cookies, sin rastreo entre sitios, sin venta de datos, con datos de primera parte y sin banner de cookies, de forma que todo el mundo es contado. En cuanto a la puesta en marcha, el sitio afirma que se instala con una sola etiqueta de script.

Clara Vega: Y Oli explica un problema que seguro reconoce cualquier fundador: tenía analítica instalada, pero casi nunca la abría. Responder preguntas como qué publicaciones de blog o qué referentes mandan visitantes que de verdad se registran se volvía una tarea completa en lugar de una comprobación de cinco segundos. La idea de Tiny Funnel es darte respuestas e ideas lo más rápido posible.

Mateo Ruiz: En la práctica, al entrar el embudo aparece directamente, paso a paso: de dónde vienen los visitantes, hasta dónde llegan y cuántos compran. Los filtros permiten acotar a un conjunto concreto, por ejemplo desde Google y que llegara al menos al paso dos, y todo cambia con ese filtro. Y un detalle muy astuto: las opciones de filtro muestran sus estadísticas antes de que elijas, de modo que a veces el desplegable ya es el informe.

Clara Vega: También incluye el embudo a lo largo del tiempo y el recorrido completo de cada visitante: de dónde vino, qué campaña, cada página que tocó y si rebotó, volvió después o convirtió. Y ojo con esto: la herramienta se define como sin cookies y sin rastreo entre sitios. No vende datos, usa solo datos de primera parte y no muestra banner de cookies, así que todo el mundo es contado, no excluido.

Mateo Ruiz: En cuanto a la puesta en marcha, el sitio afirma que se instala con una sola etiqueta de script. La promesa completa encaja con una idea que me encanta: la analítica solo sirve si la abres con ganas. Si te devuelve la respuesta en cinco segundos en vez de exigirte una sesión de exploración, entonces sí estás usándola. Y eso, para un fundador abrumado de datos, puede marcar toda la diferencia entre decidir a ciegas o decidir con un embudo claro delante.

Clara Vega: Gauge, una plataforma presentada en Product Hunt, se posiciona como visibilidad de IA y analítica para GEO, la optimización en buscadores generativos, con una tesis central que llama crecimiento liderado por agentes: que los agentes de codificación instalan y usan herramientas de desarrollador de forma autónoma, sin hablar con un comercial ni pedir una demo. La plataforma ejecuta sesiones de codificación reales para encontrar qué acciones mejoran que esos agentes prefieran el producto y lo usen bien una vez elegido. El equipo dice haberlo construido por la fuerte demanda de sus clientes, entre ellos Supabase, Mux, Openrouter, PostHog, Resend, Braintrust, Clerk, Railway y Mintlify, y afirma haber cargado 100 dólares de crédito gratuito en cada cuenta. Gauge rastrea respuestas generadas por IA en ChatGPT, Claude, Gemini, Perplexity, CoPilot, AI Mode y AI Overviews para detectar menciones de la marca, analiza qué contenido se cita, qué se omite y cómo queda la marca frente a sus competidores, y como siguiente paso genera el contenido, lo publica en el sitio web o CMS del cliente y mide si funcionó. Su función Ask Gauge combina la visibilidad en IA con datos de búsqueda, tráfico, producto y publicidad. En sus casos de estudio, con cifras declaradas por los clientes o por la propia empresa y no verificadas de forma independiente, PostHog aparece con un crecimiento del tráfico referido por LLM del 41 por ciento.

Mateo Ruiz: Y cuentan que lo construyeron por la fuerte demanda de sus clientes de herramientas de desarrollador, entre ellos Supabase, Mux, Openrouter, PostHog, Resend, Braintrust, Clerk, Railway y Mintlify. Además, dicen haber cargado cien dólares de crédito gratuito en cada cuenta. La plataforma rastrea las respuestas generadas por IA en ChatGPT, Claude, Gemini, Perplexity, CoPilot, AI Mode y AI Overviews para detectar menciones de la marca. También analiza qué contenido se cita, qué se omite y cómo queda la marca frente a sus competidores, para detectar los huecos donde es invisible.

Clara Vega: ¿Y el siguiente paso qué es? Que la plataforma genera el contenido, lo publica en el sitio web o el CMS del cliente y mide si funcionó. Además suman una función llamada Ask Gauge, que cruza la visibilidad en IA con datos de búsqueda, tráfico, producto y publicidad. Ahora bien, los casos de estudio que publica Gauge son números declarados por los propios clientes o por la empresa, no verificados de forma independiente. Uno de los destacados: PostHog habría crecido su tráfico referido por LLM un 41 por ciento.

Mateo Ruiz: Skim Recap es una extensión para Chrome presentada en Product Hunt por Yui Morii, orientada a artículos largos, documentación, ensayos y posts de investigación. Su funcionamiento es el punto destacable: cuando detecta un desplazamiento rápido, estima el pasaje que el lector se saltó y muestra un resumen compacto junto al cursor, únicamente de ese tramo, no de toda la página. El creador explica que la construyó porque solía pasar de largo varios párrafos de artículos largos y quedarse sin saber si se había perdido algo importante. La versión 0.4 añade Feynman: si un término detiene al lector, se selecciona la palabra o frase, en la página o dentro de la tarjeta de resumen, y se pulsa Feynman. Según la descripción, el modelo Gemma 4 E4B utiliza el párrafo, el contexto cercano, el encabezado más próximo y el título de la página para explicar qué significa el término en ese lugar concreto, por ejemplo argument en un artículo de lógica frente a una firma de función. Todo se ejecuta localmente con Gemma 4 E4B, LiteRT-LM y WebGPU: no requiere cuenta ni API de LLM alojada, a cambio de una descarga única del modelo de 2,97 GB y de necesitar WebGPU y requisitos sustanciales de disco y memoria local. El resumen está limitado deliberadamente a lo que dice el pasaje, por lo que no puede explicar términos que la página nunca define.

Clara Vega: El creador cuenta que la construyó porque solía pasar de largo varios párrafos de artículos largos y quedarse sin saber si se había perdido algo importante. La versión 0.4 añade una función llamada Feynman: si un término te detiene, seleccionas la palabra o frase, en la página o dentro de la tarjeta de resumen, y pulsas Feynman. El modelo usa el párrafo, el contexto cercano, el encabezado más próximo y el título de la página para explicar qué significa ese término en ese lugar concreto. Por ejemplo, la palabra argument significa algo muy distinto en un artículo de lógica que en una firma de función.

Mateo Ruiz: Y todo corre localmente, con el modelo Gemma 4 E4B, LiteRT-LM y WebGPU. No requiere cuenta ni API de LLM alojada. La contracción, eso sí, es una descarga única del modelo de casi tres gigabytes, además de necesitar WebGPU y bastante disco y memoria local. Y hay un límite deliberado: el resumen solo puede explicar lo que dice el pasaje, así que no puede aclarar términos que la página nunca define.

Clara Vega: La tarjeta trae estado del modelo, copiar, cambio de diseño y traducción. El diseño Focus muestra el texto generado como un párrafo, y el llamado Smart lo presenta como puntos numerados, con el mismo texto y sin volver a ejecutar el modelo. El resumen también puede generarse para otras partes, así que es una forma de leer menos y entender mejor lo que de verdad te importa de un texto largo.

Clara Vega: Y con esto cerramos el episodio de hoy. Gracias por acompañarnos hasta el final, por prestar atención a cada detalle y por hacernos parte de su día.

Mateo Ruiz: Esperamos que lo escuchado les sea útil en estos días. Nos despedimos con cariño y les deseamos muy buena suerte. Hasta la próxima, y cuídense mucho.