La próxima generación de asistentes de notas con IA: el audio de OpenAI y el rumbo de Telli.sh

Los asistentes de notas con IA están cambiando rápidamente.

La primera generación se centraba sobre todo en capturar: grabar una reunión, convertir el audio en texto y ofrecer una transcripción que se pudiera buscar más adelante. Era útil, pero nunca cubría todo el trabajo. Las reuniones no valen por las palabras que producen. Su valor está en las decisiones, los compromisos, el contexto y el impulso que generan.

La siguiente generación se medirá con un criterio más exigente: hasta qué punto conserva el significado y ayuda a los equipos a pasar de la conversación a la acción.

Ese es el rumbo que estamos construyendo con Telli.sh.

El mercado ya no se limita a transcribir

La tendencia más clara en los productos de reuniones con IA es que la transcripción se está convirtiendo en el punto de partida, no en el destino.

Microsoft Teams ya integra en la experiencia posterior a la reunión recapitulaciones, notas generadas con IA, tareas de seguimiento, vistas por hablante y capítulos. La función de toma de notas con Gemini de Google Meet puede crear notas en Google Docs y ayudar a quienes llegan tarde a ponerse al día con un resumen de lo ocurrido. Zoom AI Companion incorpora resúmenes, preguntas durante la reunión, grabaciones inteligentes, capítulos, momentos destacados y próximos pasos en Zoom Workplace. Notion AI Meeting Notes convierte el audio de reuniones en transcripciones, puntos clave y tareas dentro del espacio de trabajo donde los equipos ya escriben y planifican.

El patrón es claro: la gente no quiere solo una transcripción. Quiere un registro preciso, un resumen útil, próximos pasos definidos y una forma fiable de compartir el resultado.

Esto eleva el listón para los asistentes de notas con IA. La calidad del reconocimiento de voz sigue siendo fundamental, pero el verdadero producto es la estructura construida sobre la transcripción.

El contexto en tiempo real cobra importancia

La IA para reuniones también empieza a intervenir antes en el flujo de trabajo.

En vez de esperar a que termine la reunión, cada vez más productos ayudan durante la conversación. Google Meet puede ofrecer un resumen actualizado. Zoom AI Companion puede responder preguntas sobre lo sucedido hasta ese momento. La Realtime API de OpenAI apunta en la misma dirección: las aplicaciones pueden procesar el audio mientras transcurre la conversación, no solo después de subir un archivo.

Esto importa porque el mejor registro de una reunión no es un mero resultado posterior. Se va formando con los turnos de palabra, las interrupciones, los cambios de tema, las decisiones y las preguntas pendientes.

Con el tiempo, esperamos que los asistentes de notas se parezcan menos a grabadoras pasivas y más a una infraestructura de reuniones consciente del contexto.

Los últimos modelos de audio de OpenAI elevan el nivel mínimo

Los nuevos modelos de audio de OpenAI son especialmente relevantes para este cambio.

En marzo de 2025, OpenAI presentó gpt-4o-transcribe, gpt-4o-mini-transcribe y gpt-4o-mini-tts. Lo importante no es solo que haya nuevos nombres de modelos. El reconocimiento de voz gana precisión y robustez con distintos acentos, entornos ruidosos y velocidades de habla.

Para un asistente de notas, eso es fundamental. Un resumen de reunión solo puede ser tan fiable como la transcripción que lo sustenta. Si los nombres, las decisiones, las cifras, los términos técnicos o los turnos de los hablantes son incorrectos, el resumen heredará esos errores.

La documentación de voz a texto de OpenAI también distingue entre transcribir grabaciones terminadas y transcribir audio en curso mediante la Realtime API. Esa separación encaja con los dos modos esenciales de los productos de reuniones: grabaciones subidas y reuniones en directo.

Otra señal importante es gpt-4o-transcribe-diarize, un modelo de transcripción con diarización de hablantes integrada. Saber quién dijo qué no es un detalle menor en las notas de una reunión. «Deberíamos publicarlo la semana que viene» significa algo distinto según lo diga un cliente, una persona fundadora, un ingeniero o alguien del equipo de soporte. Cuanto más fiable sea la atribución de cada intervención, más útil será la inteligencia de reuniones.

También merece la pena observar la dirección de la Realtime API y gpt-realtime. La IA de voz avanza hacia sistemas multimodales con menor latencia y capacidad para usar herramientas. Telli.sh no tiene que convertirse de la noche a la mañana en un agente de voz, pero la trayectoria a largo plazo es clara: cada vez más productos de audio conectarán voz, contexto, herramientas y flujos de trabajo en una experiencia continua.

Por qué importan las reuniones multilingües

La mayoría del software para reuniones todavía presupone un entorno lingüístico relativamente sencillo. Los equipos reales no funcionan así.

En una reunión global puede haber una conversación en coreano, diapositivas en inglés, nombres de clientes japoneses, seguimientos en español y términos técnicos que no deberían traducirse. Un buen asistente de notas con IA debe manejar esa complejidad sin obligar a nadie a hablar de una forma cómoda para el software.

Esta es una de las convicciones fundamentales de Telli.sh: la compatibilidad multilingüe no es un complemento. Forma parte de los cimientos del producto.

El objetivo no es traducir palabras sin más. Es ayudar a que todas las personas participen en igualdad de condiciones, aunque la reunión avance rápido y se mezclen idiomas.

Hacia dónde va Telli.sh

Telli.sh se está construyendo en torno a una promesa sencilla:

Habla con libertad. Telli.sh organiza lo demás.

No queremos crear un generador de archivos de transcripción. Estamos creando una capa de inteligencia de reuniones para equipos que necesitan convertir conversaciones en registros fiables, resúmenes útiles y próximos pasos claros.

Multilingüe desde el principio

Muchos asistentes empiezan con flujos de trabajo centrados en inglés y añaden otros idiomas más adelante. Telli.sh parte de otra premisa: los equipos son globales, los acentos varían y en las reuniones reales se mezclan idiomas.

Queremos que Telli.sh funcione bien para quienes los productos centrados en inglés suelen tratar como casos excepcionales.

La fuente y el resumen, juntos

Los resúmenes de IA son útiles, pero no deberían convertirse en cajas negras. La gente debe poder volver desde un resumen a la conversación original y entender de dónde salió cada conclusión.

Por eso concebimos las transcripciones, los turnos de los hablantes, las traducciones, las notas revisadas y los resúmenes como capas conectadas de un mismo registro, no como resultados separados.

Resultados adaptados al tipo de reunión

Una reunión diaria, una entrevista con un cliente, una llamada de ventas, una sesión de investigación y una reunión de estrategia interna no deberían generar todas el mismo formato de notas.

Cada reunión requiere resultados distintos. Una llamada con un cliente necesita problemas y seguimientos. Una reunión diaria necesita avances y bloqueos. Una entrevista de investigación necesita citas e ideas. Una reunión directiva necesita decisiones, riesgos y responsables.

Telli.sh avanza hacia formatos de notas más flexibles y sensibles al contexto, ajustados al propósito de cada reunión.

La confianza como función del producto

Los datos de reuniones son sensibles. Una IA mejor no reduce la necesidad de confianza; la aumenta.

La gente debe saber qué se graba, qué se almacena, quién puede acceder, cómo se comparte y cómo se elimina. Para los equipos, esto también implica permisos fiables, facturación segura, despliegues estables y controles operativos que eviten errores de producción prevenibles.

Consideramos la confianza, la privacidad y la fiabilidad operativa parte de la experiencia del producto, no tareas internas.

Situación actual

A fecha del 13 de mayo de 2026, el flujo principal disponible de Telli.sh incluye:

• Iniciar una grabación en directo desde el navegador.
• Subir archivos de audio o vídeo existentes.
• Convertir conversaciones en registros de reunión estructurados.
• Usar flujos multilingües de transcripción, traducción y resumen.
• Conservar segmentos asociados a hablantes cuando es posible.
• Generar resúmenes, tareas y notas revisadas dentro del registro de la reunión.
• Seguir mejorando la fiabilidad en producción en facturación, despliegues, verificación de webhooks y controles de CI.

Queda mucho por mejorar. Queremos que el procesamiento en tiempo real sea más fluido, que las reuniones largas conserven mejor el contexto, que la atribución de hablantes sea más consistente y que los formatos de notas se adapten mejor a cada tipo de reunión.

El producto actual es el flujo de captura y toma de notas descrito arriba; las mejoras de esta sección siguen en curso y no significan que todas las reuniones ya reciban un contexto o una atribución de hablantes perfectos.

Qué viene después

Nuestras prioridades a corto plazo son prácticas.

Primero, seguiremos mejorando la experiencia de las reuniones multilingües en directo. Las reuniones con idiomas mezclados son difíciles y ahí es precisamente donde Telli.sh debe destacar.

Segundo, seguiremos invirtiendo en conservar a los hablantes y el contexto. La inteligencia de reuniones depende de saber no solo qué se dijo, sino quién lo dijo, cuándo y por qué importaba.

Tercero, ampliaremos los formatos de notas específicos para cada reunión. Un único resumen genérico no basta para las distintas formas en que trabajan los equipos.

Cuarto, seguiremos reforzando los cimientos de producción. Es fácil hacer una demostración convincente de un producto de IA y difícil inspirar confianza todos los días. Queremos que los equipos puedan depender de Telli.sh una y otra vez, no que solo impresione una vez.

Una reflexión final

La categoría de asistentes de notas con IA ya no trata de quién transcribe más rápido. La pregunta importante es quién puede convertir una conversación en memoria duradera para el equipo.

La nueva dirección de los modelos de audio de OpenAI acelera ese cambio. Una transcripción más precisa, el procesamiento de audio en tiempo real, la diarización y las interfaces nativas de voz apuntan a un futuro en el que las herramientas de reuniones entiendan la conversación mientras ocurre y ayuden al equipo a actuar justo después.

Ese es el futuro para el que se prepara Telli.sh: reuniones donde las personas hablan con naturalidad, entre idiomas y contextos, mientras el producto convierte discretamente la conversación en algo útil.

Referencias

• OpenAI: presentación de los modelos de audio de nueva generación en la API
• API de OpenAI: voz a texto
• API de OpenAI: transcripción en tiempo real
• OpenAI: presentación de gpt-realtime y novedades de Realtime API
• Microsoft Teams: recapitulación en Microsoft Teams
• Google Meet: toma notas por mí
• Zoom: primeros pasos con las funciones de Zoom AI Companion
• Centro de ayuda de Notion: AI Meeting Notes