Cómo tomar notas de reunión con IA sin que un bot entre en tu llamada

En 2020, «notas de reunión con IA» significaba que un bot entraba en tu llamada. En 2026, ya no tiene por qué. El cambio es técnico (la captura de audio del sistema en sistemas operativos de consumo se volvió fiable) y cultural (los clientes empezaron a notar el bot y a rechazarlo). Este artículo es la versión práctica: por qué un bot es ahora una desventaja, cómo funciona de verdad la grabación en el dispositivo y el stack exacto para tomar notas de reunión con IA sin que un tercero entre en tu reunión.

• Imagen — «Otter se ha unido a la reunión» es la primera impresión de tu prospecto. Es un momento de exposición de marca al que no se apuntó y un voto silencioso en contra de que tu producto sea cuidadoso.
• Seguridad — todo bot de reunión es un grabador SaaS de tu conversación en vivo. Las industrias reguladas (finanzas, salud, defensa, legal) lo prohíben cada vez más. Incluso los compradores no regulados preguntan por qué tu «asistente de IA» es un participante externo en su pitch.
• Bloqueos de plataforma — Zoom Phone, MS Teams en algunos tenants y muchos Google Workspaces enterprise bloquean activamente a los grabadores externos.
• Incomodidad — el bot está en la cuadrícula de participantes. La gente deja de bromear, deja de discrepar, y la reunión se vuelve más performativa.
• Consentimiento — la grabación del bot está en los servidores del proveedor del grabador, lo que significa que el consentimiento es una cuestión del proveedor, no una cuestión entre tú y ellos.

La captura local de reuniones graba dos flujos de audio desde la máquina anfitriona: el audio del sistema (todo lo que oyes por tus altavoces) y tu micrófono (tu voz). Los dos flujos se mezclan y se transmiten a un servicio de transcripción en la nube. Nada entra en la reunión en sí — la grabación existe en tu ordenador, igual que una grabación de pantalla de tu portátil existe en tu portátil.

El mecanismo varía según el SO. En macOS 13+, ScreenCaptureKit de Apple expone el audio del sistema mediante una API documentada (con el permiso explícito del usuario). En Windows 10+, la captura loopback de WASAPI expone lo mismo. Ambos requieren un único permiso la primera vez, y ambos son inherentemente una operación de un solo participante — solo el dispositivo que ejecuta la captura tiene el audio, nadie más en la reunión lo tiene.

Un bot puede entrar en reuniones a las que su dueño está invitado pero no asiste. En el dispositivo no — tu portátil tiene que estar en la llamada. Para la mayoría de los flujos esto es correcto (no deberías capturar reuniones a las que no asististe), pero descarta el patrón de «envía a mi IA a escuchar» que Fireflies promociona con fuerza.

Pagas el coste de almacenamiento del audio localmente (en nuestras pruebas: sin comprimir, aproximadamente 10MB/min; comprimido, más cerca de 1MB/min). En una semana larga de reuniones eso son unos pocos cientos de megabytes. La mayoría de las herramientas (Reline incluida) sincronizan con la nube para respaldo, pero el audio en bruto vive primero en tu disco.

Un bot puede leer la cuadrícula de participantes: «esta es Sarah hablando». Las herramientas locales tienen que trabajar solo a partir del audio. Algunas hacen diarización de hablantes (Deepgram y AssemblyAI la incluyen); en nuestras pruebas añade aproximadamente 200 ms de latencia y requiere que los hablantes difieran lo suficiente en tono/timbre. Reline toma un camino más simple: etiqueta a los hablantes como «Yo vs Otro» según el flujo por el que entró el audio (tu micrófono frente al audio del sistema), algo robusto pero que no distingue a Sarah de Raj.

Captura la llamada localmente en la máquina con la que ya estás en la reunión —sin participantes de terceros— y deja que los servicios en la nube se encarguen de la transcripción y el resumen. En concreto, el stack se ve así:

1. Captura de audio del SO mediante la API documentada (ScreenCaptureKit en macOS, loopback de WASAPI en Windows). Evita las extensiones de kernel / los hacks de VB-Audio Cable — se rompen en cada actualización del SO.
2. Proveedor de transcripción en streaming — Deepgram, AssemblyAI o Whisper ejecutándose en el dispositivo para configuraciones paranoicas. El streaming te da subtítulos en vivo; el batch te da transcripts finales.
3. Separación de hablantes — la mayoría de los proveedores de transcripción incluyen diarización; la opción más simple y robusta es separar por flujo (tu micrófono frente al audio del sistema), que es lo que hace Reline.
4. Capa de summarización — Claude 4.x o GPT-4.x para el resumen en sí. Elijas el que elijas, exige una salida respaldada por citas (que enlace con el segmento del transcript que justifica cada afirmación).
5. Almacenamiento + sincronización — sincronización en la nube para la nota, almacenamiento clase S3 para el audio si necesitas retención a largo plazo.
6. Capa de compartición — permisos explícitos, no «enlace para compartir» (eso es lo que crea el problema del equipo de N).

Construimos Reline porque todas las demás herramientas de la categoría de blocs de notas con IA se habían comprometido con una de dos opciones: (a) lanzar un bot y aceptar los costes anteriores, o (b) lanzar un bloc de notas solo para usuarios en solitario. Pensábamos que había una tercera opción — sin bot, pero con las primitivas de equipo (permisos, colaboración, chat RAG) que los bots habilitaban históricamente por ser un SaaS. La infraestructura existe en 2026 para hacer ambas cosas: capturar en el dispositivo, sincronizar la nota con un espacio de equipo, mantener el audio bajo el control de quien graba.

Respuesta honesta: cuando no te queda otra. Si tu flujo requiere grabar una reunión a la que no puedes asistir, un bot es tu única opción. Si tu plataforma de reunión es una de las pocas que admite grabación oficial en la nube con acceso por API (Zoom enterprise, ciertos tenants de Teams), y tu equipo de seguridad lo ha aprobado, un bot puede ser el camino más fácil. Para todos los demás — y en especial para quien vende a compradores conscientes de la seguridad — sin bot es el mejor valor por defecto en 2026.