El Apple Watch que escucha siempre y borra el audio al instante
Siri Recap del Apple Watch Ultra 4 resume conversaciones ambientales sin transcripción visible y borra el audio original tras procesarlo.
Escuchar siempre, resumir sin transcripción y borrar el audio original
Una periodista de The Verge pasó dos semanas usando la función Siri Recap de Apple en su Apple Watch Ultra 4, el wearable que escucha de forma ambiental las conversaciones de su dueño y las convierte en resúmenes de texto. La conclusión del trabajo de campo no es un veredicto sobre la capacidad del modelo, sino sobre el precio que hay que pagar para obtenerla: la sensación de que la función no compensa.
La idea es sencilla y, sobre el papel, muy útil. La función no está activada por defecto: el usuario tiene que habilitarla explícitamente y además programar en qué momentos debe escuchar, por ejemplo únicamente en la oficina de 1 a 2 de la tarde de lunes a viernes. Todo lo que se genera se autodestruye pasado un plazo que el propio usuario elige entre uno, tres o siete días, salvo que lo guarde de forma deliberada.
Lo que más llama la atención es el diseño de la privacidad. En los resúmenes no hay ninguna transcripción visible que indique quién dijo qué y cuándo. Tampoco se guarda ningún archivo de audio original: la grabación se procesa y se elimina de inmediato en un enclave seguro dentro del chip S11 del Apple Watch de 2026, al que ni la propia Apple ni terceros pueden acceder. La mayor parte del procesamiento ocurre de forma local en el propio reloj y lo que llega a la nube viaja a través de Private Cloud Compute.
Esa arquitectura tiene una consecuencia práctica que la periodista cita como requisito de hardware: al necesitar ese chip concreto, la función es imposible de usar en Apple Watch anteriores. Por el lado contrario, el audio se captura sin ningún aviso visible, ni indicador luminoso ni sonido de aviso, a diferencia de la función Live Rewind. Es decir, quien decide si la conversación se graba es el usuario, y avisar a los demás queda como una tarea social y no técnica.
El reverso de esa protección es el problema. Al no entrenar con la voz del usuario, Siri no aprende a distinguir si realmente se está manteniendo una conversación o si el audio que capta es, por ejemplo, un vídeo de TikTok reproducido en el móvil. En las pruebas, el reloj resumió un vídeo sobre una creadora enferma con sepsis como si el propio usuario o alguien cercano hubiera ido a urgencias. Otro vídeo, con un hilo de Reddit sobre una historia de infidelidad, se convirtió en un resumen que parecía el relato de un usuario que vuelve a casa a las tres de la mañana. La falta de atribución convertía los resúmenes en algo confuso y a veces cómico.
Para la periodista existe un rodeo simple: Siri Recap se desactiva automáticamente si el usuario lleva auriculares, de modo que basta con ponerse los AirPods para evitar que se resuman podcasts, audiolibros o programas de televisión. Es un ajuste muy fácil, pero apunta a algo más profundo: para que la función sirva, el usuario tiene que modificar su propio comportamiento de escucha.
La segunda limitación es la falta de criterio sobre qué merece recordarse. En una reunión de trabajo con clientes, el resumen destacó las cifras, las fechas y los datos concretos, y dejó fuera la anécdota personal y las opiniones fuertes que para la periodista eran precisamente lo interesante. En conversaciones familiares, en cambio, el tono descafeinado del modelo resultaba bruto: el resumen de una discusión con su pareja sobre recomendaciones de películas terminó siendo «buscando medios que no generen ansiedad», y el de una pelea de veinte minutos con un familiar sobre detectores de humo con cable frente a detectores con pilas quedó resumida en un esquema de puntos.
El problema de fondo es la falta de contexto conversacional. En ocasiones Siri acierta a intuir que una broma o una queja de un amigo es irrelevante y la omite; en otras produce un resumen plano y sin contexto de los chistes o de las desahogas de sus amigos, con un tono que la periodista describe como el de una Regina George de Mean Girls elaborando un Burn Book generado por IA. Esa inconsistencia es la que hace que delegar en la IA las decisiones sobre qué merece recordarse resulte inquietante.
La comparación con el Amazon Bee Frontier, el wearable rival probado durante el mismo mes, es reveladora. El Bee guarda transcripciones completas de todo lo que se dice, lo que la periodista considera mucho más útil en lo práctico, pero también mucho más invasivo. Al ver el material en bruto de su propio Bee, llegó a la conclusión de que no es la forma en que se debe vivir, y borró todos los datos. Con el Apple, en cambio, de más de 50 resúmenes generados, está segura de que el 90 % sería indescifrable para cualquier persona que no fuera ella.
El veredicto final es doble. Por un lado, la función no le resultó útil fuera de algunos escenarios laborales. Por otro, no le preocupa que alguien espíe sus resúmenes. Y la pregunta que se hace al final es la que más importa: si el objetivo es recordar mejor o estar más presente, la tecnología nunca ha estado exenta de esa función de tomar notas, y cada época ha tenido su forma de hacerla.
- Siri Recap del Apple Watch Ultra 4 resume conversaciones ambientales sin transcripción visible y borra el audio original tras procesarlo.
- El chip S11 del Apple Watch de 2026 incluye un enclave seguro que Apple no puede acceder; solo el Watch con ese chip puede usar la función.
- Los resúmenes se autodestruyen a uno, tres o siete días salvo que el usuario los guarde, y la escucha se programa por franjas y horarios.
- Sin entrenar con la voz del usuario, Siri confunde sonidos de vídeos con conversaciones reales y pierde el matiz de lo que se dijo.
- La periodista prefirió el enfoque de Apple al del Amazon Bee Frontier, que guarda transcripciones completas, y borró los datos del Bee.
Desde el punto de vista de un técnico de redes y telecomunicaciones, esta noticia importa menos por lo que hace el modelo que por la arquitectura de privacidad que hay detrás, y por un detalle de arquitectura que conviene mirar con lupa: el audio se procesa y se borra en el propio dispositivo, sin indicador visible de grabación, y solo una fracción mínima llega a la nube a través de Private Cloud Compute.
Eso es un avance real en el tratamiento de datos en el borde, pero también un recordatorio de que la privacidad ya no es una propiedad del software, sino del silicio y de quién decide el diseño de la cadena. Cuando el enclave seguro vive dentro del chip, la garantía de que nadie más accede al audio pasa a depender de una implementación de hardware que el usuario no puede auditar y que Apple no documenta en detalle. La promesa es razonable; la confianza, sin embargo, hay que depositarla.
El segundo punto que me interesa es más de redes que de IA: la función se apaga sola cuando el usuario lleva auriculares. Es un detalle de diseño que revela que el wearable está capturando audio en el aire de forma continua y que la segmentación se hace en el cliente, no en la nube. En un entorno corporativo eso significa que la superficie de captura es física y no está gobernada por ninguna política de red: no hay ningún cortafuegos que pueda filtrar una conversación: basta con que haya un reloj en la muñeca.
Mi lectura final es esceptica pero no negativa. La tecnología de resumen conversacional va a mejorar y va a entrar en los flujos de trabajo. Lo que no va a mejorar es el problema de fondo que describe la periodista: la IA no sabe qué merece la pena recordar, y cuando alguien externo tiene esa información en una conversación, el resultado no es un archivo, es un resumen sin atribución que puede decir cualquier cosa. Para un ingeniero, la lección es que conviene seguir tratando el audio ambiental como el dato más sensible que existe, y no como una función más de un reloj.
Referencia y documentación original: The Verge.
https://www.theverge.com/tech/1037100/apple-siri-recap-audio-intelligence-hands-on