La palabra «agéntico» aparece por todas partes en el marketing de productos de IA en 2026. Aplicada al dictado por voz, describe algo concreto, y conviene ser precisos sobre qué.
En sentido estricto, la mayoría de las aplicaciones de dictado no son agentes en el sentido que usan los investigadores de IA: software que planifica y actúa por su cuenta. En el dictado, «agéntico» suele significar una cosa: un modelo de lenguaje lee lo que oyó el modelo de voz y deduce qué querías decir antes de que el texto llegue a tu pantalla. Este artículo explica cómo funciona, en qué se diferencia del voz a texto anterior y dónde puede fallar.
Tres generaciones de tecnología de voz a texto#
Para entender qué hace distinto al dictado agéntico, ayuda ver de dónde viene.
Generación 1: reconocimiento de voz estadístico (años 90–2010)#
Productos como Dragon NaturallySpeaking usaban modelos estadísticos de sonidos y secuencias de palabras, construidos con muchos menos datos que los sistemas actuales. A menudo había que entrenar un perfil de voz, y no tenían una comprensión real del significado, así que los homófonos y las palabras poco comunes los confundían.
Resultado característico (ilustrativo):
«Quiero a ser un correo a juan sobre la reunión de mañana» → Lo que creyó oír, sin ninguna noción de qué tenía sentido
Limitación: poca comprensión del contexto. La precisión dependía mucho de entrenar el sistema con tu voz.
Generación 2: reconocimiento de voz neuronal (2020–2023)#
Whisper de OpenAI (2022) fue un punto de inflexión: una red neuronal entrenada con 680 000 horas de audio que, según sus autores, se comporta mejor que los sistemas anteriores con hablantes y condiciones de grabación variadas, sin necesidad de entrenarla con tu voz. Whisper y modelos similares impulsan muchas aplicaciones actuales, entre ellas MacWhisper.
Resultado característico:
«Quiero hacer un correo a Juan sobre la reunión de mañana» → Una transcripción precisa de lo que se dijo
Limitación: sigue siendo literal. Di «Quedamos el jueves, espera, mejor el viernes» y obtendrás cada palabra, incluida la parte que retiraste. Aparecen las muletillas. Aparecen las autocorrecciones. Preciso, pero en bruto.
Generación 3: dictado agéntico (2024–actualidad)#
El dictado agéntico añade un paso después de la transcripción. Un modelo de lenguaje recibe la transcripción en bruto y deduce qué querías decir antes de que el texto llegue a tu pantalla.
Resultado característico (con la misma frase de antes):
«Quedamos el viernes.» → Se aplica la corrección y se descarta el «jueves» abandonado.
Esto es de otra naturaleza que un corrector ortográfico. Interpreta lo que querías decir, no solo transcribe lo que dijiste.
Cómo funciona una cadena de dictado agéntico#
Este es el proceso de LumeVoice como ejemplo práctico. La transcripción y la limpieza se ejecutan en la nube:
Etapa 1: Captura
Entrada: mantienes pulsada una tecla y hablas (fn en Mac, Ctrl + Win en Windows),
o pulsas dos veces el atajo para el modo manos libres
Salida: el audio de lo que dijiste
Etapa 2: Transcripción
Modelo: OpenAI Whisper large-v3-turbo, ejecutado por Groq
(Mistral Voxtral como respaldo)
Salida: transcripción en bruto
Etapa 3: Limpieza
Modelo: un modelo de lenguaje
Pasos:
- Eliminación de muletillas (eh, este, «o sea», «tipo» usado como pausa)
- Autocorrecciones («a las siete, no, a las nueve» -> «a las nueve»)
- Listas habladas -> listas numeradas
- Comandos de puntuación hablados -> puntuación
- Corrección de gramática y ortografía
Salida: texto terminado
Etapa 4: Escritura
Salida: el texto se escribe en la aplicación donde esté tu cursor
Tu diccionario personalizado y tus estilos de escritura también influyen en el resultado: el diccionario mantiene los nombres y la jerga escritos a tu manera, y los estilos de escritura hacen que un mensaje informal no suene igual que un correo. El audio no se guarda después del procesamiento, tu historial de transcripciones se queda en tu dispositivo y nada de lo que dices se usa para entrenar un modelo.
La clave: el paso de limpieza no es un corrector ortográfico. El modelo de lenguaje lee la intervención completa y deduce qué palabras querías decir, cuáles eran relleno y cuáles retiraste, más o menos como lo haría una persona que te escucha.
Qué cambia el paso de limpieza: ejemplos#
Estos ejemplos son ilustrativos; el resultado exacto depende de la aplicación y de tu configuración.
Autocorrección a mitad de frase:
«Programemos la reunión para el jueves, bueno no, el viernes a las 3»
Transcripción en bruto: Programemos la reunión para el jueves, bueno no, el viernes a las 3
Resultado agéntico: Programemos la reunión para el viernes a las 3.
Muletillas:
«Entonces eh creo que el, este, o sea, endpoint de la API necesita una refactorización»
Transcripción en bruto: Entonces eh creo que el, este, o sea, endpoint de la API necesita una refactorización
Resultado agéntico: Entonces creo que el endpoint de la API necesita una refactorización.
Arranque en falso:
«¿Puedes… quiero decir, podrías enviarme el informe antes de que acabe el día?»
Transcripción en bruto: ¿Puedes… quiero decir, podrías enviarme el informe antes de que acabe el día?
Resultado agéntico: ¿Podrías enviarme el informe antes de que acabe el día?
Lista hablada:
«Tres cosas para mañana primero reservar el local segundo enviar las invitaciones tercero confirmar el presupuesto»
Transcripción en bruto: Tres cosas para mañana primero reservar el local segundo enviar las invitaciones tercero confirmar el presupuesto
Resultado agéntico:
Tres cosas para mañana:
1. Reservar el local
2. Enviar las invitaciones
3. Confirmar el presupuesto
Puntuación y estructura:
«oye una pregunta rápida sobre el calendario del despliegue tenemos una fecha límite fija del cliente o es flexible»
Resultado agéntico: Oye, una pregunta rápida sobre el calendario del despliegue: ¿tenemos una fecha límite fija del cliente o es flexible?
Fíjate en que las palabras siguen siendo tuyas. La limpieza corrige la puntuación, la estructura y las partes que retiraste; más allá del estilo de escritura que hayas elegido, no reescribe tu mensaje.
En qué puede equivocarse el dictado agéntico#
Un segundo modelo en la cadena trae una segunda serie de posibles errores. Conviene saberlo antes de confiar en él:
- Decisiones de criterio. «Tipo» puede ser una muletilla o una palabra con sentido; «no» puede ser una corrección o parte de lo que quieres decir. El modelo tiene que decidir por el contexto, y no siempre decidirá como lo harías tú.
- Palabras equivocadas que parecen correctas. Si el modelo de voz oye mal un nombre y lo convierte en una palabra verosímil, el paso de limpieza no tiene forma de saberlo. La solución es un diccionario personalizado.
- Texto que nadie dijo. El artículo de Whisper de OpenAI describe fallos en los que el modelo se repite, omite palabras al principio o al final de un fragmento o genera texto que no está en el audio. La limpieza no los detecta, así que lee los mensajes importantes antes de enviarlos.
- Necesidades literales. Para citas, redacción jurídica o cualquier cosa que deba aparecer exactamente como se dijo, un paso de limpieza es la herramienta equivocada; usa una transcripción simple.
- Una conexión, en las aplicaciones en la nube. En LumeVoice los dos pasos se ejecutan en la nube, así que no hay modo sin conexión.
Dictado agéntico frente a herramientas de escritura con IA: la distinción clave#
Una confusión frecuente que conviene aclarar directamente:
| Característica | Dictado agéntico (p. ej., LumeVoice) | Escritura con IA (ChatGPT, Claude) |
|---|---|---|
| Origen del contenido | Tus palabras, limpias | Generado a partir de una instrucción |
| Autoría | Tuya | En gran parte de la IA |
| Uso típico | Escribir más rápido tus propios mensajes, correos y documentos | Redactar borradores, resumir y reescribir |
| Integridad académica | Por lo general se trata como escribir (consulta las normas de tu institución) | A menudo restringida (consulta las normas de tu institución) |
| Capacidad creativa | Tú tomas todas las decisiones de contenido | La IA toma muchas decisiones de contenido |
| Tratamiento de datos | LumeVoice: procesamiento en la nube, el audio no se guarda tras procesarse y nunca se usa para entrenar | Depende del servicio y de tu configuración |
Desliza para ver todas las columnas
El dictado agéntico es un amplificador de velocidad para tu propio pensamiento. Las herramientas de escritura con IA son generadores de contenido. Hacen trabajos distintos y se combinan bien: puedes dictarle una instrucción a ChatGPT con la misma facilidad que un correo. Comparamos los dos flujos de trabajo en voz a texto frente a escritura con IA. Si trabajas en un sector regulado, consulta las normas de tu organización para cualquier herramienta en la nube, sea del tipo que sea.
¿Merece la pena el paso de limpieza? Cómo comprobarlo#
No existe una prueba independiente de la limpieza «agéntica», y las cifras de los propios proveedores no se pueden verificar. Puedes probarlo tú mismo en unos minutos:
- Di un párrafo desordenado tal como hablas de verdad: una o dos muletillas, una corrección («el martes, no, el miércoles») y una lista corta.
- Díctalo en un transcriptor simple sin limpieza con IA, como el Dictado de Apple, y en una aplicación agéntica.
- Cuenta las ediciones que necesita cada versión antes de que la enviarías.
En cuanto a velocidad, el paso de limpieza no hace que hables más rápido; tu ritmo al hablar, que suele situarse en unas 120–150 palabras por minuto, marca el paso en ambos casos. Donde ayuda es en la edición posterior. Como referencia sobre la velocidad en bruto, un estudio de Stanford, la Universidad de Washington y Baidu encontró que la entrada por voz era unas tres veces más rápida que escribir en el teclado de un móvil, y con menos errores, y un análisis de la Universidad Aalto de 136 millones de pulsaciones situó la velocidad media de escritura en ordenador en unas 52 palabras por minuto.
El futuro del dictado agéntico#
La capa de limpieza seguirá cambiando a medida que mejoren los modelos de lenguaje. Algunas direcciones que puede tomar la categoría (describen hacia dónde pueden ir las cosas, no funciones que LumeVoice ya haya lanzado):
Más conciencia del contexto: entender no solo en qué tipo de aplicación estás, sino qué tipo de documento es, quién es el público y qué tono encaja.
Coherencia a nivel de documento: los sistemas actuales limpian un dictado cada vez. Los futuros podrían mantener la terminología y el tono coherentes en todo un documento.
Sugerencias: un sistema podría sugerir cómo terminar una frase según tu forma habitual de escribir, dejándote siempre el control de lo que se dice.
Hoy, LumeVoice funciona como se describe arriba: transcripción con Whisper large-v3-turbo, una pasada de limpieza con un modelo de lenguaje, y tu diccionario personalizado y tus estilos de escritura.
Prueba el dictado agéntico, no solo la transcripción
Habla con naturalidad. LumeVoice transcribe con Whisper large-v3-turbo y luego un modelo de lenguaje elimina las muletillas, aplica tus autocorrecciones, convierte las listas habladas en listas numeradas y corrige la gramática antes de escribir el texto donde esté tu cursor.
- 3000 palabras gratis: nota la diferencia desde la primera sesión, sin tarjeta
- Planes: $14.99/mes, $79.99/año o $249 de por vida
- Prueba: 7 días de prueba gratuita la primera vez que mejoras tu plan en la aplicación (se requiere tarjeta)
Lecturas recomendadas#
- Arquitectura de voz híbrida: dictado local frente a la nube y privacidad
- Precisión del dictado con IA: qué influye y cómo comparar aplicaciones
- Dictado por voz frente a teclear: ¿cuánto más rápido es hablar?
- Voz a texto frente a escritura con IA
- La aplicación de dictado más precisa para Mac
- Mejor software de dictado para product managers: specs, tickets y prompts
- Mejor software de dictado para equipos de ventas: notas del CRM y seguimientos
- Cómo dictar en PowerPoint: diapositivas, notas del orador y comentarios
- Prompts por voz: mejores prompts para ChatGPT, Claude y Gemini
