El teclado de WeChat convierte una reunión en una página web

El producto de IA más interesante lanzado en China la semana pasada no fue un modelo. Fue un botón en un teclado.

El 27 de octubre, el canal oficial de WeChat anunció que el Método de Entrada de WeChat —el teclado con el que ya escriben muchísimos usuarios de móvil en China— incluye ahora una «grabadora de voz con IA». Grabas. Transcribe en tiempo real. Y luego, en lugar de entregarte un muro de texto, te entrega una página web estructurada: erratas corregidas, muletillas eliminadas, la lógica de la conversación reorganizada, los puntos clave extraídos.

Y después viene la parte que me hizo enderezarme en la silla. Según el anuncio, puede emparejar gráficos, diagramas y prototipos interactivos con lo que se dijo.

Por qué el teclado es la parte interesante

Todas las empresas de productividad del planeta han lanzado un grabador de reuniones. Casi todas te obligan a instalar algo, conceder permisos, elegir un espacio de trabajo y acordarte de pulsar grabar. La adopción se queda en un dígito porque la fricción está justo en el momento en que tienes menos atención disponible.

La versión de WeChat no tiene ningún problema de adopción que resolver. El teclado ya está instalado, ya tiene acceso al micrófono y ya es la superficie donde cien millones de personas empiezan a escribir. Los puntos de entrada lo reflejan: en móvil se abre desde la barra del teclado o desde la app del método de entrada. En escritorio hay un atajo, además de la barra de menús en Mac y la barra de herramientas en Windows.

Es una ventaja de distribución que ninguna startup puede comprar, y es la razón por la que esto merece un artículo. La función no es novedosa. El sitio donde está, sí.

Qué implica de verdad una «página web estructurada»

La transcripción es un problema más o menos resuelto. Convertir el habla en algo que leerías por voluntad propia, no.

Quien haya pasado una reunión por un modelo ASR conoce la salida: palabras exactas, ninguna forma. La gente se repite, se queda a medias, dice «bueno, pues, en fin» catorce veces y entierra la decisión en mitad de una digresión sobre aparcamiento. La limpieza es donde está el valor, y es donde casi todas las herramientas se rinden en silencio y te entregan la transcripción con un resumen grapado arriba.

Los comportamientos anunciados —corregir erratas, filtrar muletillas sin sentido, organizar la lógica y los puntos destacados usando el contexto— describen un proceso que trata la grabación como materia prima y no como entregable. La salida es una página, lo que significa que tiene secciones, jerarquía y probablemente un titular que no dijiste en voz alta.

Los métodos de entrada chinos tienen aquí una ventaja fácil de subestimar. Escribir en pinyin implica que el teclado ya ejecuta un modelo de lenguaje sobre todo lo que tecleas, todo el día, corrigiendo y prediciendo. Aplicar esa misma clase de modelo al habla es un salto más corto que para un fabricante occidental de teclados, porque la capa de corrección ya es infraestructura crítica y no un extra.

La promesa de los diagramas merece escrutinio

Emparejar gráficos, ilustraciones y prototipos interactivos con una grabación es una afirmación grande en una frase pequeña, y se divide en dos capacidades muy distintas.

La versión modesta: hablas de un proceso de tres pasos y la herramienta dibuja un diagrama de tres pasos porque oyó «primero, luego, por último». Eso es selección de plantilla, es genuinamente útil y está al alcance.

La versión ambiciosa: describes el flujo de un producto y la herramienta produce un prototipo interactivo que puedes clicar. Eso exige que el modelo infiera estados, transiciones y disposición a partir de habla no estructurada, y que acierte lo suficiente para que el usuario no lo borre de inmediato.

Mi apuesta, y es una apuesta, es que la versión que sale se parece más a la primera. No es una crítica. Un diagrama generado que está más o menos bien es un buen primer borrador; un prototipo generado que está más o menos bien es una sesión de depuración.

La pregunta de privacidad que nadie hace en voz alta en China

Un teclado lo ve todo. Contraseñas, mensajes del banco, discusiones familiares, la búsqueda que escribiste y luego borraste. Añadir una grabadora a esa superficie hace que la relación de confianza sea más densa, no más simple.

El anuncio no entra en el tratamiento de datos, lo cual es normal en una nota de producto y no tranquiliza nada en una decisión de producto. Las suposiciones razonables son que la transcripción corre en el dispositivo o en la nube propia de WeChat, que la página resultante se guarda en el ecosistema WeChat y que la retención se rige por los mismos términos que todo lo demás en ese ecosistema.

Para un usuario individual en China ese intercambio es familiar y en general aceptable. Para una empresa, «nuestras notas de reunión viven en WeChat» es una conversación de cumplimiento normativo, no de productividad. La función se extenderá por uso personal y quedará bloqueada en las empresas, que es la ruta habitual de la IA de consumo en ese mercado.

Cómo queda frente a un grabador dedicado

Sobre el papel ganan las apps especializadas: mejor separación de voces, sesiones más largas, integración con calendarios y CRM, exportación en condiciones. En la práctica, casi todas pierden en la única métrica que importa al principio de una reunión, que es si te acordaste de abrirlas.

El intercambio es que tienes menos control. Un grabador dedicado te deja elegir adónde va el audio. Un teclado no, y el anuncio no lo dice. Para una nota personal es un buen trato. Para una llamada con un cliente bajo NDA no es un trato que puedas cerrar por tu cuenta.

Así que el reparto realista es: el teclado para lo que de otro modo habrías apuntado mal, la app especializada para lo que acaba en un contrato. Los dos existirán, y el teclado moverá mucho más volumen.

La lectura estratégica

WeChat lleva una década recibiendo críticas por no lanzar funciones de IA con suficiente rapidez. Esto es el movimiento contrario: en vez de construir un chatbot, mete modelos pequeños en las superficies que la gente ya toca cien veces al día. Un teclado. Un mensaje de voz. Un archivo.

Es una estrategia más difícil de demostrar y mucho mejor de distribuir. Un chatbot necesita que te apetezca charlar. Una grabadora dentro del teclado está ahí cuando ibas a escribir de todas formas.

También explica el formato de salida. Una página estructurada se comparte dentro de WeChat. Una transcripción es un archivo que exportas y olvidas. Al hacer el artefacto nativo del ecosistema, la función crea contenido que circula en el sitio que WeChat ya domina.

Qué hay que vigilar

Si la página estructurada sobrevive a la edición. Si puedes corregir una frase y la maquetación aguanta, es una herramienta de documentos. Si editar rompe la estructura, es una captura de pantalla.

Si los diagramas son editables como objetos o llegan como imágenes planas. Lo primero es un flujo de trabajo. Lo segundo es decoración.

Y si la grabadora tendrá API. Si la tiene, los productos interesantes no serán apps de notas: serán herramientas que convierten una conversación en un entregable sin que nadie abra un portátil.

La función en sí se copiará en un trimestre. Baidu, iFlytek y Alibaba tienen todas las piezas. Lo que no se copiará rápido es la colocación, porque nadie más es dueño del teclado con el que escribe medio país.

Esa es la lección que merece llevarse de este lanzamiento, y no tiene nada que ver con la calidad del modelo. El mejor canal de distribución para una función de IA es lo que tus usuarios ya tienen en las manos.