Remote Frog

La necesidad surgió mientras ayudaba a los chicos de Corolario AI —más concretamente a Marcos— a preparar una propuesta para una empresa de construcción.

En una obra pasan cosas todo el tiempo: decisiones, incidencias, pequeños descubrimientos que importan pero la mayoría acaban rara vez recogidos de algún modo que sean gestionables y reutilizables. El reto era cómo permitir que los jefes de obra capturen lo que ven, deciden y descubren directamente en un centralized brain de la compañía.

El requisito no funcional era claro: hacerlo de forma ligera. Sin crear otra aplicación, otro formulario ni una nueva capa de proceso que alguien tendría que revisar después. Porque cada paso adicional es también un lugar en el que el conocimiento puede quedarse esperando. Y morir de viejo.

La solución se me reveló mientras pensaba en otra app basada en Obsidian que acababa de afinar: una memoria de trabajo para personas con TDAH a la que había llamado Pepito Grillo.

En realidad, solo necesitaba empaquetar una de sus piezas para capturar texto de forma sencilla y robusta, sobre todo en móvil. Es decir: permitir que un jefe de obra pueda dictarle al teléfono lo que ve durante una visita.

La idea: hablar donde ya estás escribiendo

Si la compañía ya utiliza Obsidian como repositorio de conocimiento, ¿por qué no permitir que una persona empiece a hablar contando todo lo que esté viendo y esto genere una nota con la metadata necesaria en la memoria institucional compartida?

Esto es Dictation, un plugin de voz a texto para Obsidian que funciona tanto en escritorio como en móvil. El flujo es deliberadamente pequeño:

• Abres la nota en la que quieres capturar algo.
• Pulsas el micrófono y hablas.
• Pulsas Stop para terminar.
• Un menú flotante te deja elegir: conservar el audio, transcribirlo o eliminarlo.
• Si lo transcribes, el texto aparece en su lugar y el audio puede guardarse o descartarse según la configuración.

Mejor verlo.

Qué incluye el plugin

• Fricción cercana a cero. Lo importante aquí no es solo la transcripción, sino el diseño del flujo: capturar una observación en contexto, con la mínima fricción posible, y devolverla exactamente al lugar donde debe vivir. Dictation guarda la nota y la posición del cursor al empezar a grabar. Aunque después cambies de nota o te muevas por Obsidian, intenta devolver la transcripción al destino original.
• Elección del proveedor y del modelo. El plugin permite elegir entre OpenAI, Groq, Deepgram o un endpoint compatible con la API de OpenAI. También permite seleccionar el idioma, detectarlo automáticamente y configurar el modelo con un pequeño asistente inicial.
• Una experiencia especialmente cuidada en móvil. En móvil muestra un botón de grabación flotante que se mantiene accesible cuando aparece el teclado. En escritorio puede iniciarse desde la barra lateral, la barra de estado, la paleta de comandos, un atajo de teclado o mediante push-to-talk.
• Más robustez. También quise cuidar los fallos y hacer el plugin más robusto, justo en un punto donde vi que otras opciones similares de la biblioteca de Obsidian flojeaban:
  • Si la transcripción funciona pero no se puede localizar el destino, muestra el texto para poder copiarlo y recuperarlo.
  • Después de grabar se puede transcribir, conservar o descartar el audio.
  • Tras una transcripción correcta, el audio puede moverse a una carpeta gestionada y eliminarse pasado el periodo configurado. Por defecto, 21 días.
  • La clave de la API se guarda en el almacenamiento seguro del dispositivo.
  • No hay telemetría y el contenido de las notas no se envía al proveedor. Solo se envían el audio y las opciones necesarias para transcribirlo.

También conviene aclarar lo que no es: Dictation utiliza el proveedor de transcripción que elija el usuario, así que no es una solución completamente local ni offline. Aun así, si no tienes conexión, permite guardar el audio y transcribirlo más tarde.

¿No existían ya plugins para hacer esto?

Sí. Hay varios, y algunos hacen bastante más.

Local Dictation, por ejemplo, apuesta por modelos locales y añade funciones para reuniones, audio del sistema, identificación de hablantes y marcas de tiempo. Whisper permite grabar o transcribir archivos existentes. Otros plugins ofrecen comandos de voz, procesamiento posterior con modelos de lenguaje o flujos de grabación mucho más completos.

Dictation no intenta ganar esa carrera de funcionalidades.

Su apuesta es más estrecha: capturar una idea de la forma más directa posible, ya sea desde escritorio o móvil, colocarla de manera segura en el lugar donde empezó la grabación y dar al usuario control explícito sobre el proveedor y el destino del audio.

La hipótesis detrás del plugin

La hipótesis es simple: para muchos problemas de adopción, no hace falta crear una plataforma nueva; hace falta reducir la fricción para capturar conocimiento dentro del sistema que la organización ya usa.

Para un jefe de obra, eso podría significar pulsar un botón en el móvil, dictar una incidencia, una decisión o una observación y seguir trabajando. Sin pasar por WhatsApp, la grabadora, un formulario o cualquier otra app intermedia.

Eso es lo que me interesaba probar: si una solución pequeña, integrada en el flujo real de trabajo, puede ser más útil que otra herramienta que el equipo tiene que aprender, abrir y mantener.

Lo mejor: de AI Enablement a un prototipo real

La forma de responder a este problema proviene en buena medida de una experiencia de Automattic en la que participé y que me pareció de lo más potente que he vivido últimamente: AI Enablement.

Pasamos dos semanas en Nueva York, unas cincuenta personas de producto, diseño, ingeniería, datos y operaciones, combinando charlas, talleres y, sobre todo, tiempo para construir prototipos.

Hay un buen recap de aquellas dos semanas en Data.blog. En corto: fue una experiencia guay, intensa y muy bien pensada. De esas que te recuerdan que la IA no va solo de consumir herramientas, sino de aprender a pensar con ellas, probar rápido y convertir ideas vagas en cosas que funcionan.

Una de las cosas más valiosas fue compartir espacio con personas con problemas y perspectivas diferentes, enseñar algo todavía imperfecto y seguir construyendo desde ahí.

La IA permite reducir mucho la distancia entre detectar un problema y tener algo que funcione y pueda probarse. Y este plugin, precisamente, nace de ahí.

Un experimento abierto

Dictation sigue siendo una exploración. No es una solución ya desplegada en esa empresa de construcción ni pretende resolver por sí solo la gestión del conocimiento de un equipo. Pero sí prueba una hipótesis que me interesa: quizá muchas iniciativas de adopción no necesitan otra plataforma. Quizá necesitan una entrada más natural al sistema que la compañía ya tiene.

Si esta idea funciona, lo interesante será no solo haber hecho un plugin para Obsidian que puede ser reutilizado por otros sino también haber probado que muchas veces el problema no es la falta de conocimiento, sino la distancia entre vivirlo y capturarlo.

El plugin es gratuito y de código abierto. Se puede instalar desde los plugins de la comunidad de Obsidian y el código está disponible en GitHub. Si trabajas con equipos de construcción, mantenimiento, operaciones o cualquier otro entorno en el que tomar notas compite con tener las manos ocupadas, me encantará saber si este flujo encaja con la realidad. O dónde se rompe.