Primero la transcripción, porque es la entrada
El resumen nunca será mejor que lo que la máquina oyó. Y aquí el abismo entre la cifra de marketing y la realidad es grande.
El «98 % de exactitud» se refiere a una grabación limpia: una persona hablando, micrófono cercano, silencio. En una sala de reuniones real la cosa cambia. En un reto independiente ejecutado sobre 315 reuniones reales se midió esto:
| Forma de grabar | Línea base | Mejor sistema |
|---|---|---|
| Un dispositivo sobre la mesa | 41,4 % de tasa de error por palabra | 22,2 % |
| Array de micrófonos en la sala | 28,3 % | 10,8 % |
O sea que con un solo portátil en el centro de la mesa hasta el mejor sistema de laboratorio falla una de cada cuatro o cinco palabras. Con un array de micrófonos la misma tarea baja a la mitad.
La lección para la receta: la sala y el micrófono pesan más que la herramienta que elijas.
Fuera del inglés el punto de partida es peor. El sistema más reciente ajustado específicamente al húngaro alcanzó una tasa de error por palabra del 14,18 % en habla espontánea: falla una de cada siete palabras. Y no es una sala ruidosa, sino una grabación con calidad de laboratorio: en una reunión real en un idioma así, con gente hablando encima, solo puede ser peor.
Hay un tipo de fallo aparte, que casi nunca se menciona: en un estudio de los modelos de transcripción más usados, alrededor del 1 % de las transcripciones contenía una frase completamente inventada, no un error de oído, sino texto puesto ahí. Más de un tercio de eso era contenido capaz de causar daño: datos personales inventados, formulaciones violentas o una referencia falsa. Lo más probable es que aparezca en una pausa del habla.
El resumen: en qué falla y en qué no
La medición reciente más detallada se ejecutó sobre 114 reuniones reales de tres tipos distintos (pleno municipal, material de empresa confidencial, rueda de prensa), con 680 pasadas de evaluación. Se midieron tres cosas:
| Qué mide | Qué salió |
|---|---|
| Precisión — si las afirmaciones del resumen están respaldadas | 0,553–0,583 |
| Cobertura — cuántos de los elementos de referencia entraron | 0,804–0,942 |
| Detalle — cuánto se desarrolló lo que sí entró | 0,814–0,886 |
De ahí conviene leer dos cosas.
La primera: la precisión y la exhaustividad se mueven en sentidos opuestos. El modelo con mejor cobertura fue el menos preciso. Quien más escribe, más acierta, y más se inventa. No hay ninguna configuración en la que las dos vayan bien a la vez.
La segunda, que importa más: no miente, añade. La estructura de los fallos lo delata. Hubo 5.619 afirmaciones sin respaldo y 3.224 hechos inventados, pero solo 114 afirmaciones que contradecían abiertamente la grabación. El resumen casi nunca contradice lo que se dijo. Afirma algo que no se dijo: una cifra concreta, un nombre, un responsable, una fecha.
Este es el tipo de error más peligroso, porque al leerlo tiene exactamente el mismo aspecto que las demás líneas.
Una contradicción que conviene decir en voz alta. Otro grupo de investigación, trabajando con datos de reuniones reales, encontró que «los errores de hecho son raros en la vida real». Los dos resultados no se excluyen: «sin respaldo» no es lo mismo que «falso». Y las dos mediciones las hicieron evaluadores automáticos cuya propia fiabilidad es discutible: esa misma investigación midió una correlación de 0,11 entre la puntuación automática y la humana sobre esos datos de reuniones reales. El orden de magnitud de estas cifras sirve; el segundo decimal, no.
Para lo que no hay medición aparte: no encontré ninguna cifra independiente y propia sobre la exactitud al extraer decisiones, responsables y fechas. Los valores de cobertura dan una aproximación, pero quien te diga «acierta el 97 % de las tareas» no está citando una medición.
Idioma: qué funciona y qué no prometen
Esta diferencia sorprende a mucha gente, y conviene conocerla antes de montar un proceso encima.
La calidad del reconocimiento automático del habla cambia muchísimo según el idioma, y el motivo de la brecha no es ningún secreto: la cantidad de datos de entrenamiento. En el conjunto de entrenamiento de una familia de modelos muy citada hay 11.100 horas de audio en español y 379 horas en húngaro, una diferencia de unas veintinueve veces. El mismo modelo, la misma prueba, tasa de error por palabra en porcentaje:
| Prueba | Inglés | Español | Húngaro |
|---|---|---|---|
| Habla leída | 4,2 | 3,0 | 17,0 |
| Grabaciones colaborativas | 9,4 | 5,6 | 19,7 |
Es decir, el español está entre los idiomas bien abastecidos —en la prueba de habla leída incluso supera al inglés— y el húngaro cae en la franja con pocos datos. No es mala fe del fabricante, es aritmética. El soporte de las herramientas sigue más o menos esa forma; despliega el que te afecte:
Hungría — la transcripción va, las notas automáticas van a medias
La transcripción en vivo funciona en húngaro en la suite ofimática más grande, y el húngaro ha entrado en la lista de idiomas soportados del resumen inteligente: está en la lista oficial del fabricante. Hace falta licencia premium o de asistente, y una reunión de al menos cinco minutos.
El tomador de notas automático de la otra gran suite, en cambio, soporta ocho idiomas y el húngaro no está entre ellos. Esa misma función maneja un idioma cada vez, así que la reunión en idiomas mezclados allí no está resuelta.
Lo que conviene llevarse: el resumen automático en húngaro ya está soportado oficialmente en una suite y sigue sin existir en la otra. Si un informe semanal depende de eso, eso decide con qué herramienta trabajar, y por las tasas de error de arriba conviene repasar la transcripción en cualquier caso.
España — las dos grandes lo soportan, pero no el idioma mezclado
En español, las dos grandes suites ofimáticas soportan el resumen automático: en una dentro de los idiomas del resumen inteligente, en la otra como uno de los ocho idiomas soportados.
El límite está en otro sitio. El tomador de notas maneja un idioma cada vez: si la reunión empieza en español y pasa al inglés —rutina en un equipo internacional—, la función oficialmente no lo soporta.
Y las medidas son mejores, pero son de laboratorio. En una sala de reuniones real, con un único micrófono de mesa, hasta el mejor sistema se equivoca en más del 20% de las palabras, sea cual sea el idioma. La ventaja lingüística no cancela la acústica de la sala.
La receta
Cinco pasos. El tercero es la clave.
1. LA GRABACIÓN
Un array de micrófonos o, al menos, un micro cercano.
Esto ayuda más que cualquier elección de herramienta.
2. AVISO AL EMPEZAR LA REUNIÓN
Grabamos, esta es la herramienta, ahí va el audio.
Si alguien no quiere, este es el momento de decirlo.
3. PIDE TRES LISTAS, NO UN RESUMEN
Decisión / responsable / fecha límite. Por separado.
Lo que no puedas clasificar es una pregunta abierta.
4. PÍDELO CON LA CITA
Junto a cada decisión, la frase que se dijo.
Lo que no tenga cita es invención: se borra.
5. UNA PERSONA LO REVISA ANTES DE ENVIARLO
Cinco minutos. Mira responsables y fechas,
no la redacción.
Y un prompt copiable para el tercer paso:
Esto es la transcripción de una reunión. Escribe
tres listas y, al final, una cuarta. Nada más:
DECISIONES — qué se decidió. Junto a cada decisión pon
literalmente la frase de la transcripción de la que
se deduce.
RESPONSABLES Y TAREAS — quién asumió qué. Si no dijeron
el nombre, escribe: "no se menciona".
FECHAS LÍMITE — qué para cuándo. Si no se dijo fecha,
escribe: "no se dijo".
Deja fuera lo que no puedas respaldar con una cita. No
completes ni interpretes. Al final escribe una lista de
PREGUNTAS ABIERTAS con lo que se planteó
pero no se cerró.
Pedir la cita es la única defensa barata contra el tipo de fallo de arriba: si el resumen añade un detalle que no está en la grabación, no puede adjuntarle una cita. Y escribir «no se menciona» y «no se dijo» evita que el modelo rellene el hueco con una suposición verosímil.
Qué decir al empezar la reunión
El tratamiento jurídico de la grabación de audio cambia de un Estado miembro a otro, y el centro de gravedad ni siquiera está en el mismo sitio: en unos países la pregunta es la grabación en sí, y en otros la grabación está bien y lo que no lo está es difundirla. Despliega el que te afecte:
Hungría — grabar exige consentimiento
En Hungría, grabar audio y usarlo exige el consentimiento de las personas afectadas: viene de la norma de derechos de la personalidad del Código Civil.
Además, la grabación es también un tratamiento de datos: en diciembre de 2024 la autoridad húngara de protección de datos publicó un comunicado específico advirtiendo sobre la práctica creciente de las grabaciones encubiertas. Las dos normas corren en paralelo: que una grabación sea defendible en términos civiles no impide que el tratamiento sea ilícito.
España — grabar está bien, el riesgo es difundir
El punto de partida español es el inverso. Según una sentencia del Tribunal Constitucional de 1984, confirmada después, quien participa en una conversación puede grabarla: «no hay secreto para aquél a quien la comunicación se dirige». En 2023 el Tribunal Supremo añadió que basta con que uno de los interlocutores consienta la grabación por un tercero.
El derecho penal, en cambio, atrapa la difusión: el artículo 197.7 del Código Penal castiga a quien difunde sin autorización una grabación obtenida con la anuencia de la persona afectada, cuando la divulgación menoscaba gravemente su intimidad. El apartado 3 prevé una pena más dura para difundir material obtenido ilícitamente.
En el trabajo hay además una regla propia: según el artículo 89.3 de la LOPDGDD, la grabación de sonidos en el lugar de trabajo solo se admite cuando resulten relevantes los riesgos para la seguridad derivados de la actividad, y siempre con proporcionalidad e intervención mínima. Un acta de reunión corriente no cumple esa condición: necesita otra base jurídica.
Y hay multas concretas: en un caso de 2024 la Agencia no aceptó como consentimiento válido el mensaje automático de la plataforma («al unirse, da su consentimiento para que se grabe») y sancionó por la falta de información. En un caso de 2026 sancionó a otra empresa por reenviar a terceros ajenos, en lugar del acta, una grabación consentida.
En 2026 la Agencia publicó una guía en dos partes específicamente sobre transcripción de voz con IA. Dos frases de ahí sirven en cualquier sitio: la información tiene que llegar a los participantes antes del inicio de la sesión, y el consentimiento dado para una sesión caduca al terminarla: no se extiende a la siguiente.
Y hay una tercera pregunta que en la mayoría de sitios no se hace: ¿adónde va el audio? En una demanda colectiva estadounidense presentada en 2025, el tribunal admitió en parte, en agosto de 2026, la afirmación de que el servicio de toma de notas no era solo el dispositivo de grabación de quien convocaba la reunión, sino que usaba también las conversaciones con fines comerciales propios, incluido el entrenamiento de modelos. El caso no está cerrado, pero la lección ya sirve: no basta con que quienes participan hayan consentido la grabación. También tienen que saber a quién llega y para qué se usa.
Una frase al empezar la reunión lo resuelve:
«Lo grabamos y lo transcribe una máquina. La grabación va a esta herramienta y la guardamos este tiempo. Si a alguien no le parece bien, que lo diga ahora.»
Malentendidos típicos
- «La exactitud es del 98 %, lo dice el fabricante.» Es cierto para una grabación limpia. En una sala real, con un micrófono sobre la mesa, hasta el mejor sistema medido falla en torno al 22 %, y fuera de los idiomas grandes ya falla un 14 % en grabación de laboratorio.
- «Si falla me daré cuenta, porque será un disparate.» La inmensa mayoría de los fallos medidos no son contradicciones, sino añadidos: detalle verosímil, concreto e imposible de comprobar. Justo eso es lo que no llama la atención.
- «Lo leerán si es bien largo.» Al revés. Lo que no es decisión, responsable o fecha no se lee; como mucho se busca dentro.
- «En mi idioma funciona igual.» La transcripción en vivo sí. El resumen automático está soportado oficialmente en una lista de idiomas mucho más larga en una de las dos grandes suites que en la otra: mira en cuál estás.
- «Basta con avisar de que grabo.» Además del consentimiento, cuenta adónde va el audio y para qué se usa, que es justo lo que están hurgando los pleitos en curso.
Lo que conviene llevarse
En las actas, la máquina te quita de encima el teclear, no el redactar. Y el juicio tampoco: qué cuenta como decisión lo sigue diciendo una persona.
Por eso funcionan las tres listas con cita: le encargas a la máquina aquello en lo que es buena —recoger y ordenar— y excluyes por construcción aquello en lo que es medible que es mala, que es añadir. Los cinco minutos de revisión humana no son un lujo: son lo que mantiene el sistema en pie.
Dónde se puede ganar tiempo en una jornada de oficina, y por qué el tiempo de reuniones no baja con la IA, lo cuenta con mediciones el post el ahorro real de tiempo , tipo por tipo; y desde el lado del correo, el post el triaje del correo te da una receta.