«4× más rápido que escribir»: qué mide de verdad esa cifra
Todas las apps de dictado prometen lo mismo. Medimos qué hay detrás del número y qué queda fuera de la cuenta.
Si miras cualquier app de dictado por voz vas a encontrar la misma promesa: cuatro veces más rápido que escribir. A veces tres, a veces cinco. La cifra viene de una comparación real, pero mide menos de lo que parece.
De dónde sale el número
La cuenta es esta: una persona escribe a unas 45 palabras por minuto y habla a unas 200. Divides, redondeas, y tienes el titular.
Es cierto y es verificable. Pero mide velocidad de entrada, no tiempo de tarea. Y esas dos cosas se parecen solo cuando lo que dictas es exactamente lo que querías escribir.
Lo que la cuenta deja fuera
Cuando dictas para un correo o para un agente, casi nunca sale a la primera lo que necesitabas. Sale desordenado, con muletillas, con la idea al final en vez de al principio. Eso está bien —hablar es así— pero el texto que sale de la transcripción todavía no es el texto que ibas a mandar.
Entre el «hablé rápido» y el «ya está listo» quedan tres cosas que ninguna cuenta de palabras por minuto incluye:
- Lo que tarda el modelo en convertirlo, si es que hay conversión
- Lo que tardas en revisarlo, que depende de cuánto confíes en el resultado
- Lo que tardas en corregirlo cuando la transcripción se comió una palabra
Lo que medimos nosotros
Tomamos un dictado real del historial de la app —no uno escrito para la ocasión— y contamos qué salió las ocho veces que lo pasamos por la plantilla de prompt para agente. Este es el dictado, tal cual quedó transcrito:
«Necesito que arregles el login porque al cerrar sesión no se borra el token del localStorage y el siguiente usuario ve los datos del anterior. Hazme un test que compruebe que después de cerrar sesión y volver a entrar no queden datos del usuario anterior. Y pásame el código con el test.»
| Medición | Resultado |
|---|---|
| Palabras dictadas | 52 |
| Corridas del mismo dictado | 8 |
| Palabras del prompt resultante | 62 – 93 (mediana 89) |
| Secciones generadas | 4 en seis corridas, 3 en dos |
Lo que esos números sí dicen
El texto crece, y no siempre lo mismo. 52 palabras dictadas producen entre 62 y 93 estructuradas. No es que el modelo invente: reordena lo dicho y lo reparte en secciones, y esa estructura ocupa más. Pero entre la corrida más corta y la más larga hay 31 palabras de diferencia —más de la mitad del dictado original—, así que un promedio único describiría mal lo que pasa de verdad.
La estructura se sostiene; el largo no. Las ocho corridas produjeron siempre Objetivo y Contexto. Las dos más cortas omitieron «Restricciones y criterios de aceptación», que es lo que corresponde cuando el dictado no da para llenarla, pero significa que no puedes dar por hecho que esa sección aparezca.
Y el formato varía. La mitad de las corridas devolvió los encabezados en markdown y la otra mitad en texto plano. Para pegar en un agente da lo mismo; para pegar en un documento, no. Lo decimos porque nadie lo publica.
Lo que no medimos, y por qué lo decimos
No cronometramos el tiempo total de tarea. Para eso habría que sentar a varias personas a hacer el mismo trabajo dictando y escribiendo, y comparar de principio a fin. Es el número que de verdad importa y es el que nadie publica, nosotros incluidos.
No medimos la latencia de conversión. La app no la registra, así que cualquier cifra que diéramos sería de memoria. Se siente en pantalla —por eso el panel muestra un indicador en vez de fingir que no pasa nada— pero hasta que la instrumentemos no le vamos a poner un número.
No medimos el tiempo de revisión. Depende de cada persona y de cuánto confíe en lo que ve.
Así que no vas a encontrar un «4× más rápido» en esta página. Cuando tengamos esa medición hecha con gente de verdad, la publicamos con el método completo para que cualquiera pueda repetirla.
Qué hacer con esto
Si estás comparando apps de dictado, la cifra de velocidad te dice poco: todas usan la misma cuenta y a todas les sale parecido. Las preguntas que sí distinguen unas de otras son otras tres:
- ¿El audio sale de tu equipo o se procesa local?
- ¿Puedes ver el resultado antes de que se pegue en algún lado?
- ¿Cuánto tarda en volver, y te lo dice mientras esperas?
Esas tienen respuestas distintas según el producto. La velocidad de habla, no.