Funciones de IA en el plan Ultra: resumen, acta y publicaciones para redes sociales con un LLM local de código abierto

Una transcripción rara vez es el final del trabajo. Después de la reunión llega el acta. Después de la entrevista, el artículo. Después del taller, la lista de tareas. Y después del pódcast, la publicación en redes sociales que lo anuncia. Todos estos son pasos que se prestan de maravilla a automatizarse con un modelo de lenguaje – siempre que uno esté dispuesto a entregar para ello la transcripción terminada a un servicio externo.

Ese es precisamente el punto en el que se bajan la mayoría de los usuarios preocupados por la privacidad. Porque una transcripción que antes se procesó con cifrado del lado del cliente no debería enviarse en el paso siguiente a OpenAI, Anthropic o Google. Por eso scryp ofrece el análisis de IA de otra manera: se ejecuta en los mismos workers GPU que la transcripción, en el mismo entorno aislado, con un modelo local de código abierto. Esta función está disponible en el plan Ultra.

La diferencia: LLM local en lugar de API en la nube

El análisis de IA en scryp se ejecuta sobre un modelo de lenguaje local de código abierto que corre en nuestros propios workers GPU en la UE. No hay ninguna llamada a OpenAI, Anthropic, Google ni a ningún otro servicio de IA externo. El modelo no tiene acceso a internet y no puede transferir datos hacia el exterior – técnicamente no puede.

La mayoría de las funciones de IA en las herramientas de transcripción funcionan según un patrón sencillo: la transcripción terminada se reenvía a una API – normalmente a un proveedor estadounidense como OpenAI o Anthropic – y la respuesta se devuelve al usuario. Eso es rápido de implementar, pero desde el punto de vista de la protección de datos es una ruptura: los datos que usted acababa de cifrar con tanto cuidado terminan en texto claro en una empresa tercera fuera de la UE.

scryp sigue otro enfoque. Para el análisis de IA utilizamos un modelo de lenguaje de código abierto que alojamos nosotros mismos. Se ejecuta en los mismos workers GPU que también realizan la transcripción, en los mismos centros de datos de la UE en Hetzner. En concreto, esto significa:

• Ninguna llamada a una API externa. Ni OpenAI ni Anthropic ni Google ven su transcripción. No hay contrato con ningún proveedor de LLM estadounidense, porque técnicamente no tiene por qué haberlo.
• Sin acceso a internet para el modelo. El contenedor en el que se ejecuta el modelo de lenguaje solo tiene una conexión entrante con nuestra cola de trabajos interna – no a la inversa. El modelo no puede enviar peticiones hacia el exterior.
• Ningún entrenamiento del modelo con sus datos. El modelo de código abierto es estático. No lo ajustamos a los datos de los usuarios, no recopilamos prompts y no existe ningún bucle de retroalimentación que devuelva sus contenidos al modelo.
• El mismo marco jurídico que la transcripción. El procesamiento tiene lugar en la UE, sobre la infraestructura de un proveedor de alojamiento europeo. Sin transferencias a terceros países, sin CLOUD Act.

La misma arquitectura que en la transcripción

El análisis de IA no solo utiliza el mismo hardware que la propia transcripción, sino también el mismo modelo de seguridad. Los resultados se vuelven a cifrar directamente con su clave antes de abandonar el entorno del worker. En el disco duro o en la base de datos nunca están en texto claro en ningún momento – igual que las transcripciones y los archivos de audio.

De este modo, el análisis de IA no plantea una nueva cuestión de confianza: se ejecuta dentro del mismo entorno aislado que ya empleamos para la transcripción en sí.

Cinco tipos de análisis en el plan Ultra

En el plan Ultra hay actualmente cinco tipos de análisis disponibles. Cada uno está optimizado para un caso de uso concreto, en lugar de ofrecer una función de «chat» genérica. El resultado es un documento específico, listo para usar de inmediato – no una salida de IA genérica que aún tendría que procesar más.

1. Resumen

El resumen condensa una transcripción en sus afirmaciones esenciales. Resulta especialmente útil para grabaciones largas – entrevistas de una hora, talleres de dos horas, episodios de pódcast – en las que necesita una visión general rápida sin leer la transcripción completa.

Puede fijar la longitud del resumen mediante un control deslizante entre 100 y 2000 caracteres. Corto para una visión general en un correo electrónico, más largo para un resumen ejecutivo detallado. El modelo adapta automáticamente la densidad del texto a la longitud deseada.

2. Acta

El acta estructura la transcripción de una reunión en secciones clásicas: participantes, temas, puntos de debate, decisiones y asuntos pendientes. A diferencia del resumen, que condensa el contenido de forma narrativa, el acta sigue una estructura fija – tal como la conoce de las actas de reuniones habituales.

Esta función resulta adecuada para actas de reuniones, documentación de reuniones periódicas, reuniones de proyecto y allí donde se necesite una documentación estructurada y trazable. El resultado es un documento que puede seguir utilizando directamente con pequeños ajustes.

3. Lista de tareas

La lista de tareas extrae de una reunión todas las tareas pendientes – junto con la persona responsable y, cuando se menciona, la fecha prevista. El modelo busca de forma específica frases como «De eso se encarga Lisa», «Hasta el viernes tenemos que…» o «Daniel, ¿puedes ocuparte de ello?» y las convierte en puntos de acción claros.

Eso ahorra un paso que en muchos equipos nadie asume de buena gana: el seguimiento de los asuntos abiertos. En lugar de revisar manualmente la transcripción en busca de compromisos, obtiene una lista lista para usar que puede trasladar a su herramienta de gestión de proyectos.

4. Publicación en redes sociales

A partir de una transcripción se puede generar una publicación para redes sociales en LinkedIn, Facebook o X (Twitter). El modelo elige la longitud, el tono y la estructura adecuados para la plataforma. Las publicaciones de LinkedIn suelen ser más largas, más sustanciosas y formuladas de manera más profesional. Las publicaciones de X son breves, contundentes y trabajan con un gancho claro. Facebook se sitúa en un punto intermedio, con un tono más personal.

Esto tiene sentido sobre todo cuando, de todos modos, va a publicar una grabación más adelante – una conferencia, una entrevista de pódcast, una ponencia principal. En lugar de redactar la publicación manualmente de memoria, el modelo le entrega un borrador terminado que se basa en frases realmente pronunciadas.

5. Artículo

El tipo de análisis más largo y exigente en cómputo: un artículo estructurado con introducción, subtítulos, ideas clave y conclusión – generado a partir de la transcripción de una grabación. El número de caracteres objetivo puede situarse entre 1000 y 10 000 caracteres.

El modo de artículo trabaja internamente en varios pasos: el modelo planifica primero la estructura, escribe después las distintas secciones y las une al final en un texto coherente. El resultado no es una «transcripción inflada», sino un artículo independiente que presenta las afirmaciones de la grabación en forma periodística o editorial.

Aplicaciones típicas: entradas de blog a partir de entrevistas o pódcasts, artículos especializados a partir de ponencias técnicas, informes a partir de grabaciones de conferencias. La revisión manual sigue siendo necesaria – pero el punto de partida está mucho más avanzado que una transcripción en bruto.

Lo que el modelo de código abierto puede hacer – y dónde están sus límites

Deliberadamente no mencionamos por su nombre el modelo que empleamos. El motivo: el panorama de la IA evoluciona tan rápido que la elección concreta puede ser otra dentro de seis meses. Lo importante es el principio: código abierto, operado localmente, sin servicio externo, procesamiento en la UE. A estas propiedades nos atenemos, aunque a futuro sustituyamos el modelo por otro más moderno.

Lo que aun así debe saber: los modelos locales de código abierto del tamaño que cabe en una sola GPU no están al mismo nivel absoluto de calidad que los mayores modelos en la nube (clase GPT-4, Claude Opus). Sin embargo, para las tareas de análisis habituales – resumir, estructurar, reformular – son muy adecuados. Además, la diferencia de calidad se ha reducido notablemente en los últimos 18 meses, mientras que la ventaja en privacidad de un modelo local se mantiene constante.

En la práctica, esto significa: si quiere un texto creativo y formulado con libertad, que suene como si lo hubiera escrito un autor experimentado, debería entender la salida de la IA como un punto de partida, no como un texto terminado. Para tareas estructuradas como actas, listas de tareas o resúmenes, el resultado suele estar listo para usar directamente.

Qué guarda el resultado – y qué no

El resultado de un análisis de IA se guarda cifrado, igual que la transcripción subyacente. Nadie fuera de su cuenta puede leerlo – ni nuestros empleados ni alguien que lograra acceso físico a la base de datos. Tampoco los prompts que utilizamos internamente para dirigir el modelo se registran junto con sus contenidos.

Lo que sí guardamos: que se ejecutó un trabajo de un tipo determinado (resumen, acta, …), cuándo se ejecutó y cuánto duró el procesamiento. Necesitamos estos metadatos para la facturación, el diagnóstico de errores y la planificación de capacidad. El contenido de sus transcripciones o de los resultados de IA no está incluido en esos registros.

Por qué el análisis de IA solo está disponible en el plan Ultra

El análisis de IA se ejecuta en las mismas GPU que la transcripción. Un solo trabajo de artículo puede ocupar una GPU durante varios minutos; un acta o un resumen, bastante menos. Eso es más caro que una llamada a una API de un proveedor en la nube, pero no cedemos el hardware a terceros.

Por eso la función está incluida en el plan Ultra. Quien quiera usarla de forma activa obtiene la capacidad de hardware necesaria para ello – a un precio mensual previsible, en lugar de facturarse por tokens. Encontrará todos los detalles sobre los planes en la página de precios.

Resumen

• Modelo local de código abierto: se ejecuta en workers GPU propios de scryp en la UE. Sin llamadas a una API externa, sin proveedor de LLM estadounidense.
• Entorno aislado: el modelo no tiene acceso a internet. No puede enviar datos al exterior porque técnicamente no tiene ninguna conexión para ello.
• El mismo modelo de seguridad que la transcripción: los resultados se guardan cifrados y el procesamiento se ejecuta en el mismo entorno aislado.
• Sin entrenamiento con datos de los usuarios: el modelo es estático. Sus contenidos no vuelven al modelo.
• Cinco tipos de análisis: resumen, acta, lista de tareas, publicación para redes sociales (LinkedIn/Facebook/X) y artículo – cada uno optimizado para un caso de uso concreto.
• Plan Ultra: el análisis de IA forma parte del plan Ultra, porque el tiempo de GPU necesario para ello consume capacidad de hardware real.

Conclusión

Una función de IA que, a continuación, envía a un servicio externo en la nube su transcripción cuidadosamente cifrada tiene poco sentido desde el punto de vista de la protección de datos. Por eso scryp no lo hace. El resumen, el acta, la lista de tareas, la publicación en redes sociales y el artículo se generan en el mismo sistema de workers que también realiza la transcripción – en la UE, sobre nuestra propia infraestructura GPU, con un modelo local de código abierto que no tiene ninguna ventana hacia el exterior. Eso es más lento y más caro que una llamada a una API de OpenAI – pero es la única variante que encaja con el resto de la arquitectura.