1112 | IA en acción: de la llamada al escritorio

Clara Vega: ¡Hola y bienvenidos a otro episodio! Soy Clara Vega.

Mateo Ruiz: Y yo Mateo Ruiz. Y hoy vamos a hablar de algo que me parece fascinante: la inteligencia artificial está dejando de ser una pestaña en el navegador para entrar en sitios donde antes no podía estar. En el teléfono, en tu escritorio, en tus suscripciones, incluso en tus conversaciones.

Clara Vega: Exacto. La idea que conecta todo lo que vamos a ver hoy es esa: la IA saliendo de la caja. Y empezamos, cómo no, por el teléfono, que es quizá el último gran canal que la IA no podía tocar. Porque hasta ahora la IA podía escribir, podía generar imágenes, pero cuando sonaba el teléfono, ahí no entraba nadie.

Mateo Ruiz: Sí, y hay dos lanzamientos que apuntan justo a eso. El primero es Mitra MCP. Lo que hace es dejar que un agente de inteligencia artificial llame desde tu número personal. Tu número, el de siempre. Y lo más interesante: si quieres, te incorpora a la conversación en vivo. O sea, la IA empieza la llamada, va hablando, y si la cosa se complica, tú entras en la llamada misma, en tiempo real.

Clara Vega: Eso es importante, ¿no? Porque el problema clásico de "deja que un robot llame por mí" siempre ha sido el momento en que el robot se queda corto. Con Mitra la respuesta no es "mejor robot", es "robot más humano de refuerzo". Funciona con Claude, con ChatGPT, con Grok, así que no te casa con un solo modelo.

Mateo Ruiz: Y el segundo es CALL-E, que aborda la misma idea pero por otro camino. CALL-E es un agente que hace llamadas por ti, pero con un flujo muy concreto: primero te da el plan de la llamada, lo confirmas tú, y solo entonces marca. Y una vez dentro, es capaz de atravesar los menús de opciones, aguantar en la espera, dejar mensajes en el buzón... y cuando termina, te devuelve un resumen y la transcripción completa.

Clara Vega: Me gusta que los dos resuelvan el problema distinto. Mitra es "tu número, tu voz de respaldo", y CALL-E es "yo hago la gestión entera y te la documento". El punto en común es el de fondo: las llamadas telefónicas siguen siendo el canal donde la IA no podía actuar, y eso está cambiando. Piensa en cuántas gestiones cotidianas todavía exigen llamar: reservas, cambios de cita, reclamos.

Mateo Ruiz: Ahora, siendo honestos, hay dos cosas que quedan abiertas aquí. La primera es la privacidad. Que un agente llame desde tu número personal significa que estás prestando, de algún modo, tu identidad de voz en ese contexto. ¿Cómo se registra eso, qué queda grabado, quién tiene acceso?

Clara Vega: Y la segunda es la aceptación social. Si la otra persona de la llamada se entera de que habla con una IA, ¿cómo reacciona? ¿Hay obligación de decirlo? Eso todavía no está resuelto, y va a ser parte de la conversación pública seguro.

Mateo Ruiz: Pero hay un detalle que une este tema con lo que viene ahora: sostener estas conversaciones telefónicas, con naturalidad, exige mejorar la parte de voz. Y justo eso es lo que ha movido el mercado esta semana. Vamos con la voz.

Clara Vega: Ok, voz. Y aquí el titular es que la transcripción está dando un salto en dos direcciones a la vez: más precisión y más cercanía a ti, en el dispositivo. Empecemos por la precisión. ElevenLabs sacó Scribe v3, su modelo de voz a texto, y la cifra clave es que reduce el error de palabra un veintisiete por ciento frente a la versión anterior.

Mateo Ruiz: Un veintisiete por ciento no es cualquier cosa, porque en reconocimiento de voz los márgenes de mejora se van haciendo cada vez más estrechos. Y las especificaciones acompañan: más de noventa idiomas, separación de hasta treinta y dos hablantes en la misma conversación, y capacidad para aprender hasta mil palabras personalizadas, que es súper práctico si trabajas con nombres propios, marcas, jerga de tu sector.

Clara Vega: Y luego está la versión Live, la de tiempo real, que va por debajo de ciento cincuenta milisegundos de latencia. Para que te hagas una idea, eso es más rápido de lo que tarda una persona en reaccionar normalmente en una conversación. Eso ya no es transcribir una grabación, eso es subtitular la vida en directo.

Mateo Ruiz: Y en el otro extremo del espectro está Earlybird, que es el proyecto que más me ha llamado la atención. Es un modelo de reconocimiento de voz en streaming que corre en el dispositivo, en el propio móvil o lo que sea, y pesa solo dieciséis coma ocho megabytes. Dieciséis megabytes, Clara. Con veintinueve millones de parámetros.

Clara Vega: Es que es casi nada comparado con lo que pesan los modelos de nube. Y lo que hace no es solo transcribir rápido: predice la palabra que vas a decir noventa milisegundos antes de que la digas, y acierta en la mediana de los casos. Y adjunta un nivel de confianza a cada predicción, lo cual es honesto, porque si el modelo no está seguro, lo dice.

Mateo Ruiz: Y encima son pesos abiertos, o sea, cualquiera puede descargarlos y ejecutarlos. Así que cuando juntas Scribe v3 y Earlybird, la tendencia es clarísima: transcripción rápida, multilingüe, y cada vez más en local, en tu dispositivo, sin enviar el audio a ningún sitio.

Clara Vega: Ahora, lo que queda por ver aquí, y es una pregunta honesta, es la calidad real en español coloquial. Los noventa idiomas suenan muy bien, pero las métricas agregadas no te dicen cómo se porta el modelo con tu manera de hablar, con las muletillas, con los acentos. Eso hay que probarlo caso por caso.

Mateo Ruiz: Y hay un tercer producto que conecta voz y conversación, y que nos sirve de puente hacia el siguiente bloque: Kippy AI. Es un acompañante de práctica de conversación oral para aprender idiomas, y tiene tres personajes: Kippy, Tippy y Yappy, y fíjate en el detalle: tienen carácter. Tienen humor, tienen memoria de lo que hablaste contigo, y puedes cambiar de idioma a mitad de la conversación, bilingüe en vivo.

Clara Vega: Lo cual es exactamente lo que le falta a las apps tradicionales de idiomas: la conversación libre con alguien que te recuerda. Y por cierto, lleva ya cerca de cuatrocientas mil descargas, así que no es un experimento de laboratorio.

Mateo Ruiz: Pero fíjate en por dónde va la cosa: ya no es solo "la IA me ayuda a hacer tareas", es "la IA me conversa". Y esa misma idea, pero en el terreno emocional, es la que abre el siguiente bloque: compañía de IA, práctica y emociones.

Clara Vega: Sí, y aquí tenemos dos productos muy distintos que apuntan a lo mismo. Kippy por un lado, que ya lo hemos presentado: práctica de conversación con tres personajes con memoria y humor, casi cuatrocientas mil descargas. Es compañía con excusa pedagógica, digamos.

Mateo Ruiz: Y por el otro Xolace, que me parece el más singular del día. Es una aplicación de apoyo emocional hecha por un equipo de Ghana, y lo que hace es ayudarte a escribir lo que hay debajo del sentimiento. Usan una técnica que llaman The Fire: tú escribes cómo te sientes, y la técnica te empuja a ir más allá de la primera capa, a lo que realmente está pasando.

Clara Vega: Y tiene un modelo de precios curioso: la parte de reflexión es gratuita. O sea, el núcleo emocional, escribir y reflexionar, no cuesta nada. Y de momento ya tienen más de trescientos cincuenta usuarios y más de un millar de sesiones registradas.

Mateo Ruiz: Que es todavía una base pequeña, y conviene decirlo tal cual: trescientos cincuenta usuarios no es un veredicto, es un inicio. Pero lo interesante es lo que los dos productos juntos señalan: la IA conversacional ya no busca solo utilidad, busca compañía. Practicar un idioma con un personaje simpático, o desahogarte con una app que te hace preguntas más profundas, son la misma necesidad por dos caminos.

Clara Vega: Y el pendiente aquí es grande, y hay que nombrarlo: qué pasa con el bienestar a largo plazo. Que una app te ayude a reflexionar en un momento dado es una cosa; que se convierta en tu principal espacio de conversación emocional es otra muy distinta. No hay datos todavía sobre eso, y es una pregunta abierta honesta.

Mateo Ruiz: Bueno, de la conversación emocional pasemos a la creación. Porque la IA también está cambiando cómo hacemos cosas, concretamente imagen y video. Y aquí hay dos modelos que marcan pauta. El primero es MiniMax H3-Image, que es un modelo de pesos abiertos, o sea, puedes descargarlo y correrlo tú.

Clara Vega: Y las cifras son llamativas: genera imágenes nativas de dieciséis megapíxeles en solo seis pasos de difusión. Seis pasos, cuando lo habitual eran decenas. Y una imagen en cuatro K en menos de diez segundos. Eso, en un modelo abierto, cambia el cálculo: si corres local, necesitas unos sesenta y nueve gigas de espacio, que es lo razonable para un modelo de este nivel.

Mateo Ruiz: Y soporta hasta dieciséis imágenes de referencia, o sea, puedes alimentarle un montón de ejemplos para guiar el resultado. Ahora bien, sesenta y nueve gigas en local significa que necesitas hardware serio, eso es una limitación real si no tienes una máquina potente.

Clara Vega: El segundo es Seedream 5.5, de ByteDance, y aquí el enfoque es otro: la edición iterativa. Permite hasta cien rondas de edición local, y lo crítico es que en cada ronda conserva píxel a píxel las zonas que no has modificado. Es decir, puedes ir retocando una imagen durante cien pasadas sin que el resto de la imagen se degrade o se reinvente.

Mateo Ruiz: Eso es nuevo, sí. Y además tiene fondo transparente nativo, o sea, genera directamente con transparencia sin recortes, y ha mejorado el renderizado de texto dentro de las imágenes, que históricamente era el punto débil de todos estos modelos.

Clara Vega: Así que si juntas las dos cosas: generación muy rápida y abierta por un lado, edición iterativa con control fino por el otro. La conclusión es que la edición iterativa y el control fino se están volviendo el estándar, no el extra premium. Ya no es "genera algo y a ver qué sale", es "construye la imagen que quiero, pieza por pieza".

Mateo Ruiz: Y lo que queda por ver, y es importante, es el flujo profesional completo. Generar una imagen bonita es una demo; integrarlo en un flujo de trabajo con versiones, aprobaciones, entregas a cliente, eso todavía no lo hemos visto resuelto.

Clara Vega: Y hay un par de lanzamientos que van por la misma línea de crear y controlar. Shot.video convierte tu móvil en un set multi-cámara con solo escanear un código QR, sin instalar ninguna aplicación. Sincroniza la grabación de varios teléfonos y la IA te monta un primer montaje. Y puedes cambiar de cámara según hacia dónde mira la persona, y luego retocarlo.

Mateo Ruiz: Y nizima ACTION!! es el editor de video oficial de Live2D en el navegador, en beta gratuita. Acepta importar archivos PSD con capas, escenas anidadas, animación con fotogramas clave. O sea, lleva el estilo de animación de personajes de Live2D a un flujo de edición de video.

Clara Vega: Y para cerrar este bloque, algo que se sale del guion pero que nos encanta mencionar: Mister Blocks. Le mandas una foto de piezas de LEGO sueltas, y una IA basada en Claude te devuelve un plan de construcción que puedes seguir, con instrucciones paso a paso en tres D. Y es gratis. Es un ejemplo pequeño, pero dice mucho: la IA aplicada a un problema físico, concreto, cotidiano.

Mateo Ruiz: Y justo ese salto del píxel al escritorio, a tus cosas y tus datos, es el siguiente tema. Porque si la IA va a actuar por ti, tiene que hacerlo en un entorno de confianza. Y ahí tenemos tres lanzamientos que apuntan al mismo hilo: Nod, Skillbox y Subscriptrack.

Clara Vega: Empecemos por Nod, que es de n8n, la plataforma de automatización. Es un agente personal de código abierto que trae su propia máquina virtual y su propio navegador. O sea, tiene su espacio aislado para trabajar. Y el detalle que más me gusta: pide permiso antes de actuar. No hace nada en tu sistema sin que tú lo autorices.

Mateo Ruiz: Y en sus pruebas, completó el noventa y ocho por ciento de las tareas de test. Ojo: son pruebas del propio equipo, hay que tomarlo como una afirmación, no como un resultado verificado. Pero siquiera publicar la cifra y ser Apache dos punto cero, completamente gratis, es una declaración de intenciones.

Clara Vega: Luego está Skillbox, que resuelve un problema muy concreto de quienes usan varios asistentes de código: unifica las habilidades de IA entre Claude Code, Cursor y Codex. Una sola biblioteca que se sincroniza entre las tres herramientas, para no repetir configuración en cada una. Y por seguridad, escanea cada versión buscando inyección de prompts, o sea, intentos de colarse instrucciones maliciosas dentro de las habilidades.

Mateo Ruiz: Que es algo que casi nadie está mirando, y es importante, porque si tu agente ejecuta habilidades escritas por otros, la inyección de prompts es un vector real de ataque. Y además tiene una función llamada Trim que comprime la salida de los comandos para ahorrar contexto.

Clara Vega: Y el tercero es Subscriptrack, que ataca un dolor universal: las suscripciones. Conectas tu correo, la IA busca todas tus suscripciones, y te da una lista con el total mensual, avisos de renovaciones y de pruebas que están a punto de cobrarte, y pasos de cancelación para doscientos trece servicios distintos.

Mateo Ruiz: Doscientos trece servicios. Y un detalle clave de confianza: no pide acceso a tu banco. Solo el correo. O sea, todo se deduce de los recibos que ya te llegan al email.

Clara Vega: Así que el hilo común de los tres es la confianza, pero materializada de tres maneras: permiso antes de actuar, en Nod; escaneo de seguridad, en Skillbox; y control de tus datos sin dar llaves maestras, en Subscriptrack. Tres formas de decir lo mismo: la IA puede actuar, pero tú mandas.

Mateo Ruiz: Y en el escritorio mismo también está pasando esto, pero desde el lado de las utilidades. Concretamente en Mac, hay una ola de herramientas que piensan el escritorio como un lienzo. Vamos con tres.

Clara Vega: La primera es StableBar, un menú de barra de macOS de código abierto, escrito en Swift. Lo interesante es que lo puedes configurar tanto con una ventana de ajustes como directamente con un archivo JSON, para los que prefieren editar texto. Y soporta los espacios de trabajo de AeroSpace y de yabai, que son los gestores de ventanas de los usuarios avanzados, y viene con siete temas.

Mateo Ruiz: La segunda es Binqo, y esta es la más simpática. Vive en el notch del Mac, esa muesca de la pantalla, y ahí habita un personaje de puntos llamado Mielo. Y desde ese rinconcito te da música, calendario, portapapeles, preguntas por voz y notas de reunión, todo en forma de miniaplicaciones. Y es gratis.

Clara Vega: Y la tercera es Padrail, que transforma los cuatro bordes del trackpad en deslizadores. El borde derecho controla el volumen, el izquierdo el brillo, el de abajo la luz del teclado, y el de arriba se adapta según la aplicación que estés usando. Es gratis también.

Mateo Ruiz: Fíjate que ninguno de los tres es "inteligencia artificial" en mayúsculas, pero todos apuntan a lo mismo: más capas de control sin abrir aplicaciones. El escritorio como superficie continua de gestos, en vez de una pila de ventanas. Y aunque Binqo tiene un componente de asistente por voz, el patrón de fondo es el mismo que vimos con Nod y Skillbox: la computación se integra en el entorno, en los gestos, en los huecos pequeños.

Clara Vega: Bueno, y de las utilidades del escritorio pasemos a otra cosa que también está en el escritorio de todo el mundo: el trabajo de oficina. Y aquí hay dos productos que comparten un patrón muy interesante, y me parece un buen cierre del arco, porque aplica todo lo anterior al día a día laboral.

Mateo Ruiz: El primero es Relay. Imagina que envías un documento a alguien. Relay adjunta contexto a ese documento para la inteligencia artificial de la otra persona. Y lo elegante es el bucle de retorno: las preguntas del documento que requieren una decisión humana, como un descuento o una fecha, te regresan a ti para que tú decidas.

Clara Vega: O sea, no es "el documento va con un bot que responde lo que sea". Es "el documento lleva contexto, y las cosas que no puede decidir una máquina te vuelven a ti". Y el esquema, el schema, es de código abierto, así que otros pueden adoptarlo.

Mateo Ruiz: Y el segundo es Stiro, que opera dentro de las aplicaciones SaaS, el software de empresa. Lo que hace es acompañar al usuario dentro del producto real, no un tutorial en video aparte: la IA va contigo mientras haces la operación de verdad. Y aquí está el patrón: las acciones sensibles, enviar, gastar dinero, borrar, se le devuelven al humano para confirmar.

Clara Vega: Y el patrón compartido de los dos es clarísimo, y es el mismo que vimos con Nod: la IA guía, pero el usuario confirma. No es casualidad; es que ya se está convirtiendo en la forma estándar de diseñar esto. La automatización sin frenos asusta, y la solución no es frenar la IA, es poner puertas de humano en los momentos que importan.

Mateo Ruiz: Sí, y es un buen lugar para aterrizar el episodio, porque al final todo lo que hemos visto, las llamadas, la voz, la compañía, la imagen, el escritorio, confluye en eso: dónde está el límite entre lo que la IA decide y lo que decides tú.

Clara Vega: Pero antes de cerrar, quedan dos lanzamientos que reordenan la información de internet desde arriba, por decirlo así. Uno se pregunta qué se dice en internet, y el otro se pregunta qué es falso.

Mateo Ruiz: Empecemos por Reddit, que ha lanzado Reddit Reviews: páginas de reseñas construidas con las discusiones reales de sus comunidades. De momento cubre unos diez mil productos en Estados Unidos, en cuatro categorías, con planes de expansión hasta 2027.

Clara Vega: La idea tiene mucho sentido: en vez de páginas de reseñas comerciales, la experiencia cruda y desconfiada de la gente que realmente usa el producto. Pero ojo, hay un conflicto de interés que hay que nombrar: Reddit es a la vez el juez y parte. Es la plataforma que recoge las opiniones y también la que las empaqueta y las presenta. Y lo mismo pasa con cualquier plataforma que se autoevalúe.

Mateo Ruiz: Y el otro es ScroogeFrog AI, que ataca el fraude de clics en publicidad. Entrena modelos con datos de conversión, no solo con patrones de tráfico, para detectar clics fraudulentos en Google Ads, audita el tráfico del sitio web y devuelve recomendaciones accionables, o sea, cosas que puedes hacer, no solo un informe.

Clara Vega: Lo interesante es la diferencia de enfoque: usar datos de conversión significa que puede distinguir entre un clic que no hizo nada y un clic que venía de un bot. Porque el fraude de clics le cuesta dinero real a quien anuncia, y la mayoría de la gente no tiene herramientas para verlo.

Mateo Ruiz: Así que los dos, Reddit Reviews y ScroogeFrog, están en el mismo negocio de fondo: reordenar la información de internet, decidir qué se dice y qué es confiable. Y en los dos queda abierta la misma pregunta: quién vigila al que ordena.

Clara Vega: Y con eso cerramos. Hemos recorrido la IA en el teléfono con Mitra y CALL-E, la voz con Scribe v3 y Earlybird, la compañía con Kippy y Xolace, la creación con MiniMax, Seedream, Shot.video, nizima y Mister Blocks, la confianza en tus datos con Nod, Skillbox y Subscriptrack, el escritorio con StableBar, Binqo y Padrail, el trabajo con Relay y Stiro, y las plataformas con Reddit y ScroogeFrog.

Mateo Ruiz: Un montón de lanzamientos, sí, pero con una sola idea de fondo: la IA saliendo de la caja y entrando en tu teléfono, tu escritorio y tus decisiones. Con muchas preguntas abiertas, ojo, especialmente en privacidad y bienestar a largo plazo.

Clara Vega: Nos vemos en el próximo episodio. ¡Hasta luego!

Mateo Ruiz: ¡Hasta la próxima!