¿La forma definitiva del asistente de IA? ¿Por qué los inversores invirtieron 11 millones de dólares en este producto de IA que "observa tu pantalla"?

Escritor: Leo

¿Alguna vez has notado que los asistentes de IA actuales en realidad son bastante “tontos”? Cada vez que abres ChatGPT o Claude, tienes que volver a explicar el contexto. “Estoy trabajando en un proyecto sobre…”, “Nuestro equipo acaba de tener una reunión para discutir…”, “La semana pasada envié un correo con el contenido…”. Dedicas cinco minutos a escribir instrucciones para obtener una respuesta apenas útil. Esto no tiene sentido. ¿No se supone que la IA debería facilitar el trabajo? ¿Por qué, en cambio, aumenta nuestra carga de trabajo?

Recientemente probé un producto llamado Littlebird, que acaba de completar una ronda de financiación semilla de 11 millones de dólares, liderada por Lotus Studio. Este producto me hizo reconsiderar una pregunta: ¿cómo debería ser realmente un asistente de IA? No debería ser una herramienta que requiere que “alimentes” constantemente con información, sino un asistente que ya entienda tu trabajo y vida. Como un asistente real, que no necesita que expliques cada vez el contexto del proyecto, el estado del equipo o el progreso del trabajo.

Alexander Green, fundador de Littlebird, dijo al anunciar la financiación una frase que me pareció muy precisa: “La sensación de usar una computadora cada vez se parece más a una lucha.” Cada vez que encendemos la computadora, experimentamos una doble estimulación de dopamina y miedo. La computadora debería ser una “bicicleta del pensamiento”, pero el modelo de negocio de internet ha reconectado todo: si el producto es gratuito, tú eres el producto; si tú eres el producto, el objetivo es captar tu atención. La bicicleta ahora nos pedalea a nosotros. La metáfora es muy exacta. Deberíamos controlar la herramienta, pero ahora la herramienta nos controla a nosotros.

¿Por qué los asistentes de IA siempre parecen “olvidar”?

He usado durante más de medio año varias herramientas de IA, desde ChatGPT y Claude, hasta Notion AI y diferentes asistentes especializados en escritura. Cada una es poderosa, pero todas comparten un mismo problema: no saben quién soy, qué estoy haciendo, qué me importa. Cada conversación parece la primera vez, tengo que volver a presentarme, explicar el contexto y proporcionar antecedentes.

Por ejemplo, la semana pasada preparaba un lanzamiento de producto que involucraba múltiples departamentos. Tuve reuniones con el equipo de diseño para discutir la estética, con marketing para definir la estrategia de comunicación, y con el equipo técnico para los detalles técnicos de la demostración. Las notas de esas reuniones estaban dispersas: en Notion, en correos electrónicos, o solo en conversaciones orales. Cuando quise que la IA me ayudara a organizar un plan completo para el evento, ¿qué tuve que hacer? Copiar y pegar toda esa información en la herramienta, escribir una instrucción muy larga explicando cada reunión y decisión. Solo preparar esa instrucción me tomó veinte minutos.

Lo más absurdo fue que, al día siguiente, quise modificar el plan y tuve que empezar de nuevo. La IA no recuerda las conversaciones de ayer, o si lo hace, no sabe que en la tarde hablé con el CEO sobre un cambio de dirección. Esta experiencia me hizo sentir que el asistente de IA no me ayuda, sino que me añade trabajo adicional. No solo tengo que hacer mi trabajo, sino también dedicar tiempo a “enseñar” a la IA a entenderlo.

El equipo fundador de Littlebird, al reflexionar sobre esto, tuvo una idea clave: los modelos de IA en sí son muy poderosos, pero su utilidad está limitada no por su capacidad, sino por la falta de datos sobre el usuario. Los grandes modelos de lenguaje no saben nada de ti, y eso limita fundamentalmente su utilidad. Es una idea sencilla, pero apunta directamente al núcleo del problema. Hemos estado discutiendo cómo hacer que los modelos sean más inteligentes, pero hemos ignorado una cuestión más básica: ¿cómo hacer que los modelos entiendan al usuario?

Actualmente hay muchas herramientas de IA en el mercado que intentan resolver el problema del contexto. Algunas se enfocan en buscar en tus documentos, otras en registrar reuniones, y otras en organizar correos. Pero todas tienen un límite común: solo ven la información que tú les proporcionas activamente. Tienes que subir documentos, autorizar el acceso a tu Gmail, o activar funciones de grabación en las reuniones. Todo esto requiere que el usuario configure y mantenga muchas cosas. Además, estas herramientas no ven el panorama completo de tu trabajo. Pueden conocer el contenido de tus reuniones, pero no lo que discutes en Slack después; pueden saber tus correos, pero no qué investigaste en tu navegador sobre la competencia.

Lo que diferencia a Littlebird: la tecnología de lectura de pantalla

Littlebird adopta un enfoque completamente diferente, que llaman “screenreading” (lectura de pantalla). Esto me recuerda cómo trabajan los asistentes humanos. Un asistente realmente bueno no necesita que le digas cada detalle; observa tu trabajo, recuerda lo importante y te recuerda cuando hace falta. Littlebird hace algo similar.

Específicamente, Littlebird es una aplicación de escritorio para Mac que lee continuamente todo el texto en tu pantalla. Atención: “leer”, no “tomar capturas”. Esta diferencia es crucial. Antes existían productos similares, como Rewind (que luego cambió a Limitless y fue adquirido por Meta) y Recall de Microsoft, que capturaban pantallas constantemente. Estos métodos tienen problemas: generan una cantidad enorme de datos, porque las imágenes ocupan mucho espacio; son poco privados, ya que capturan toda la información visual; y la búsqueda es difícil, porque extraer información de imágenes es mucho más complicado que de texto.

El método de Littlebird es más inteligente. Usa técnicas avanzadas de lectura de pantalla para entender todo el contenido textual en las aplicaciones, sin configuraciones complicadas. Puede entender quién dijo qué, cuándo, y seguir detalladamente el progreso de tus proyectos. Así, construye una comprensión enriquecida de tu vida laboral: quién es importante para ti, en qué proyectos estás trabajando, qué te preocupa esta semana o este año. Green, en una entrevista, dijo que este método hace que los datos sean mucho más ligeros y menos invasivos.

Lo que más me gusta de este diseño es que respeta la naturaleza del software. La información en pantalla ya es texto y datos estructurados; ¿por qué convertirlo en imagen y luego volver a convertirlo en texto? Leer directamente el contenido estructurado es más eficiente y preciso. Desde el punto de vista de privacidad, los datos en texto son mucho menos sensibles que las imágenes. Tus contraseñas pueden estar en asteriscos, tu número de tarjeta puede estar oculto, pero las capturas de pantalla guardan toda esa información visual.

Littlebird automáticamente ignora campos sensibles en gestores de contraseñas y formularios web, como contraseñas y datos de tarjetas. También puedes personalizar qué aplicaciones quieres que ignore. Esto da mucho control al usuario. Si no quieres que Littlebird vea tu trabajo en alguna app, como un chat privado o software financiero, puedes excluirla fácilmente.

Además de leer pasivamente, Littlebird puede conectarse activamente con otras aplicaciones. Puedes vincular Gmail, Google Calendar, Apple Calendar y Reminders, para entender mejor tu vida y trabajo. No solo sabe qué pasa en tu pantalla, sino también tu agenda, tareas pendientes y correos.

¿Qué significa tener un IA con todo el contexto?

Cuando la IA realmente tiene toda tu información, la experiencia cambia radicalmente. Ver algunos casos de uso de Littlebird me hizo darme cuenta de que no es solo una mejora incremental, sino un cambio en el modo de interacción.

La función básica es responder preguntas. Pero, a diferencia de otras IA, las respuestas de Littlebird se basan en una comprensión profunda de tu trabajo. Puedes preguntar “¿Qué hice hoy?” o “¿Qué correos son importantes para mí?”. Después de unos días, estas preguntas predefinidas se vuelven más personalizadas. Es interesante porque la IA empieza a aprender qué te importa y cómo trabajas.

Green compartió su experiencia usando Littlebird, y eso ilustra muy bien el valor del AI con todo el contexto. Él le pregunta todos los días: “¿Qué es importante esta semana?” o “¿En qué debería enfocarme?”, y recibe respuestas sorprendentes y reflexivas. Lo usa para obtener consejos profesionales, llenar vacíos en su conocimiento técnico, e incluso para planear cenas. Estos casos de uso son muy variados, pero todos comparten que la IA puede ofrecer respuestas con insights profundos porque entiende bien tu vida.

Littlebird tiene una función integrada similar a Granola para grabar reuniones, que funciona en segundo plano usando audio del sistema, transcribe las reuniones y crea notas y tareas. No es algo nuevo, hay muchas herramientas de grabación de reuniones. Pero lo que hace único a Littlebird es que puede conectar esas reuniones con el resto de tu trabajo y contexto.

Me interesa especialmente la función “Prep for meeting” (Preparar para reunión). Cuando abres la vista detallada de una reunión, puedes pedirle a Littlebird que prepare esa reunión. Considera el contexto de reuniones pasadas, correos relacionados y la historia de la empresa, para ofrecerte más detalles. Incluso puede buscar en Reddit y otras fuentes para mostrarte opiniones de usuarios sobre un producto o empresa. Imagina que tienes que reunirte con un cliente; Littlebird automáticamente te resume: qué discutieron la última vez, qué correos intercambiaron, qué novedades hay en su empresa, qué opinan los usuarios de su producto. Es como tener un asistente que te ayuda a prepararte antes de la reunión.

Otra función que me parece muy útil es “Routines” (Rutinas). Permite crear instrucciones detalladas para que Littlebird las ejecute periódicamente, como todos los días, semanas o meses. La empresa ya tiene algunas rutinas predefinidas, como resúmenes diarios, informes semanales o revisiones del trabajo del día anterior. Los usuarios también pueden crear sus propias rutinas con instrucciones personalizadas. Esto resuelve un problema muy práctico: todos sabemos que deberíamos revisar y resumir nuestro trabajo regularmente, pero pocos lo hacen con constancia. Con Routines, la IA te ayuda a hacerlo automáticamente.

Una encuesta interna del equipo de Littlebird muestra el valor real de este AI con todo el contexto: el 84% de los usuarios ahorra al menos medio día a la semana, y el 80% dice que el producto reduce su ansiedad diaria. Ambos datos son interesantes. Ahorrar tiempo es comprensible, porque no tienes que dedicarlo a organizar información, buscar documentos o recordar detalles. Pero reducir la ansiedad es aún más profundo. Muchas preocupaciones laborales vienen de temer olvidar información importante, pasar por alto tareas o no responder a tiempo. Saber que una IA te ayuda a seguir todo eso, naturalmente reduce esa ansiedad.

Equilibrio entre privacidad y control

Al enterarme de que Littlebird lee continuamente todo en tu pantalla, mi primera reacción fue: ¿esto es seguro? ¿No pondrá en riesgo mi privacidad? Esa preocupación es totalmente válida. Si una app debe observar toda tu jornada digital, la confianza es clave.

El diseño de Littlebird se basa en “privacidad, seguridad y control por parte del usuario” por defecto. Desde el punto de vista técnico, han implementado varias medidas para proteger la privacidad: todos los datos se almacenan con cifrado AES-256, la transmisión usa TLS 1.3, y los datos del usuario nunca se usan para entrenar modelos de IA. Estas son medidas básicas pero fundamentales para este tipo de producto.

Más importante aún, el control del usuario. Puedes pausar la recopilación de datos en cualquier momento, excluir aplicaciones o sitios específicos, y eliminar datos con un clic. Esto da al usuario la capacidad de gestionar su información en todo momento. Si quieres manejar información especialmente sensible, puedes pausar temporalmente Littlebird; si no quieres que vea alguna app, puedes ponerla en la lista negra.

Green explicó en una entrevista por qué eligieron almacenamiento en la nube en lugar de local. La razón es que necesitan correr modelos potentes para diferentes tareas de IA, lo cual no es posible en local. Es un equilibrio interesante. El almacenamiento local es más seguro, porque los datos no salen de tu dispositivo. Pero el almacenamiento en la nube permite usar modelos más avanzados y ofrecer mejores funciones. Littlebird optó por esto, pero con cifrado fuerte y políticas estrictas de privacidad para mitigar riesgos.

Veo que Littlebird obtuvo la certificación SOC 2, y cumple con GDPR y CCPA. Estas certificaciones y regulaciones no son menores, especialmente para una startup. Demuestran que el equipo desde el principio priorizó la seguridad y la privacidad, no solo como añadidos posteriores.

Un detalle que considero importante es que Littlebird no almacena información visual, solo texto. Esto hace que los datos sean mucho más livianos y menos invasivos. Green dice que esto puede explicar por qué Recall y Rewind tuvieron dificultades: el volumen de datos de capturas de pantalla es enorme. Además, las capturas son más invasivas. Imagina que estás viendo fotos personales o videos; las capturas guardan todos esos detalles visuales. En cambio, los registros en texto solo contienen descripciones, sin imágenes.

Este diseño me lleva a una cuestión más amplia: ¿hasta qué punto queremos que la IA nos conozca? La transparencia total puede ofrecer máxima conveniencia, pero también mayor riesgo. La aproximación de Littlebird es que el usuario decida ese límite. Puede permitir que la IA vea todo, o restringir su acceso. Esa flexibilidad es crucial, porque diferentes personas y escenarios tienen diferentes requisitos de privacidad.

¿Qué significa esto para los productos de IA?

La historia de Littlebird me hizo reconsiderar cómo deben ser los productos de IA. En mi opinión, este producto refleja varias ideas clave que todos los desarrolladores de IA deberían tener en cuenta.

Primero, la importancia del contexto. Lenny Rachitsky, inversor en Littlebird, dijo una frase que comparto: “La calidad de la IA depende del contexto que tiene, y actualmente no sabe mucho sobre tu día.” Esa frase resume el problema central de los productos de IA actuales. Hemos estado optimizando modelos y algoritmos, pero olvidamos un hecho básico: por muy inteligente que sea la IA, si no entiende tu situación específica, no puede ofrecer respuestas realmente útiles.

Esto me recuerda un error común en el desarrollo de productos de IA. Muchas veces, los equipos intentan construir sistemas complejos de RAG (retrieval-augmented generation), que acceden a múltiples fuentes de datos. Esa estrategia no está mal, pero el método puede ser equivocado. En lugar de que el usuario suba documentos o autorice acceso a varias aplicaciones, ¿por qué no hacer que la IA observe activamente el trabajo del usuario? La tecnología de lectura de pantalla de Littlebird, en esencia, es una forma pasiva pero completa de recopilar contexto, mucho más efectiva que conexiones dispersas y activas.

El segundo punto clave es encontrar un caso de uso “killer”. Rachitsky dice que el éxito a largo plazo de Littlebird depende de identificar ese escenario imprescindible. Él menciona que muchas personas ya han encontrado su propio caso de uso, y los equipos están enfocados en esas nuevas aplicaciones emergentes. Es un enfoque muy práctico. Los equipos que hacen productos de IA a menudo caen en la trampa de querer hacer una herramienta “todo en uno”, que hace de todo pero no destaca en nada.

Rachitsky también comparte una filosofía de desarrollo interesante: “No sabrás realmente cómo usan las personas tu producto hasta que lo pongas en marcha. La estrategia es lanzarlo pronto, ver cómo lo usan, y enfocar recursos en esos escenarios, en lugar de perfeccionarlo todo antes de lanzar.” Esto contrasta con el desarrollo tradicional, que enfatiza planificación, diseño y perfeccionamiento previo. En productos de IA, la experimentación continua es la norma, porque los límites de la capacidad son difusos y los usuarios descubren usos imprevistos.

Las opiniones de inversores muestran que diferentes usuarios encuentran escenarios muy diversos. Russ Heddleston, cofundador y CEO de DocSend, dice que usa la herramienta para reescribir el sitio web de su empresa, integrando contexto de reuniones, correos y Notion. Gokul Rajaram, exjefe de producto de Google y Facebook, dice que elimina fricciones en la memoria, búsqueda y reinterpretación del trabajo propio. Rachitsky comenta que pregunta cómo la herramienta puede mejorar la productividad y la felicidad en el trabajo.

Estos casos de uso son muy variados, desde redactar textos de marketing hasta optimizar la productividad personal, pero todos se basan en una misma capacidad: la comprensión profunda del usuario por parte de la IA. Esto valida la hipótesis central de Littlebird: cuando la IA realmente entiende tu contexto, los escenarios de aplicación surgen naturalmente, sin que el equipo tenga que planificarlos todos de antemano.

El tercer aprendizaje es la delicada cuestión del posicionamiento del producto. Littlebird se presenta como “el futuro de la computadora silenciosa”. Es una descripción poética, pero muy precisa. La mayoría de las IA actuales compiten por captar tu atención, con notificaciones, recordatorios y empujes constantes. Littlebird, en cambio, trabaja en segundo plano, solo aparece cuando lo necesitas. Esa cualidad de “silencioso” puede ser una característica inevitable del AI con todo el contexto. Si una IA realmente te comprende, no necesita interrumpirte continuamente para obtener información, sino que puede aprender y prepararse en silencio.

El modelo de negocio actual de Littlebird es gratuito, con funciones premium desde 20 dólares mensuales. Es un precio razonable, considerando el valor que ofrece. Si realmente ahorra medio día a la semana, 20 dólares al mes es una inversión muy rentable. Pero me pregunto si, con el tiempo, el modelo cambiará: ¿versiones empresariales? ¿funciones de colaboración en equipo? ¿nuevas funcionalidades que aún no imaginamos?

Reflexiones futuras

Tras experimentar con el concepto de Littlebird, empiezo a pensar en una cuestión más grande: ¿cómo debería ser el asistente de IA del futuro?

Creo que estamos en una transición de “IA herramienta” a “IA compañero”. La IA herramienta, como ChatGPT, se abre cuando la necesitas y se cierra cuando terminas. La IA compañero, como Littlebird, está siempre a tu lado, entendiendo tu trabajo y vida, y ofreciendo ayuda proactivamente. No es una cuestión de capacidad, sino de relación.

Este cambio traerá transformaciones interesantes. Por ejemplo, quizás ya no necesitemos tantos diferentes asistentes de IA. Hoy existen muchas aplicaciones: asistentes de escritura, de código, análisis de datos, reuniones. Pero si una IA realmente comprende todo tu trabajo, podría ofrecer ayuda consistente en diferentes escenarios, sin cambiar de herramienta.

Otra consecuencia es que la ingeniería de prompts podría volverse menos relevante. Ahora dedicamos mucho tiempo a aprender a escribir buenos prompts, a dar suficiente contexto, a guiar a la IA. Pero si la IA ya tiene todo el contexto, quizás solo sea necesario expresar la intención de forma simple. Como hablar con un asistente humano: no necesitas explicar cada vez todo el trasfondo, porque ya lo sabe.

Pero esta IA con todo el contexto también trae nuevos desafíos. Uno es la adaptación psicológica. Saber que una IA te observa continuamente puede generar incomodidad, incluso si racionalmente sabes que es seguro. Es como tener un colega que siempre está mirando tu pantalla. Necesitaremos tiempo para acostumbrarnos a esta nueva relación laboral.

Otro desafío es la dependencia. Si dependemos de la IA para recordar todo, organizar todo y preparar reuniones, ¿no se deteriorarán nuestras habilidades de memoria y organización? Es como el GPS y la orientación: muchas personas ya no saben orientarse sin ayuda. La IA asistente podría tener un efecto similar.

Desde la perspectiva del sector, creo que Littlebird representa la aparición de una nueva categoría de producto: no solo grabadores de reuniones o buscadores de documentos, sino “asistentes de IA con todo el contexto”. La clave será: observación continua, comprensión integral y servicio proactivo. Espero que más empresas entren en este campo, compitiendo en dimensiones como: qué tan completo es su contexto, qué tan precisa su comprensión, y qué tan confiable es su protección de privacidad.

La ronda de 11 millones de dólares de Littlebird es solo el comienzo. Los inversores incluyen expertos en producto, diseño y contenido, que además son usuarios intensivos y pueden aportar feedback y escenarios. Esta estructura de inversión, con usuarios activos en el equipo, puede ser más valiosa que solo el dinero.

Estoy muy interesado en ver cómo evoluciona Littlebird. ¿Se expandirá a Windows y otras plataformas? ¿Lanzará versiones para empresas, compartiendo contexto en equipo? ¿Desarrollará funciones que aún no imaginamos? Lo más importante: ¿logrará encontrar ese caso de uso “killer” que haga que la gente diga “sin esto no puedo trabajar”?

Green, al anunciar la financiación, dijo: “¿Es posible construir una IA que realmente te entienda? Creemos que sí, y queremos mostrártelo.” Es una promesa y un desafío. Littlebird todavía está en etapas tempranas, en constante desarrollo, un proyecto de investigación en marcha. No siempre capturará cada detalle correctamente, a veces olvidará que un colega está de vacaciones o que un proyecto ya terminó. Pero te sorprenderá cuánto puede entenderte.

Creo que la IA con todo el contexto será el camino del futuro. No solo por la tecnología, sino porque esa es la verdadera forma en que la IA debe ser. La promesa de la IA es hacernos más eficientes, enfocados y creativos. Pero si requiere mucho mantenimiento y entrada manual, rompe esa promesa. Solo cuando la IA realmente nos entienda y se adapte a nosotros, podrá ser esa “bicicleta del pensamiento” que nos ayude a pedalear más rápido y lejos.