Hay algo que une tres noticias aparecidas esta semana y que no tiene demasiado que ver con que la inteligencia artificial sea cada vez más capaz de generar cosas.

Recordar una conversación. Saber hacer un oficio. Encontrar una película.

Son prácticas humanas, situadas y relacionales. Las tres están empezando a convertirse en infraestructura computacional. Y las tres revelan una misma operación previa. Antes de automatizar una tarea, la máquina necesita volverla legible. Traducir aquello que era tácito, negociado o distribuido a un formato que pueda procesarse, almacenarse y consultarse.

No hace falta almacenar una grabación para transformar una interacción social en dato. No hace falta automatizar un oficio para extraerlo. No hace falta generar una imagen para decidir qué imaginarios llegan hasta nosotros.

La conversación que ya no se olvida

Apple presentó el 9 de septiembre Live Rewind y Siri Recap para los nuevos Apple Watch Series 12 y Ultra 4. La primera función permite recuperar como texto los últimos quince segundos de una conversación. La segunda genera títulos, resúmenes y puntos clave para poder consultar posteriormente lo ocurrido. Apple dice que ambas llegarán en beta a finales de 2026, inicialmente en inglés, y que no estarán disponibles en un primer momento en la Unión Europea.

Las funciones son opt-in. Apple señala además que Audio Intelligence no identifica a quienes hablan ni atribuye las intervenciones a personas concretas. La decisión de activar Siri Recap puede configurarse también mediante horarios o ubicaciones.

La compañía ha construido alrededor de estas funciones una arquitectura de privacidad explícita. El chip S11 incorpora Secure Exclave, un compartimento de hardware aislado donde se gestiona el audio bruto. Live Rewind realiza la transcripción en el propio reloj. En Siri Recap, el audio tampoco se almacena. Una vez procesado localmente, lo que se envía a Private Cloud Compute es el texto necesario para producir el resumen, no la grabación original. Los resultados guardados en la aplicación Siri se sincronizan mediante cifrado de extremo a extremo.

Cuando alguien activa Live Rewind, el reloj reproduce una señal sonora —incluso si está en silencio—, muestra una animación a pantalla completa e indica el uso del micrófono. El resultado tiene además una vida deliberadamente corta. Desaparece aproximadamente treinta segundos después de que la pantalla se atenúe.

Siri Recap introduce otra escala de memoria. Sus resúmenes se eliminan automáticamente a los siete días si no se guardan explícitamente. Durante esa ventana pueden consultarse y conservarse.

Es una solución sofisticada para la privacidad técnica. Pero deja abierta otra cuestión.

Una conversación pertenece a una relación, mientras que la decisión de convertirla en memoria computacional pertenece a quien lleva el reloj.

Aquí aparece una asimetría del recuerdo. Después de una conversación, una persona puede conservar una representación estructurada y recuperable de lo ocurrido mientras las demás dependen de su memoria biológica. No existe necesariamente una grabación. Existe algo distinto y más operativo en muchos contextos, un resumen que puede buscarse, consultarse y reutilizarse.

También existe una diferencia llamativa en la forma de señalizar ambas funciones. Apple documenta de manera explícita señales sonoras y visuales para Live Rewind. Para Siri Recap, que puede programarse para funcionar mediante horarios o ubicaciones, la documentación pública disponible hasta ahora no describe una señal equivalente dirigida a quienes participan en la conversación. Esto no permite concluir que no exista. Sí deja abierta una pregunta relevante. Una persona puede no disponer de un indicio comparable de que la conversación está siendo convertida en un resumen recuperable.

Live Rewind es probablemente la ruptura menor. Quince segundos se parecen todavía al “perdona, ¿qué has dicho?”. Siri Recap produce una memoria persistente y selectiva de la conversación.

Y esa memoria tampoco es neutral. Apple advierte que los textos y resúmenes generados pueden ser incompletos o incorrectos y recomienda confirmar la información importante con las personas implicadas. La memoria humana también falla, pero sus contradicciones suelen negociarse entre personas. Un resumen producido por un sistema introduce un tercer elemento en esa negociación, una representación que, por su apariencia técnica, puede presentarse como registro antes que como interpretación.

La memoria humana es defectuosa, pero esa imperfección no es solo un fallo. Permite la diplomacia, el perdón y la renegociación de lo vivido. Cuando una máquina resume una conversación, no solo la recuerda de otra manera. Introduce otra clase de autoridad en el recuerdo. Y esa autoridad no se reparte simétricamente entre quienes participaron.

La keynote ofrece además el marco conceptual. El nuevo CEO de Apple, John Ternus, presentó el iPhone como un “intelligent personal hub” y explicó que esa inteligencia puede trabajar con el calendario, las relaciones, las rutinas y algunos de los detalles más privados de la vida cotidiana. El reloj extiende ahora ese proyecto hacia aquello que ocurre alrededor del cuerpo, lo que se dice, lo que se escucha, lo que se responde. La conversación deja de ser solo un intercambio para convertirse también en un insumo del sistema.

La exclusión inicial de estas funciones en la Unión Europea convierte además el despliegue en una geografía regulatoria desigual. Apple no atribuye públicamente esta decisión, en la documentación citada aquí, a una norma concreta, por lo que establecer una causa jurídica específica sería prematuro. Pero la diferencia deja planteada una cuestión más amplia.

El consentimiento sigue pensándose como individual, aunque el dato proceda de una relación.

Referencias

Enseñar el oficio que la máquina intenta aprender

Durante años, una parte importante del trabajo invisible que permitió entrenar sistemas de inteligencia artificial consistió en clasificar imágenes, transcribir audios, moderar contenidos o asignar etiquetas. Rest of World documenta ahora otra fase en China.

Arquitectura, derecho, ingeniería, docencia, composición musical, periodismo o contabilidad están entrando en la economía de la anotación especializada.

Alibaba recluta perfiles expertos mediante Siriser, una plataforma de entrenamiento especializado. ByteDance afirma que Xpert ha incorporado a más de 50.000 personas expertas. Otras plataformas buscan perfiles profesionales muy diversos. La desaceleración económica y las dificultades laborales están empujando a parte de estas personas a utilizar esas tareas como fuente adicional de ingresos.

Lo importante es observar qué se les pide.

Deben diseñar situaciones realistas de trabajo, aportar documentos procedentes de su actividad profesional y describir sus propios procesos para que el modelo pueda aprender de ellos. También crean problemas que el sistema todavía no puede resolver y, en algunos casos, evalúan las respuestas obtenidas. No estamos únicamente ante entrenamiento. También se está comprando la capacidad humana de medir dónde termina la competencia de la máquina.

Hay aquí una operación más profunda que la simple transferencia de información. Durante años de práctica, quien ejerce una profesión acumula conocimiento que no está del todo en los manuales ni en los documentos. Incluye criterios de juicio, atajos, intuiciones sobre qué funciona y qué no, y la capacidad de saber cuándo una regla debe flexibilizarse. Ese saber tácito no se transmite fácilmente. Lo que estas plataformas piden es precisamente su explicitación. Aquello que se hace sin formularlo del todo debe convertirse en un enunciado que una máquina pueda procesar.

Las tareas pueden requerir varias horas y, según las personas entrevistadas, pagan entre 100 y 500 yuanes. El riesgo clásico de la economía de plataformas permanece intacto incluso cuando el trabajo exige conocimientos altamente especializados.

Una arquitecta de Shenzhen explica que construye tareas a partir de su trabajo real y enseña al modelo cómo elaborar propuestas de construcción o análisis de rentabilidad. Una profesional con máster en Derecho pide a los modelos que produzcan asesoramiento jurídico o redacten una sentencia y después evalúa sus respuestas.

El dato ya no es únicamente una fotografía, una frase o un documento. Es el esfuerzo por volver explícito aquello que durante años de práctica se había convertido en conocimiento tácito.

El dato es el oficio.

Eso introduce una paradoja. La precarización o pérdida de valor de determinadas profesiones puede convertir su conocimiento en una fuente complementaria de ingresos precisamente cuando las empresas tecnológicas necesitan ese conocimiento para desarrollar sistemas capaces de asumir partes del mismo trabajo.

También aparece una cuestión menos visible. Rest of World señala que las personas contratadas utilizan documentos derivados de trabajos reales, y una ingeniera entrevistada expresa preocupación por el posible mal uso de los archivos que entrega. Cuando la experiencia profesional pasa al dataset, la frontera entre conocimiento experto, documentación laboral y confidencialidad puede volverse difícil de mantener.

El fenómeno tampoco es exclusivamente chino. La investigación recuerda que plataformas estadounidenses como Mercor, Surge AI o Handshake también contratan perfiles especializados. Lo distintivo del caso chino parece ser la combinación de escala, salarios inferiores y un mercado laboral que proporciona una creciente cantera de conocimiento disponible.

La automatización avanzada no aparece mágicamente después de haber aprendido un oficio. Necesita primero que alguien que sabe hacerlo se siente delante de la máquina y le construya el examen.

Y la regla más conocida de la economía de plataformas sigue intacta. La plataforma que juzga la calidad de la tarea puede ser también la que decide si se paga.

Referencia

Cuando encontrar también se convierte en poder

Más de 200 representantes procedentes de más de 65 países participaron el 7 de septiembre en Saint-Paul-de-Vence en el primer Sommet Lumière, copresidido por Francia y Corea del Sur. El encuentro abordó el futuro del cine y de la imagen en movimiento en un contexto marcado por las plataformas, la inteligencia artificial y la transformación de los modelos económicos del sector.

La Déclaration Lumière comienza haciendo algo aparentemente extraño para una cumbre tecnológica. Intenta definir qué valor tiene una imagen.

Las obras audiovisuales son descritas como vehículos de emoción, memoria y conocimiento, capaces de producir transformación colectiva y cultura compartida. La declaración rechaza además reducir las imágenes a la atención que consiguen capturar.

Esa definición no es neutral. Si una imagen fuese simplemente una unidad de contenido compitiendo por atención, bastaría con dejar que el mercado y los algoritmos decidieran cuáles sobreviven. Considerarla parte de una memoria cultural permite justificar otra clase de intervención.

Y ahí aparece uno de los conceptos más interesantes del documento, la descubribilidad.

El principio sexto sostiene que, en un entorno de abundancia, conseguir que las obras puedan encontrarse, circular y llegar a sus públicos se ha vuelto tan importante como crearlas. Menciona explícitamente la inteligencia artificial agéntica y la posibilidad de que el acceso a las obras quede crecientemente mediado por agentes automatizados.

La cuestión deja entonces de ser si una IA puede fabricar una película.

También importa qué películas permitirá encontrar.

Durante décadas, una parte importante del poder cultural consistió en financiar, producir, distribuir y exhibir. Ahora aparece otra capa. Sistemas de recomendación, buscadores y agentes pueden interponerse entre una oferta cultural potencialmente gigantesca y quienes intentan acceder a ella.

No necesariamente prohibiendo obras.

Simplemente no encontrándolas.

La declaración general adopta una posición no prohibicionista ante la inteligencia artificial. Reconoce que puede contribuir a la creatividad, la innovación y la circulación de las obras, pero sitúa la creación humana en el centro y declara fundamental el respeto a la propiedad intelectual.

Conviene separar esto de las demandas más concretas recogidas por la SACD en torno a la declaración dedicada específicamente a inteligencia artificial. La organización destaca la exigencia de una remuneración justa para titulares de derechos cuyas obras se utilicen para entrenamiento, junto con mecanismos de transparencia y trazabilidad que permitan identificar los materiales empleados y los contenidos generados o asistidos por IA.

El Sommet Lumière tampoco quedó únicamente en una declaración de principios. Francia y Corea del Sur anunciaron el Partenariat Lumière, un fondo de 1.000 millones de euros entre 2027 y 2031, asumido a partes iguales por ambos países. Francia movilizará 500 millones de euros a través de Bpifrance y Corea del Sur un compromiso equivalente. El encuentro lanzó además IRIS —International Resilience Initiative for Independent Screens—, una iniciativa internacional orientada a reforzar las salas independientes y la circulación de obras.

Eso cambia ligeramente la pregunta. Ya no se trata solo de si existe voluntad política para intervenir. Se trata de qué capacidad efectiva tendrá esa arquitectura frente a plataformas y agentes privados que controlan la capa de acceso.

Porque la política cultural del futuro quizá no se juegue únicamente en quién puede producir una obra.

Puede jugarse en quién controla el camino que conduce hasta ella.

Referencias

Recordar, saber, encontrar

Las tres historias tensionan el mismo punto.

La unidad de consentimiento, compensación o decisión no coincide con la unidad en la que se produce el valor.

En Apple, una decisión individual transforma un bien relacional —la conversación— en memoria computacional. El consentimiento lo otorga quien lleva el reloj, pero el dato procede de una relación entre personas.

En el trabajo experto, una tarea pagada durante unas horas contribuye a un conocimiento que permanece agregado en el sistema mucho después de terminar la relación laboral. La compensación es micro y transaccional; el valor generado es macro y sistémico.

En Lumière, los Estados pueden definir principios culturales y financiar instrumentos de apoyo, mientras buena parte del poder efectivo para hacer visible una obra reside en capas privadas de recomendación, búsqueda y, cada vez más, agentes personales. La creación es cultural y colectiva; el control del acceso es infraestructural y opaco.

Durante mucho tiempo pensamos la inteligencia artificial como una máquina que aprendía a hacer cosas. Estas tres señales permiten verla desde otro lugar.

Antes de hacerlas, necesita convertir en legibles las prácticas humanas que las hacían posibles.

La conversación que se negociaba en la memoria compartida debe volverse texto recuperable. El saber que se acumulaba en años de oficio debe volverse enunciado procesable. La cultura que circulaba por caminos diversos debe volverse vector recomendable.

Y eso desplaza también la pregunta.

No solo importa si la máquina recordará bien una conversación, aprenderá correctamente un oficio o encontrará una buena película. Importa a quién podremos reclamar cuando el recuerdo, el oficio o el catálogo fallen.

La respuesta no es simétrica. En el reloj hay al menos un producto, una empresa y marcos regulatorios a los que dirigirse. En el trabajo experto, la plataforma que juzga la calidad de la tarea puede ser la misma que decide si se paga. En la descubribilidad cultural, una obra que deja de aparecer puede hacerlo sin producir un acto visible de exclusión ni dejar un responsable fácilmente identificable.

Quienes aportaron la materia prima —la conversación, el oficio, la obra— rara vez controlan por completo el resultado.

La inteligencia artificial no es solo una máquina que genera. Es, antes que eso, una maquinaria que vuelve legible.

Y lo legible, una vez producido, puede dejar de estar bajo el control de quienes lo hicieron posible.