La financiación de Ambi AI aporta 26 millones de dólares a un asistente que escucha siempre
La financiación de Ambi AI ha proporcionado a Mistlabs 26 millones de dólares para crear un asistente que escucha durante todo el día, recuerda el contexto y actúa antes de que los usuarios lo pidan. La empresa afirma que su software puede seguir conversaciones entre dispositivos Apple y mostrar información útil mientras los acontecimientos aún se desarrollan. Esa promesa genera un conflicto inmediato: una mejor asistencia exige un acceso más profundo a la vida privada.
El exejecutivo de Plaud Peter Mo dirige Mistlabs y ejerce como cofundador y CEO. Su nueva empresa va más allá de los resúmenes de reuniones hacia la inteligencia ambiental, es decir, software que interpreta continuamente su entorno. Sus primeras aplicaciones de Ambi son compatibles con iPhones, Macs y Apple Watches.
La apuesta mayor no es simplemente que la gente necesite otro tomador de notas con IA. Mistlabs cree que un asistente resulta más útil cuando conoce las conversaciones, el calendario, los documentos, las relaciones y el trabajo recurrente de una persona. Plaud, Apple, Granola, Otter y varios fabricantes de wearables exploran partes de ese mismo territorio.
La cuestión es si Ambi puede convertir el contexto continuo en ayuda oportuna sin hacer que todas las personas cercanas se sientan vigiladas. Esa tensión determinará si el producto se convierte en una capa de trabajo útil o en otro ambicioso experimento de wearable con IA.
La financiación de Ambi AI respalda software y un nuevo wearable
Los 26 millones de dólares importan porque Mistlabs financia tanto un producto de software disponible como una expansión de hardware más arriesgada.
Mistlabs anunció la financiación el 12 de octubre de 2026. Según la información inicial sobre la financiación de Ambi AI, la empresa recaudó el dinero a través de varias rondas. Luminous Ventures y el fabricante de diseño original Huaqin lideraron la inversión.
La empresa describe la financiación más reciente como una ronda Pre-A. Planea utilizar parte del capital para desarrollar un wearable independiente con micrófonos, una cámara, un altavoz y una pantalla. Ese dispositivo ofrecería a Ambi más formas de observar el entorno de un usuario y presentar información.
Ambi comienza con hardware Apple existente en lugar de esperar a ese dispositivo. Sus aplicaciones llegarán al iPhone, Apple Watch, Mac y MacBook. El software es compatible con dispositivos con iOS 18, según el anuncio de lanzamiento de la empresa.
Esa secuencia reduce una parte del riesgo de la startup. Mistlabs puede estudiar cómo las personas utilizan la asistencia ambiental antes de fabricar y distribuir hardware específico. También puede determinar si la memoria entre dispositivos genera suficiente valor como para justificar otro objeto en el cuerpo del usuario.
Las aplicaciones existentes pueden funcionar como tomadores de notas para reuniones, pero el modo Listening opcional de Ambi recopila contexto más allá de las llamadas programadas. El modo Recording guarda explícitamente el audio para su uso posterior. En cambio, el modo Listening admite transcripción en directo y contexto continuo mientras la función está en marcha.
Ambi aplica después ese contexto a lo que la empresa denomina Routines. Una Routine asigna trabajo recurrente a varios agentes de IA, que son procesos de software diseñados para gestionar tareas específicas. Mistlabs afirma que esos agentes pueden investigar a competidores, comprobar afirmaciones, organizar información y preparar material de seguimiento.
Pensemos en un gerente de producto que habla de competidores durante una reunión. Ambi podría transcribir la conversación mientras agentes independientes comparan productos y verifican información pública. Antes de que termine la reunión, el sistema podría preparar un borrador de propuesta en el Mac del usuario.
Ese ejemplo sigue siendo un escenario de la empresa, no un resultado medido de forma independiente. Aun así, muestra lo que Mistlabs quiere que inversores y usuarios entiendan. Se supone que el producto debe transformar el contexto capturado en trabajo mientras la conversación está ocurriendo.
Los asistentes tradicionales para reuniones suelen generar transcripciones, resúmenes y tareas pendientes después de una llamada. Ambi quiere acortar la distancia entre escuchar información y actuar en función de ella. El wearable previsto extiende ese enfoque a entornos en los que un portátil no está presente o resulta incómodo.
Mistlabs afirma que Ambi también puede continuar el trabajo después de una reunión. Podría detectar un dato que falta, reconocer un nuevo desarrollo o recordar al usuario que un proyecto requiere atención. La memoria permite que una misma tarea pase de un Mac a un teléfono y a un reloj.
La empresa cuenta con más de 50 empleados en San Francisco, Pekín, Shanghái y Shenzhen. Está contratando personal de comercialización e ingenieros que puedan trabajar en modelos de reconocimiento de voz. Esa presencia geográfica ofrece a Mistlabs acceso a experiencia en software y hardware, pero también hace que una gobernanza transparente de los datos sea especialmente importante.
Por qué la IA ambiental va más allá de las notas de reuniones
Ambi llega en un momento en que las empresas de IA compiten por controlar el contexto que los chatbots convencionales nunca ven.
Un chatbot normalmente conoce lo que un usuario escribe en una conversación y cualquier cosa que se le adjunta deliberadamente. Eso basta para responder preguntas, redactar texto o analizar un documento. Es menos útil para anticipar lo que alguien necesita durante una jornada laboral cambiante.
Los sistemas ambientales intentan cerrar esa brecha. Recopilan señales de conversaciones, calendarios, mensajes, pantallas, archivos y servicios conectados. Un modelo puede relacionar entonces una conversación actual con una decisión anterior o una tarea sin terminar.
Ese enfoque convierte el contexto en el activo central del producto. Los mejores modelos siguen siendo importantes, pero muchos desarrolladores de asistentes pueden acceder a modelos fundacionales similares. La distinción más difícil es si un producto conoce el historial del usuario y puede recuperar el detalle adecuado en el momento oportuno.
Mo exploró esta idea mientras trabajaba en Plaud. En su anterior filosofía sobre el contexto, sostuvo que los modelos de lenguaje necesitan contexto abundante y señales claras de intención humana. También rechazó la grabación indiscriminada las 24 horas porque inferir la intención después de la captura puede producir peores resultados.
Ambi se acerca más a la consciencia continua mientras conserva un control explícito para Listening. Eso supone un cambio significativo de énfasis. El asistente está diseñado para detectar situaciones sin requerir una nueva sesión de grabación para cada conversación.
El momento también refleja un movimiento más amplio en la IA de consumo. Los smartphones, relojes, ordenadores y wearables específicos admiten cada vez más la transcripción en directo y la memoria persistente. Apple ha añadido funciones de inteligencia de audio a su plataforma de relojes, mientras las startups siguen experimentando con colgantes y asistentes de escritorio conscientes de la pantalla.
Cada producto busca un límite viable. Demasiado poco contexto deja al asistente genérico y reactivo. Demasiada captura genera ansiedad, exposición legal, costes de procesamiento y grandes repositorios de información sensible.
El diseño multidispositivo de Ambi intenta hacer que el contexto sea portátil. Una tarea podría comenzar durante una conversación capturada por un reloj, continuar en un teléfono y aparecer más tarde en un Mac. El usuario no tendría que reconstruir la situación para cada dispositivo.
Esta es también la razón por la que los sistemas de conocimiento personal se han vuelto importantes. Un segundo cerebro útil hace más que acumular archivos. Debe conectar el trabajo actual con conversaciones, decisiones y material fuente previos sin abrumar al usuario.
Ambi añade una capa proactiva a ese concepto. En vez de esperar una búsqueda, intenta decidir cuándo importa el conocimiento almacenado. Esa decisión es técnicamente más difícil y socialmente más arriesgada que generar una transcripción.
Un asistente que interrumpe con demasiada frecuencia se convierte en ruido. Uno que espera demasiado ofrece poca mejora frente a la búsqueda convencional. Su valor depende de la relevancia, el momento y una comprensión precisa de los objetivos del usuario.
Mistlabs también imagina la comunicación entre agentes Ambi independientes. En una futura reunión, el agente de cada participante podría representar las prioridades de esa persona. Los agentes podrían identificar puntos en común, señalar desacuerdos y sugerir resultados aceptables.
La empresa afirma que esas interacciones funcionarían dentro de los permisos concedidos por los usuarios. Sin embargo, la negociación entre agentes está prevista para los próximos meses, por lo que su comportamiento aún no se ha establecido mediante un uso público amplio.
Si el concepto funciona, las reuniones podrían adquirir una segunda capa computacional. Las personas mantendrían la conversación visible mientras sus asistentes comparan contexto privado y evalúan posibles compromisos. Esa disposición exigiría controles claros sobre lo que cada agente puede revelar.
La idea también plantea cuestiones básicas de autoridad. Una sugerencia es distinta de una decisión, y una cuenta conectada no autoriza automáticamente una acción externa. Ambi tendrá que mantener claro ese límite a medida que pase de mostrar información a actuar por los usuarios.
Ambi frente a Plaud es en realidad IA proactiva frente a captura deliberada
La distinción más importante entre Ambi y Plaud no es el software frente al hardware, sino el contexto inferido frente a la grabación intencional.
Plaud construyó su identidad en torno a dispositivos de grabación específicos e inteligencia conversacional. Una persona activa una grabadora, captura una reunión y recibe una transcripción o un resumen después del procesamiento. La acción física ofrece una señal clara de que la conversación importa.
Ambi quiere reducir ese retraso. Mo dijo a TechCrunch que la inteligencia suele permanecer atrapada en una pantalla o llega solo después de grabar, transferir, subir y procesar. Mistlabs está diseñando su sistema para proporcionar orientación mientras un acontecimiento todavía se está desarrollando.
Eso hace que Ambi sea más proactivo, pero también elimina parte de la fricción útil. Pulsar un botón de grabación comunica la intención al producto y, a menudo, al usuario. La escucha persistente pide al software que determine qué momentos merecen atención.
La diferencia se hace visible en una reunión. Un tomador de notas convencional crea un registro e identifica tareas pendientes después. Ambi afirma que puede verificar datos, recuperar conocimiento previo y preparar material antes de que los participantes abandonen la sala.
Sus capacidades de escritorio previstas añaden otra fuente de contexto. Mistlabs afirma que la aplicación de escritorio observará la actividad laboral y guardará elementos importantes en la memoria. Esto acercaría a Ambi a asistentes conscientes de la pantalla como Littlebird y Minimi.
Una ventana de contexto más amplia puede mejorar la continuidad. El asistente podría conectar un compromiso verbal con un cambio en una hoja de cálculo o un correo electrónico anterior. También podría malinterpretar una idea inconclusa y conservar una inferencia inexacta.
La propia documentación de privacidad de Ambi reconoce que su memoria puede ser incompleta o errónea. La memoria puede contener preferencias, contexto recurrente, datos personales, historial de relaciones e información sobre otras personas. Los usuarios pueden solicitar correcciones o eliminaciones cuando sea necesario.
Ese reconocimiento importa porque los sistemas proactivos actúan según su interpretación de los acontecimientos. Un resumen de reunión defectuoso es inconveniente. Una memoria defectuosa utilizada para recomendar una acción puede influir en decisiones futuras sin hacer evidente el error original.
Mistlabs también debe demostrar que la asistencia en tiempo real mejora el trabajo en lugar de fragmentar la atención. La verificación de datos en directo parece útil durante una revisión de competidores. Las sugerencias constantes durante una negociación delicada podrían distraer a los participantes o condicionarlos a resultados inciertos del modelo.
Los casos de uso más sólidos probablemente tendrán límites identificables. La preparación de ventas, la investigación de productos, los seguimientos rutinarios y el seguimiento de proyectos contienen necesidades de información recurrentes. Los usuarios pueden juzgar si una alerta se conecta con un objetivo definido.
Los casos de uso más débiles pedirán a Ambi que interprete situaciones sociales ambiguas. El tono, el sarcasmo, la confidencialidad y la lluvia de ideas informal son difíciles de evaluar de forma fiable incluso para las personas. Un sistema de IA que trabaja con un contexto parcial se enfrenta a una incertidumbre aún mayor.
La continuidad entre dispositivos también depende de las integraciones. La política de Ambi menciona posibles conexiones con Google Calendar, Gmail, Google Drive, Google Docs, Google Sheets, Slack y Lark. Cada conector añade contexto útil y otra superficie de permisos.
La empresa afirma que los usuarios controlan esos permisos y pueden revocar el acceso de los conectores. La desconexión detiene el acceso futuro, pero la información importada previamente se rige por reglas de retención independientes. Los compradores empresariales querrán respuestas precisas sobre eliminación, registros de acceso y controles administrativos.
Ambi frente a Plaud representa, por tanto, dos formas de construir asistencia personalizada. La captura deliberada genera un registro más limitado pero más claro. La recopilación ambiental aporta un contexto más rico, pero exige mecanismos más sólidos de filtrado, divulgación y corrección.
Es probable que el mercado respalde ambos enfoques. Algunos usuarios preferirán un dispositivo visible que activen para conversaciones importantes. Otros aceptarán una conciencia persistente del software si sus recomendaciones les ahorran tiempo de forma constante.
Mistlabs debe demostrar que el contexto adicional produce algo más que resúmenes más largos. Si Ambi simplemente registra más material, los usuarios heredan una mayor carga de revisión. El producto solo tendrá éxito si convierte de forma fiable ese material en acciones oportunas y verificables.
La privacidad es la prueba del producto, no una nota al pie
Un asistente que escucha constantemente no puede delegar la confianza en una pantalla de ajustes ni hacer que quien lo lleva sea el único responsable del consentimiento de todos los demás.
La función Listening de Ambi está desactivada de forma predeterminada, según Mo. Los usuarios pueden iniciarla, pausarla o detenerla dentro de la aplicación. Mistlabs también afirma que el producto no guarda el audio original de Listening una vez termina la sesión.
Esa salvaguarda no significa que no quede nada. Ambi puede conservar transcripciones, recapitulaciones, resúmenes, elementos de memoria, tareas y otros contenidos derivados mientras una cuenta permanezca activa. Esos resultados pueden revelar el contenido de una conversación incluso después de que desaparezca el audio sin procesar.
La política de privacidad de la empresa indica que el audio de Listening se envía a servicios en la nube para su transcripción y procesamiento mediante IA. Soniox gestiona el reconocimiento de voz en tiempo real. OpenAI, Anthropic y Google figuran entre los principales proveedores utilizados para el procesamiento de IA, mientras que Google Cloud proporciona la infraestructura.
Mistlabs afirma que no utiliza contenido privado para entrenar ni desarrollar el servicio general. También advierte que la ausencia de entrenamiento de modelos no significa que los proveedores no reciban ni conserven información. Esa distinción merece atención por parte de las organizaciones que evalúan implementaciones sensibles.
La política indica que las grabaciones guardadas permanecen hasta que el usuario las elimina o cierra la cuenta. Las transcripciones, los resúmenes, la memoria, las tareas y otros contenidos guardados suelen conservarse mientras la cuenta esté activa. Los registros operativos pueden permanecer durante 180 días.
Ambi afirma que la eliminación de la cuenta elimina la información de la cuenta, el contenido almacenado y los registros operativos vinculados bajo su control. Los datos de Google obtenidos previamente se eliminan en un plazo de 30 días tras la desconexión, salvo que la ley exija su conservación.
Estas son divulgaciones sustantivas, pero no resuelven el problema más difícil. Una persona que se encuentra cerca de un usuario de Ambi puede no ver nunca la política, abrir la aplicación ni saber que sus palabras se están convirtiendo en memoria consultable.
Mo reconoció esa limitación. Afirmó que los usuarios deben informar a otras personas sobre la captura ambiental y calificó la divulgación como un problema sin resolver para toda la industria. También señaló que una empresa no puede impedir por completo que un usuario oculte intencionadamente la captura.
Eso es honesto, pero deja una brecha entre la capacidad del producto y el consentimiento social. Un interruptor puede autorizar el acceso al micrófono para el titular de la cuenta. No puede establecer automáticamente un permiso significativo de colegas, clientes, familiares o desconocidos.
Las disputas existentes muestran por qué importa esa brecha. Una demanda por privacidad contra una aplicación de toma de notas de 2026 acusó a Granola de grabar conversaciones sin el consentimiento de todos los participantes. Otro caso relacionado con Otter planteó preocupaciones similares.
Las alegaciones de esos casos no constituyen hallazgos contra Ambi. Demuestran el entorno legal al que entra cualquier asistente ambiental. Los requisitos de consentimiento pueden variar según la jurisdicción, y las conversaciones laborales pueden implicar información confidencial, privilegiada o regulada.
La divulgación visible es especialmente difícil para un software que funciona sin un bot de reuniones. Un bot que entra en una videollamada ofrece a los participantes una señal evidente. Una aplicación que escucha a través de un teléfono, portátil, reloj o futuro dispositivo vestible puede permanecer invisible.
Mistlabs no ha detallado públicamente qué indicadores utilizará su hardware previsto. El concepto de dispositivo incluye una cámara y micrófonos, lo que intensifica la necesidad de señales inequívocas de captura. Un icono diminuto o una animación breve podrían no informar a todas las personas dentro del alcance.
El cifrado también requiere mayor precisión. TechCrunch informó que Mistlabs dijo que cifra los datos, pero no describió el método de cifrado. Los revisores empresariales preguntarán si el contenido está cifrado en tránsito, en reposo y de extremo a extremo.
También querrán saber quién controla las claves, qué administradores pueden acceder al contenido derivado y cómo se registran los incidentes. Esas preguntas determinan si «cifrado» representa una arquitectura significativa o una declaración general de seguridad.
Las operaciones internacionales del producto añaden otra consideración. Ambi afirma que sus principales servidores y almacenamiento están en Estados Unidos. Su política indica que el personal en China tiene acceso restringido a identificadores vinculados a cuentas e información de uso.
El acceso restringido no es acceso anónimo, como señala la propia política. Los clientes empresariales querrán controles exigibles, pistas de auditoría, detalles del procesamiento regional y respuestas claras sobre el soporte remoto.
La privacidad es, por tanto, parte de la experiencia central de usuario de Ambi. Las personas no construirán una memoria valiosa si evitan el producto durante conversaciones importantes. Las organizaciones no permitirán una implementación amplia si la divulgación y la retención generan riesgos sin gestionar.
Mistlabs puede reforzar la confianza mediante indicadores visuales y audibles persistentes, avisos a los participantes, controles específicos para reuniones, períodos de retención breves de forma predeterminada y herramientas de eliminación accesibles. También puede ofrecer a las organizaciones políticas que desactiven la escucha en contextos protegidos.
El sistema debería facilitar el consentimiento, no limitarse a recordar al titular de la cuenta que debe obtenerlo. Es un problema de diseño exigente, pero la propuesta de valor de Ambi lo hace inevitable.
Más contexto no garantiza un mejor juicio
Ambi aún debe demostrar que el contexto continuo mejora las decisiones en lugar de multiplicar errores cometidos con confianza.
Los modelos fundacionales pueden generar información inexacta o incompleta, y la política de Ambi lo dice directamente. El uso en tiempo real hace que esos errores sean más difíciles de examinar porque se espera que el producto responda mientras continúa una conversación.
Un resumen tradicional de una reunión puede revisarse después de los hechos. Una recomendación en directo puede moldear inmediatamente la siguiente frase, la posición de negociación o la asignación de tareas. Los usuarios necesitan una forma rápida de distinguir la evidencia recuperada de la interpretación del modelo.
La verificación de hechos durante las reuniones ilustra el desafío. Un agente puede buscar fuentes públicas y encontrar material relevante. Aun así, debe determinar si la fuente está actualizada, si la afirmación coincide con la discusión y si la incertidumbre debería impedir una interrupción.
Redactar una propuesta antes de que termine la reunión crea un riesgo similar. La velocidad parece atractiva, pero el documento puede convertir ideas provisionales en compromisos aparentes. La revisión humana sigue siendo necesaria antes de que el trabajo llegue a clientes o colegas.
La memoria eleva las consecuencias porque los errores pueden persistir. Un perfil incorrecto de las prioridades de un cliente podría influir en varias reuniones futuras. Una etiqueta de relación equivocada podría afectar qué información decide mostrar el asistente.
Por ello, las herramientas de corrección deben formar parte del uso normal. Los usuarios deberían poder inspeccionar por qué un elemento entró en la memoria, editarlo, establecer una fecha de vencimiento o excluirlo de razonamientos futuros. La eliminación debe borrar las inferencias relacionadas cuando sea técnicamente posible.
La asistencia proactiva también necesita un umbral medible de relevancia. Si Ambi genera demasiadas alertas, los usuarios la silenciarán. Si espera una certeza casi total, puede parecer poco diferente de las herramientas de toma de notas existentes.
La empresa no ha publicado evaluaciones independientes sobre precisión de recomendaciones, corrección de memoria, calidad de las interrupciones o finalización de tareas. La financiación valida el interés de los inversores, pero no valida estos resultados del producto.
La negociación entre agentes introduce otra capa de incertidumbre. Cada asistente puede disponer de información incompleta e inferir las prioridades de forma diferente. Dos sistemas que intercambian conclusiones pueden amplificar errores sin que ninguno de los participantes vea la evidencia subyacente.
Los controles de permisos pueden restringir lo que comparte un agente, pero el permiso no equivale a precisión. Los usuarios necesitarán registros de qué información se movió entre agentes, qué recomendación produjo cada sistema y quién aprobó cualquier acción.
También existe un riesgo estratégico de plataforma. Ambi depende actualmente de dispositivos Apple para su alcance inicial. La ejecución en segundo plano, el acceso al micrófono, las notificaciones y el comportamiento entre dispositivos siguen sujetos a los límites técnicos y de políticas de Apple.
Apple también está desarrollando sus propias capacidades de audio ambiental. El propietario de una plataforma puede integrar la escucha, la transcripción y la memoria más profundamente en el sistema operativo que una aplicación externa. También puede modificar los permisos de formas que restrinjan los productos de terceros.
Mistlabs considera que el hardware dedicado acabará proporcionando mayor control y un contexto más rico. Sin embargo, el hardware introduce problemas de fabricación, batería, temperatura, distribución, soporte y aceptación social. Esos desafíos han perjudicado varios lanzamientos de dispositivos de IA.
La participación de Huaqin puede ayudar a Mistlabs a desenvolverse en la fabricación. No garantiza que la gente lleve otro dispositivo, especialmente si los teléfonos y relojes ya proporcionan gran parte de la detección necesaria.
Por tanto, el dispositivo vestible independiente debe ofrecer una ventaja clara. Unos micrófonos mejores por sí solos no justificarían el cambio. El producto necesita una continuidad más sólida, señales de consentimiento más claras, una presentación útil o capacidades que los sistemas operativos móviles no puedan admitir.
Qué observar después de la financiación de Ambi AI
La próxima prueba no es otro anuncio de financiación, sino evidencia de que las personas confían lo suficiente en Ambi como para mantenerlo activo durante un trabajo importante.
La primera señal es el uso sostenido de Listening y Routines. Mistlabs debería revelar con qué frecuencia los usuarios habilitan la captura ambiental, cuánto tiempo la mantienen activa y si las sugerencias proactivas conducen a trabajo completado. Un gran número de descargas con poca escucha continua debilitaría la tesis central del producto.
La segunda señal es la calidad de los controles de consentimiento y memoria de Ambi. Hay que observar indicadores visibles de captura, notificaciones a participantes, políticas administrativas, ajustes granulares de retención y registros de auditoría. Unos controles claros reforzarían la idea de que la asistencia ambiental puede coexistir con la privacidad en el lugar de trabajo.
La tercera señal es el dispositivo vestible independiente. Mistlabs afirma que planea lanzar su propio hardware tras el lanzamiento en dispositivos Apple. Su diseño debería revelar si la detección dedicada produce una asistencia significativamente mejor o simplemente amplía la recopilación de datos.
Las funciones planificadas de agente a agente merecen el mismo nivel de escrutinio. Una demostración útil debería mostrar permisos, evidencias, acciones propuestas y aprobación humana. Una demo de negociación pulida sin esos controles dejaría sin responder las preguntas más importantes.
Los desarrolladores y compradores empresariales también deberían examinar la arquitectura detrás de cada afirmación. Necesitan saber qué procesamiento se realiza localmente, qué contenido llega a los proveedores de nube, cómo se corrige la memoria y cómo se propaga la eliminación.
Los trabajadores del conocimiento se enfrentan a una decisión más personal. Deberían comparar el valor de la recuperación automática de información con el coste social de escuchar a quienes los rodean. El punto de partida más seguro es un flujo de trabajo acotado en el que los participantes comprendan qué hace la herramienta.
La financiación de Ambi AI proporciona a Mistlabs los recursos para perseguir una idea convincente: un asistente que entiende el trabajo mientras sucede. También eleva el estándar que la empresa debe cumplir. ¿Justificaría la orientación en tiempo real tener un micrófono ambiental en tus reuniones, y qué pruebas exigirías antes de activarlo?
