Los asistentes en la nube para reuniones como Otter.ai, Fireflies o el propio Zoom AI integrado se han convertido en herramientas de trabajo habituales: entran como un bot a la llamada, graban la conversación, generan la transcripción y envían un breve resumen. Pero en cuanto tu trabajo roza secretos comerciales, código fuente cerrado, datos médicos o litigios legales, el equipo de seguridad de la empresa te corta el grifo al instante. Y con toda la razón: enviar en streaming el audio en directo del micrófono de una reunión confidencial a servidores en la nube de terceros supone un riesgo catastrófico de fuga y una violación directa de normativas (GDPR, HIPAA).
La división especializada Google AI Edge ha lanzado la aplicación experimental Foresight para macOS, que resuelve este dilema con elegancia y sin concesiones: es un asistente completo para reuniones que funciona al 100 % en local, sin conexión y directamente en tu Mac.
El tándem EmbeddingGemma 2 y Gemma: cómo 740 millones de parámetros conectan voz y texto
El corazón de Foresight es el tándem arquitectónico de dos modelos ligeros abiertos de Google:
- EmbeddingGemma 2: un modelo multimodal de embeddings ultracompacto de apenas 740 millones de parámetros. Proyecta fragmentos de habla reconocida, notas de texto y archivos en un único espacio vectorial de 768 dimensiones.
- Gemma 2 (variantes de 2B y 9B parámetros): un modelo generativo compacto encargado de la síntesis semántica, la extracción de tareas y la redacción de resúmenes coherentes.
Una función brillante de Foresight es su manejo de notas rápidas en borrador (Shorthand Notes). Imagina una llamada intensa de hora y media. No tienes tiempo para redactar frases elaboradas, así que simplemente tecleas en la ventana de la app cuatro palabras: «Alexéi: aplazamiento lanzamiento base».
Foresight cruza esa breve anotación con el búfer de audio actual en memoria RAM, localiza el fragmento exacto de la discusión y expande tu apunte telegráfico en un párrafo completo del acta, detallando el contexto, los motivos del aplazamiento y los responsables.
Magia de hardware en Apple Neural Engine: carga cero en CPU y batería eterna
La gran victoria de ingeniería del SDK Google AI Edge es su optimización profunda para el silicio de Apple (chips de la serie M1–M4). Los modelos no se ejecutan en el procesador principal ni siquiera en la tarjeta gráfica, sino en los núcleos tensoriales del Apple Neural Engine (ANE) a través de la interfaz Metal Performance Shaders (MPS).
¿Qué te aporta esto en la práctica?
- Impacto nulo en el rendimiento: puedes estar compilando un proyecto pesado en Xcode o renderizando vídeo mientras Foresight redacta el acta en tiempo real; el portátil ni se calienta.
- Consumo energético mínimo: el acelerador por hardware ANE es tan eficiente que tomar notas durante horas apenas se nota en la batería del MacBook.
Aquí tienes un ejemplo de código para extraer vectores localmente mediante Google AI Edge SDK:
import numpy as np
from google_ai_edge import tflite_pipeline
class LocalEdgeRetriever:
def __init__(self, model_path="models/embedding_gemma_2_740m_fp16.tflite"):
self.interpreter = tflite_pipeline.Interpreter(
model_path=model_path,
experimental_delegates=[tflite_pipeline.load_delegate("libmetal_delegate.dylib")]
)
self.interpreter.allocate_tensors()
self.input_details = self.interpreter.get_input_details()
self.output_details = self.interpreter.get_output_details()
def get_embedding(self, text_chunk: str) -> np.ndarray:
input_data = self.preprocess(text_chunk)
self.interpreter.set_tensor(self.input_details[0]['index'], input_data)
self.interpreter.invoke()
raw_vec = self.interpreter.get_tensor(self.output_details[0]['index'])
return raw_vec / np.linalg.norm(raw_vec)
# Comprobación del vector local de 768 dimensiones
retriever = LocalEdgeRetriever()
vector = retriever.get_embedding("Plazos de migración de la pasarela de pago")
print(f"Dimensión del embedding local: {vector.shape}")
Y para montar y desplegar el entorno en macOS bastan un par de comandos:
# Instalación de dependencias de Google AI Edge e inicio del demonio en segundo plano Foresight
pip install google-ai-edge-torch && ./foresight-daemon --device ane --port 8989
Búsqueda local en archivos sin que salga un solo byte a la red
Además de levantar acta de la llamada en curso, Foresight se convierte en tu buscador local personal. Puedes preguntarle: «¿Qué discutimos con los diseñadores hace tres semanas sobre el onboarding?», y el modelo localizará en una fracción de segundo el fragmento exacto en la base local y te indicará el minuto preciso de la grabación de audio. Y todo ello con garantía absoluta de privacidad.


