Transcribir reuniones con IA: cómo comprobar que el acta no inventa acuerdos

Un acta asistida por inteligencia artificial puede ahorrar tiempo al ordenar una conversación. Que una frase suene segura no confirma que el audio la recoja bien, que la dijera la persona atribuida ni que el grupo aprobara el resumen. Audio, transcripción y acta son documentos distintos; cada paso puede introducir errores.

Esta guía explica cómo comprobar nombres, cifras, negaciones, decisiones y tareas antes de compartir un acta. Gaia no ha realizado una comparación de aplicaciones ni una reunión de prueba; las recomendaciones se apoyan en fuentes públicas y estudios con conjuntos de datos concretos. Si tu organización quiere evaluar una herramienta, usa el protocolo para registrar qué has comprobado y qué sigue pendiente.

Sobre la portada. Ilustración conceptual generada para Gaia Genius Hub; representa un flujo abstracto de voz, transcripción y revisión. No muestra una reunión real ni una prueba de una herramienta.

Un resumen útil no es todavía un acta

Conviene separar cuatro objetos. El audio fuente conserva lo que se grabó, con sus límites: puede haber ruido, cortes o voces difíciles de distinguir. La transcripción intenta convertir el sonido en palabras. La atribución de hablantes intenta asignar cada turno a una persona. El resumen selecciona y reorganiza partes para que se lean más rápido. Que una etapa parezca correcta no valida automáticamente las siguientes.

Una transcripción puede confundir un nombre propio, una cantidad o una negación. Un resumen puede omitir una condición, borrar un desacuerdo o presentar una posibilidad como una decisión. Al revisar el resultado, rastrea cada afirmación que cambie lo que alguien debe hacer hasta un fragmento de audio o una confirmación documentada.

La palabra «acta» también puede tener un significado formal distinto según el tipo de reunión y la organización. Aquí se utiliza para una minuta de trabajo. Si necesitas un acta societaria, administrativa, laboral o sujeta a reglas internas, comprueba además los requisitos que correspondan; este protocolo editorial no los sustituye.

Qué puede salir mal al pasar de voz a texto

Un modelo de reconocimiento automático del habla puede producir palabras plausibles aunque el audio sea difícil. En un trabajo de 2024, Rita Frieske y Bertram Shi estudian un tipo específico de salida fluida pero semánticamente desconectada de la voz original, y explican por qué una puntuación convencional como la tasa de error por palabras no siempre distingue esos casos en sus experimentos. Los autores investigan perturbaciones de audio y modelos concretos; el resultado sirve como advertencia metodológica, no como porcentaje de fallos de todas las aplicaciones comerciales.

El resumen añade otro riesgo: puede conservar el tema general y perder los detalles que hacen ejecutable una decisión. El estudio de Kirstein, Wahle, Ruas y Gipp sobre métricas automáticas para resúmenes de reuniones comparó sus puntuaciones con evaluaciones humanas y una taxonomía de errores sobre datos QMSum. Sus autores encontraron correlaciones débiles o moderadas y casos en los que algunas métricas no reflejaban errores observables. La conclusión está limitada a los modelos, datos y métricas evaluados; no demuestra que toda métrica o todo resumen automático sea inútil.

Usa las métricas de la herramienta como señales para priorizar la revisión. No certifican que el contenido sea fiel. Comprueba nombres poco habituales, fechas, negaciones y atribuciones aunque la aplicación muestre una confianza alta.

Un protocolo de siete comprobaciones

1. Conserva una referencia y una versión

Antes de corregir, identifica qué audio se transcribió, la fecha de la reunión, la herramienta y la versión del borrador. Mantén el archivo original separado del texto generado y limita quién puede acceder a él. Si el audio no se puede conservar por una razón legítima o por una política interna, registra cómo se revisó el texto y qué limitaciones tuvo esa revisión; no prometas una trazabilidad que ya no existe.

2. Revisa nombres y turnos de palabra

Comprueba en el audio los nombres de personas, equipos, empresas, productos y lugares. La identificación automática de hablantes es una estimación, no una prueba de identidad. Si no se distingue quién habló, deja el turno como «persona sin identificar» o «atribución pendiente» en lugar de adjudicárselo a quien parecía más probable. Corrige después cualquier error de atribución que pueda cambiar la responsabilidad o el sentido de una intervención.

3. Verifica números, fechas y unidades

Vuelve al fragmento original para revisar cantidades, porcentajes, divisas, fechas, horas, plazos, versiones y unidades. «Quince» y «cincuenta» pueden sonar parecidos en una grabación comprimida; una fecha pronunciada en voz alta puede quedar ambigua entre día y mes. En el acta, escribe la unidad y el contexto cuando sean necesarios. Si dos personas recuerdan cifras diferentes, no elijas una por intuición: deja constancia de la discrepancia y pide confirmación.

4. Escucha negaciones, condiciones y matices

Busca expresiones que cambian la fuerza de una frase: «no», «todavía», «quizá», «si se aprueba», «solo si», «en principio» o «lo revisamos». Un resumen que borra una de ellas puede convertir una hipótesis en compromiso. Comprueba también las correcciones que el propio hablante hace en la misma intervención y las respuestas que modifican la propuesta.

5. Separa decisiones, propuestas, tareas y asuntos abiertos

Una idea planteada no equivale a una aprobación. Una conversación sobre una tarea tampoco confirma que alguien la aceptara. Marca cada elemento por su estado y conserva la formulación original cuando la decisión dependa de una condición. Los ejemplos de los diagramas son ficticios; no reproducen una reunión de Gaia.

6. Confirma responsables y plazos

Para una tarea, busca tres cosas: qué se hará, quién aceptó hacerlo y para cuándo. Si el audio solo contiene «alguien lo revisa», no inventes un responsable. Si se menciona una fecha sin año o sin zona horaria y eso importa, consúltala antes de compartir. Si la responsabilidad quedó abierta, escribe «responsable pendiente» y asigna la confirmación a la persona que coordina el acta, no a un nombre deducido por el modelo.

7. Obtén una revisión humana y guarda las correcciones

Quien aprueba el acta debería poder reconocer lo que se decidió y detectar aquello que el resumen dejó fuera. En temas sensibles, pide a la persona que intervino que confirme su propio compromiso o dato. Conserva una nota breve de los cambios relevantes: qué se corrigió, cuál era la fuente y quién validó la versión final. Si no es posible resolver una frase, señálala como dudosa o elimínala del apartado de decisiones; no dejes que la seguridad del estilo tape la incertidumbre de la fuente.

Una plantilla breve para contrastar cada afirmación

Registra qué fragmento respalda cada frase y qué queda pendiente en estas columnas. Puedes trasladarlas a la herramienta autorizada por tu organización:

La marca de tiempo es orientativa: no la incluyas si el reproductor no permite localizar ese tramo con precisión. La tabla tampoco sustituye una política de acceso o conservación. Su función es mantener cerca de cada afirmación el rastro de cómo se comprobó.

Privacidad: decide antes de pulsar «grabar»

La voz puede identificar a alguien según el contexto y la información disponible; no hace falta que aparezca su nombre en la transcripción para que el contenido pueda referirse a una persona. La Delegada de Protección de Datos de la Universidad de Zaragoza, al resumir las orientaciones de la AEPD, distingue la transcripción de un posible uso posterior de las voces para entrenar o ajustar modelos: son finalidades que no deben darse por supuestas como una sola. La Agencia ha publicado además una continuación sobre responsabilidades, derechos y transparencia.

Antes de usar un servicio, define qué finalidad tiene la grabación y qué base jurídica podría aplicarse en tu situación. El RGPD contempla varias bases de licitud; este artículo no decide cuál corresponde a una organización. Informa a las personas de forma adecuada, minimiza lo que grabas y revisa el servicio contratado: conservación de audio y texto, usos adicionales, confidencialidad, seguridad, subencargados, ubicación de los datos y condiciones para borrar o recuperar la información. Para el tratamiento por cuenta de una organización, el artículo 28 del RGPD regula las garantías y el contrato con el encargado.

La lista sirve para preparar preguntas; no determina qué obligación ni base jurídica corresponde a un caso concreto. La AEPD aborda las implicaciones de protección de datos de la transcripción de voz con IA; su segunda parte trata responsabilidad, derechos y transparencia. Contrasta el caso con el texto oficial del RGPD publicado en el BOE y con la persona delegada de protección de datos o el asesoramiento jurídico que corresponda. Si el contenido incluye salud, información laboral, estrategias, datos de clientes o secretos comerciales, valora si es necesario grabarlo y si puede revisarse sin subirlo a un proveedor externo.

Para revisar qué datos subir a un chatbot, consulta nuestra guía sobre información que conviene no compartir. Una grabación completa puede incluir mucho más contexto que el fragmento necesario para comprobar una frase.

Si quieres comparar herramientas, diseña una prueba honesta

Si tu equipo quiere evaluar una herramienta, empieza por comprobar que la grabación está permitida y que las personas conocen su propósito y tratamiento. Usa una conversación de bajo riesgo y evita incluir datos reales innecesarios. Define los criterios antes de empezar: omisiones, nombres, cifras, negaciones, atribución de turnos, decisiones, tareas y facilidad para corregir. Conserva el audio de referencia solo durante el plazo que hayas justificado.

Compara el resultado con una transcripción revisada por una persona, no con la memoria de quien asistió. Registra la versión del producto, idioma, calidad del audio, micrófonos, duración, número de hablantes y configuración. Para cada sistema, cuenta errores por categoría con un criterio común y anota si se corrigieron fácilmente. Una prueba pequeña describe esa muestra, no garantiza el mismo comportamiento con otra sala, acento, proveedor o reunión. Si no puedes controlar esas variables, presenta tus observaciones como exploratorias.

Automatiza el primer borrador, pero verifica manualmente cada afirmación que cambie compromisos, derechos, dinero o responsabilidades. Si no puedes localizarla en el audio o confirmarla con las personas implicadas, déjala abierta en el acta.

Fuentes y agradecimientos

• Agencia Española de Protección de Datos, «Transcripción de voz con IA: implicaciones para la protección de datos», enero de 2026.
• Agencia Española de Protección de Datos, «Transcripción de voz con IA (II): responsabilidad, derechos y transparencia», abril de 2026.
• Delegada de Protección de Datos de la Universidad de Zaragoza, «Transcripción de voz con IA e implicaciones para la protección de datos».
• Unión Europea, Reglamento (UE) 2016/679, texto español publicado en el BOE.
• Rita Frieske y Bertram E. Shi, «Hallucinations in Neural Automatic Speech Recognition: Identifying Errors and Hallucinatory Models», 2024.
• Frederic Kirstein, Jan Philip Wahle, Terry Ruas y Bela Gipp, «What’s under the hood: Investigating Automatic Metrics on Meeting Summarization», Findings of EMNLP 2024.
• R. Henrik Nilsson, fotografía de la grabadora Olympus VN-120, CC BY 4.0; y Abbas Firthous, fotografía de una plenaria en la sede de Naciones Unidas, CC BY 4.0. Ambas se adaptaron en tamaño y formato para su publicación.

Agradecemos a la AEPD, a la Delegada de Protección de Datos de la Universidad de Zaragoza, al BOE y a los autores de los estudios que hayan publicado materiales útiles para revisar estas cuestiones. También agradecemos a R. Henrik Nilsson y Abbas Firthous la publicación de sus fotografías con licencias que permiten reutilizarlas con atribución. Ninguna de estas entidades, personas o autores ha participado en la preparación de esta guía ni avala a Gaia Genius Hub.