Google lanza un nuevo competidor local-first de Granola y convierte la privacidad en el producto
Google lanza un nuevo competidor local-first de Granola, y su característica más importante no es otro botón de resumen. Google AI Edge Foresight procesa audio de reuniones, notas y archivos personales directamente en un Mac, incluso sin conexión a internet.
Esta decisión introduce a Google en un saturado mercado de asistentes para reuniones desde una dirección inusual. Granola, Fathom, Fireflies y las plataformas de colaboración ya convierten conversaciones en notas consultables. Foresight plantea, en cambio, si la nube necesita recibir la conversación en absoluto.
La respuesta importa más allá del software para reuniones. Google utiliza Foresight para demostrar que los modelos locales compactos pueden gestionar conjuntamente transcripción, recuperación, enriquecimiento de notas y preguntas en vivo. El experimento presiona a los servicios centrados en la nube, al tiempo que pone a prueba si la privacidad puede pesar más que la colaboración, las integraciones y el acceso multidispositivo.
Por qué Google lanza ahora un nuevo competidor local-first de Granola
Foresight convierte el trabajo de Google con modelos en el dispositivo en una aplicación completa que los trabajadores del conocimiento pueden comprender fácilmente.
Google anunció AI Edge Foresight para Mac el 6 de octubre de 2026. Describe el software como un acompañante experimental para reuniones, consciente del contexto e impulsado por procesamiento de IA completamente local.
La aplicación captura la entrada del micrófono y el audio del sistema. Este diseño le permite funcionar junto a distintas plataformas de reuniones en lugar de unirse a las llamadas como un bot visible. También puede escuchar una conversación presencial mediante el micrófono del Mac.
Una interfaz de pantalla dividida permite a los usuarios escribir notas abreviadas mientras Foresight sigue la conversación. Posteriormente, el software amplía esas notas con detalles recuperados de la transcripción en directo. Los usuarios conservan cierto control sobre qué merece énfasis, en lugar de aceptar un resumen totalmente automático.
Esta interacción se parece mucho a la propuesta original de Granola. Granola estableció un punto intermedio entre las notas manuales y una transcripción automatizada al permitir que las personas guiaran el registro resultante.
Google añade una capa más amplia de conocimiento local. Los usuarios pueden incorporar PDF, Google Docs, archivos de Microsoft Office, texto sin formato, Markdown y marcadores web. Foresight puede buscar en ese material mientras se celebra una reunión.
Un responsable de producto podría importar documentos de planificación antes de una conversación sobre la hoja de ruta. Cuando alguien pregunte por un requisito anterior, el asistente podría recuperar el pasaje pertinente sin enviar la biblioteca privada a un modelo remoto.
Un ingeniero podría conectar notas técnicas y registros de reuniones anteriores. Foresight podría entonces mostrar una decisión arquitectónica previa cuando el mismo problema aparezca en una conversación nueva.
Google denomina a esta capacidad en directo asistencia contextual. Combina la transcripción actual con información recuperada de fuentes personales y produce una respuesta mientras continúa la conversación.
El anuncio sobre IA en el dispositivo de la empresa afirma que Foresight funciona con cualquier plataforma de reuniones y puede operar completamente sin conexión. Google también afirma que la información sensible permanece en el dispositivo.
Estas afirmaciones describen la arquitectura de producto prevista, no una auditoría de seguridad independiente. Las organizaciones deberían seguir comprobando cómo se almacenan los archivos importados, el audio temporal, las transcripciones, los permisos y las notas generadas.
El lanzamiento sigue a un experimento anterior de Google con dictado local. Foresight es más relevante porque reúne varias funciones en un único flujo de trabajo. Graba una conversación, crea notas, recupera material de referencia y responde preguntas.
Esta combinación explica por qué la comparación con Granola es más útil que llamar a Foresight otra herramienta de transcripción. La competencia gira en torno a quién controla el registro de la reunión y qué sucede después de crearlo.
La decisión de Google de lanzar una aplicación para Mac también revela los límites actuales del proyecto. La app está optimizada para Apple Silicon, en lugar de presentarse como un servicio universal de productividad de Google.
Esto hace que Foresight parezca más una demostración técnica que una plataforma empresarial terminada. Sin embargo, la demostración es lo bastante concreta como para generar presión competitiva. Ofrece a los usuarios un ejemplo funcional de asistente para reuniones que no requiere inferencia en la nube.
Google AI Edge Foresight convierte la recuperación local en su elemento diferenciador
El mecanismo subyacente importa porque Foresight mantiene tanto la recuperación como la generación cerca del material de origen del usuario.
Foresight utiliza EmbeddingGemma 2 y Gemma 4 para distintas partes de su flujo de trabajo local. EmbeddingGemma 2 es un modelo de embeddings, lo que significa que convierte contenido en representaciones numéricas que el software puede comparar por similitud semántica.
Google afirma que EmbeddingGemma 2 contiene 740 millones de parámetros. Asigna texto, imágenes, audio y vídeo a un espacio vectorial compartido, lo que permite encontrar información relacionada entre distintos medios.
Cuando un usuario formula una pregunta, la aplicación no necesita incluir cada archivo importado en un único prompt enorme. Primero busca el material más relevante y, después, proporciona ese contexto al modelo de respuesta.
Este patrón se denomina generación aumentada por recuperación. La fase de recuperación encuentra evidencia útil, mientras que la fase de generación convierte esa evidencia en una respuesta legible.
Según Google, Gemma 4 gestiona las respuestas contextuales y las notas enriquecidas. EmbeddingGemma 2 encuentra el material de apoyo que debería fundamentar esas salidas.
Esta división del trabajo hace más práctico el procesamiento local. Un modelo de recuperación más pequeño puede indexar y buscar información de forma continua sin pedir a un gran modelo generativo que examine repetidamente toda la biblioteca.
Google afirma que la parte exclusivamente textual de EmbeddingGemma 2 puede utilizar aproximadamente 191 MB de memoria activa. El modelo multimodal completo puede ejecutarse con aproximadamente 567 MB en hardware móvil compatible.
Estas cifras se aplican a las pruebas de modelos de Google, no a toda la aplicación Foresight. El uso real de memoria también incluye transcripción, generación, índices, la interfaz y el sistema operativo.
Aun así, esta huella ilustra por qué este producto aparece ahora. Los modelos locales se han vuelto lo bastante capaces como para ofrecer una recuperación útil sin consumir todos los recursos disponibles del sistema.
Google también ha optimizado su entorno de ejecución LiteRT para CPU, GPU y unidades de procesamiento neuronal. LiteRT es el motor de inferencia que ejecuta modelos compatibles en distintos objetivos de hardware.
La empresa informa de que sus componentes de recuperación pueden devolver coincidencias clasificadas en milisegundos bajo pruebas especificadas. Esa velocidad importa durante una reunión porque una respuesta retrasada puede llegar cuando la conversación ya ha avanzado.
Foresight reúne estos componentes técnicos detrás de una interfaz familiar para tomar notas. Los usuarios no necesitan gestionar manualmente bases de datos vectoriales, archivos de modelos ni canalizaciones de recuperación.
Este es el significado más profundo detrás del titular de que Google lanza un nuevo competidor local-first de Granola. Google no se limita a copiar un diseño de notas. Está demostrando una pila de aplicaciones locales para asistencia continua y consciente del contexto.
La página de producto de Foresight presenta la app como experimental. Esa etiqueta debería condicionar las expectativas sobre fiabilidad, soporte y disponibilidad a largo plazo.
Un experimento puede demostrar un mecanismo sin probar que pertenezca a las operaciones cotidianas de una empresa. Foresight todavía debe demostrar que la transcripción y generación locales siguen siendo precisas con distintos acentos, salas ruidosas, vocabulario técnico y reuniones largas.
La IA local también transfiere la responsabilidad operativa al dispositivo. El consumo de batería, el crecimiento del almacenamiento, los límites térmicos, las descargas de modelos y la compatibilidad de hardware pasan a formar parte de la experiencia del producto.
Estas limitaciones no son necesariamente peores que la dependencia de la nube. Simplemente son diferentes. Un diseño local-first intercambia computación y sincronización centralizadas por un mayor control del dispositivo y disponibilidad sin conexión.
El intercambio se hace especialmente visible durante los viajes. Un usuario puede buscar notas anteriores o procesar una conversación presencial sin depender de una conectividad poco fiable.
También importa para conversaciones sensibles. Las revisiones legales, la planificación de productos, las conversaciones de contratación y el trabajo financiero no publicado suelen contener información que los equipos dudan en enviar a otro servicio en la nube.
La ejecución local no convierte automáticamente a una aplicación en segura. Sin embargo, elimina una vía de transmisión importante cuando el producto funciona como se describe.
Para los trabajadores del conocimiento que ya mantienen una base de conocimiento personal, la recuperación puede ser más valiosa que la transcripción por sí sola. El resultado útil suele ser una conexión entre la conversación de hoy y una decisión anterior.
Por eso el soporte documental de Foresight merece tanta atención como sus notas de reuniones. La transcripción captura lo que acaba de suceder. La recuperación determina si esa información sigue siendo útil más adelante.
Foresight frente a Granola trata realmente de control del dispositivo frente a colaboración en la nube
La arquitectura local de Google presiona a Granola, pero Granola sigue ofreciendo capacidades que una aplicación experimental de un solo dispositivo aún no ha demostrado.
Granola ayudó a popularizar un flujo de trabajo para reuniones sin bots. Captura el audio del ordenador, combina una transcripción con notas manuales y produce un registro organizado sin introducir a otro participante en la llamada.
Foresight adopta ese mismo patrón guiado por humanos. Ambos productos tratan las notas abreviadas del usuario como una señal de lo que importa, en lugar de depender únicamente de un resumen automático.
Su diferencia central es dónde se procesa la información de la reunión. Google afirma que Foresight realiza su trabajo de IA localmente y puede seguir funcionando sin conexión.
La documentación de seguridad de Granola describe un servicio que utiliza proveedores externos de transcripción e IA. También describe cifrado, controles de acceso e infraestructura alojada en Estados Unidos para la información almacenada.
El procesamiento en la nube no significa que un servicio ignore la seguridad. Significa que los usuarios y las organizaciones deben evaluar una cadena de sistemas de almacenamiento, procesadores, controles contractuales y transferencias de red.
Una aplicación local presenta otro modelo de confianza. Los usuarios dependen del software que se ejecuta en su ordenador, del sistema operativo, de los controles de acceso al dispositivo y de la exactitud de las afirmaciones del proveedor sobre el flujo de datos.
Ningún modelo elimina el riesgo. Lo distribuyen de forma distinta.
La ventaja de Granola es que ha evolucionado más allá de un editor personal de notas. Ofrece espacios de trabajo compartidos, carpetas, controles de acceso, integraciones y API que ayudan a que la información de las reuniones circule por una empresa.
La empresa ha conectado el contexto de las reuniones con herramientas utilizadas para redacción, desarrollo, diseño y automatización. Esto convierte una nota en una aportación organizativa compartida, en lugar de dejarla en un solo portátil.
Granola también ha buscado la adopción empresarial. Entre sus clientes reportados se incluyen empresas tecnológicas que esperan colaboración, administración y soporte predecible.
Foresight no ha establecido una capa empresarial comparable. El anuncio de Google se centra en la indexación local, la mejora de notas, la búsqueda multimodal y la asistencia en directo.
No existe evidencia publicada de que Foresight iguale actualmente los espacios de trabajo compartidos o los controles administrativos de Granola. Google tampoco ha posicionado el experimento como un sustituto gestionado de sistemas establecidos para toda la empresa.
Esa limitación cambia el panorama competitivo. Foresight puede cuestionar la idea de que una buena inteligencia para reuniones requiere inferencia en la nube, pero todavía no sustituye todos los flujos de trabajo en la nube.
Un consultor que trabaja solo puede preferir el control local y el acceso sin conexión. Un equipo de ventas distribuido puede valorar más los registros compartidos, los permisos, las integraciones con sistemas de clientes y las políticas centralizadas de retención.
Un grupo de investigación podría preferir el procesamiento local para entrevistas sensibles. El mismo grupo quizá siga necesitando un método controlado para compartir resúmenes aprobados con sus colegas.
El resultado no es un simple ganador de privacidad frente a un ganador de colaboración. Los compradores necesitan ambas cualidades, y la pregunta de producto más difícil es si alguna de las dos arquitecturas puede ofrecerlas juntas.
La reciente expansión de Granola ilustra hacia dónde se dirige el mercado. La empresa ha añadido formas de consultar colecciones de reuniones y exponer su contexto a otras aplicaciones.
Un informe de financiación de marzo de 2026 describió nuevas API personales y empresariales junto con Spaces para equipos. Esas incorporaciones tratan los registros acumulados de reuniones como una fuente activa de conocimiento.
Esa estrategia eleva las exigencias para Google AI Edge Foresight. Un buen resumen sin conexión no bastará si los competidores consiguen que el contexto de las reuniones sea útil a lo largo de un flujo de trabajo más amplio.
Google tiene varias respuestas posibles. Puede mantener Foresight como una demostración para desarrolladores, ampliarlo hasta convertirlo en un producto de escritorio compatible o integrar sus componentes locales en servicios más grandes de Google.
La empresa ya controla Workspace, Drive, Calendar, Meet, Android y la familia de modelos Gemma. Ese alcance le proporciona varias vías de distribución si el experimento funciona bien.
Sin embargo, una integración más profunda con Google crearía su propia tensión. Los usuarios atraídos por una aplicación local autónoma pueden resistirse a las cuentas obligatorias, la sincronización o las dependencias de la nube.
Granola afronta la tensión opuesta. Debe enriquecer la colaboración sin convencer a los usuarios sensibles a la privacidad de que su archivo personal de reuniones se ha vuelto inaccesible o excesivamente centralizado.
Por eso Foresight frente a Granola es una competencia entre prioridades arquitectónicas, no solo entre listas de funciones. Cada producto debe demostrar que puede adoptar las fortalezas del otro sin debilitar su propia propuesta.
Las notas de reuniones con IA sin conexión todavía afrontan una prueba de fiabilidad
La propuesta de privacidad de Foresight es clara, pero su utilidad depende de compromisos de precisión, transparencia y ciclo de vida que siguen sin demostrarse.
El anuncio de Google explica qué está diseñada para hacer la aplicación. No ofrece una comparación independiente de la precisión de las transcripciones, la calidad de las notas, la fidelidad de las respuestas ni el rendimiento en sesiones largas.
Esa ausencia importa porque los asistentes para reuniones crean registros que las personas después tratan como evidencia. Una negación omitida o una tarea asignada incorrectamente puede cambiar el significado de una decisión.
El riesgo crece cuando la asistencia en directo incorpora material de documentos antiguos. La recuperación puede encontrar un pasaje semánticamente relacionado que esté desactualizado, haya sido reemplazado o no sea relevante para la pregunta actual.
La generación añade otro punto de fallo. Un modelo puede presentar una respuesta fluida que va más allá de la evidencia recuperada, incluso cuando todo el procesamiento ocurre localmente.
La arquitectura local-first protege una ruta de datos. No garantiza la precisión factual.
Los usuarios deberían comparar las notas generadas con la transcripción original durante la adopción inicial. Los equipos también deberían mantener una responsabilidad clara sobre las decisiones, en lugar de tratar un resumen de IA como el registro definitivo.
El consentimiento sigue siendo otra cuestión sin resolver. Procesar audio en un portátil puede reducir la exposición al proveedor, pero no elimina los requisitos legales o laborales relacionados con la grabación de conversaciones.
Los participantes pueden querer razonablemente saber cuándo está activa la transcripción. Las organizaciones siguen necesitando políticas de retención, eliminación, acceso y uso aceptable.
La capacidad sin conexión de Foresight también requiere una interpretación precisa. Según Google, la IA puede funcionar sin conexión una vez que el software y los modelos necesarios están disponibles.
Una reunión en línea sigue necesitando la conexión que requiera su plataforma de llamadas. Los documentos en la nube también deben descargarse o sincronizarse antes de estar disponibles localmente.
La compatibilidad de hardware reduce la audiencia inicial. Foresight está optimizado para Apple Silicon, lo que deja fuera de la versión actual a muchos usuarios de Windows, Linux y Mac antiguos.
La limitación resulta notable porque Google controla Android y promueve herramientas de desarrollo multiplataforma. Un lanzamiento centrado en Mac sugiere que el equipo priorizó un objetivo de rendimiento controlado por encima del alcance inmediato.
Ese enfoque tiene sentido para un experimento, pero reduce la presión directa sobre competidores con una cobertura de dispositivos más amplia. Granola y otros servicios pueden atender a usuarios en más contextos mientras Google valida su diseño.
Los modelos locales también afrontan un límite de calidad que los proveedores de nube pueden mover de forma independiente. Los servicios en la nube pueden dirigir solicitudes a modelos más grandes y actualizarlos sin exigir que cada dispositivo descargue nuevos pesos.
Foresight debe equilibrar calidad con memoria, uso de batería, almacenamiento y tiempo de respuesta. Los usuarios percibirán ese equilibrio durante llamadas largas o multitarea exigente.
La ventaja de Google es que puede optimizar toda la pila. La empresa desarrolla los modelos, el entorno de inferencia, los componentes de recuperación y la aplicación de demostración.
Su modelo multimodal está diseñado específicamente para la recuperación en el edge. Esa especialización puede reducir la sobrecarga creada por encadenar modelos no relacionados.
Sin embargo, los benchmarks publicados de modelos no predicen automáticamente la calidad de la toma de notas. Un modelo de recuperación puede rendir bien en conjuntos de datos de evaluación y aun así no encontrar el documento que necesita un usuario concreto.
Por ello, Foresight necesita evidencia de uso real. Las señales útiles incluyen correcciones de transcripción, éxito de recuperación, ediciones de notas generadas, consumo de energía y uso continuado una vez pasada la novedad.
La etiqueta experimental crea una segunda incertidumbre. Google tiene un historial de lanzar demostraciones que nunca se convierten en productos de consumo duraderos.
El informe original señaló que la anterior aplicación de dictado local del mismo equipo no alcanzó un uso generalizado. Foresight podría igualmente seguir siendo una demostración para los componentes Gemma y AI Edge.
Eso seguiría siendo importante para los desarrolladores. Una aplicación de referencia convincente puede influir en cómo otras empresas crean asistentes locales, incluso si Google no mantiene indefinidamente el producto para usuarios finales.
Sin embargo, para los compradores, la longevidad forma parte de la seguridad. Un archivo privado no resulta útil si la aplicación deja de recibir soporte o si su formato de archivo se vuelve difícil de migrar.
Google debería explicar finalmente los formatos de exportación, el comportamiento de las copias de seguridad, las actualizaciones de modelos y los compromisos de compatibilidad. Esos detalles determinarán si Foresight puede pasar de experimento a software de trabajo de confianza.
Por tanto, la interpretación más creíble es cautelosa. Google ha demostrado un flujo de trabajo local integrado, pero todavía no ha demostrado un servicio empresarial completo.
Tres señales mostrarán si Foresight se convierte en algo más que una demo
La siguiente fase depende de evidencia de adopción, un soporte de producto más amplio y la respuesta competitiva al procesamiento local.
La primera señal será si Google convierte Foresight en un producto mantenido. Lanzamientos regulares, comportamiento de almacenamiento documentado, herramientas de exportación y una hoja de ruta pública de soporte reforzarían esa interpretación.
Un periodo de silencio tras el lanzamiento inicial apuntaría en la otra dirección. Sugeriría que Foresight existe principalmente para demostrar EmbeddingGemma 2, Gemma 4, LiteRT y MediaPipe.
La distinción importa porque la aplicación actual se sitúa entre una demostración de modelos y un producto de productividad. Las próximas actualizaciones de Google revelarán cuál de esas identidades recibe más inversión.
El soporte para Windows, Linux, Mac con Intel o dispositivos móviles sería especialmente significativo. Una disponibilidad más amplia trasladaría a Foresight de una demostración controlada hacia la competencia directa por los usuarios cotidianos.
La gestión empresarial proporcionaría otra señal sólida. Políticas administrativas, controles de retención, bibliotecas compartidas, herramientas de despliegue y documentación de seguridad indicarían intención comercial.
La segunda señal será si los usuarios independientes consideran que el flujo de trabajo local es lo suficientemente preciso para reuniones diarias. Las primeras pruebas deberían centrarse en condiciones difíciles en lugar de demostraciones pulidas.
Esas condiciones incluyen hablantes que se solapan, micrófonos deficientes, lenguaje especializado, discusiones extensas y varios documentos importados con información similar.
La medida importante no es si la aplicación produce notas atractivas. Es si los usuarios pueden confiar en que preserve decisiones, responsables, matices y desacuerdos pendientes de resolver.
El comportamiento de edición será revelador. Si los usuarios corrigen repetidamente nombres, tareas o evidencia recuperada, la privacidad sin conexión puede no compensar la carga adicional de revisión.
El uso sostenido importará más que el interés por las descargas. Los asistentes para reuniones suelen impresionar durante una primera demostración, pero solo adquieren valor cuando las personas pueden recuperar contexto fiable semanas después.
La tercera señal será cómo responden Granola y otros proveedores. No necesitan copiar por completo la arquitectura de Google para reducir su ventaja.
Los competidores podrían añadir transcripción local, índices locales, cifrado controlado por el usuario, opciones de despliegue privado o decisiones más claras sobre qué datos llegan a los modelos en la nube.
También podrían destacar las áreas donde Foresight sigue siendo limitado. La colaboración en equipo, la captura móvil, las integraciones, el soporte, la administración y la automatización de flujos de trabajo siguen siendo defensas sólidas frente a un experimento solo para dispositivos.
El mercado en general ya está saturado. Wispr y Calendly han introducido capacidades de notas para reuniones, mientras que Superhuman adquirió Fathom en 2026.
Otro tomador de notas local llamado Talat también demostró que el procesamiento en el dispositivo no era exclusivo de Google. La llegada de Google valida la dirección y al mismo tiempo aumenta la presión sobre los desarrolladores más pequeños centrados en lo local.
La transcripción básica se está convirtiendo en una función estándar en toda la categoría. El valor competitivo se desplaza hacia el control, la recuperación, la colaboración y las acciones realizadas después de una reunión.
Ese cambio favorece a las empresas capaces de conectar las notas con conocimiento duradero. También abre una oportunidad para productos que permitan a los usuarios preservar la propiedad mientras hacen que la información esté disponible en todo su flujo de trabajo.
Las personas que evalúan notas de reuniones con IA sin conexión deberían plantearse varias preguntas prácticas. ¿A dónde va el audio sin procesar, qué sale del dispositivo, qué archivos se indexan y cómo se puede exportar el archivo resultante?
También deberían probar la herramienta con trabajo real. Un asistente de reuniones útil debe identificar la decisión, la persona responsable, la fecha límite y el contexto de apoyo sin inventar certeza.
Para Google, la oportunidad es mayor que ganar cuota frente a Granola. Foresight puede establecer un modelo de IA personal que opere de forma continua sin subir continuamente contexto personal.
Para Granola, el reto consiste en demostrar que la colaboración en la nube aporta suficiente valor para justificar una relación de confianza más compleja. Su producto debe hacer utilizable el conocimiento acumulado de las reuniones sin debilitar el control del usuario.
Para todos los demás, la lección ya es visible. Google lanza un nuevo competidor local-first de Granola porque los modelos en el dispositivo han pasado de demostraciones aisladas a flujos de trabajo de conocimiento coherentes.
La pregunta pendiente es si Google seguirá desarrollando el producto después de demostrar el mecanismo. Observe la cadencia de lanzamientos, las pruebas independientes de precisión y las funciones de privacidad de los competidores durante los próximos tres meses.
Si se materializan esas señales, el procesamiento local pasará a ser una opción esperada en lugar de una preferencia de nicho. Si no, Foresight seguirá siendo un adelanto instructivo de lo que el software para reuniones puede llegar a ser.
