Graba tus juntas con el Apple Watch y mándaselas a tus agentes IA

El problema que esto resuelve

Tomar notas en una junta importante mientras estás presente en la junta es imposible. O escuchas bien, o anotas bien — ambas no. Y la opción “le pago a Otter / Fireflies / Read.ai” tiene tres problemas:

1. Cuesta entre $15 y $30 USD al mes por cuenta.
2. Tu audio pasa por servidores que no controlas.
3. La estructura que te devuelve es genérica, no la que tus agentes consumen.

Después de probar varias opciones, armé un pipeline propio. Cero costo de transcripción, todo procesamiento local o usando los planes que ya pago, y la estructura del output la decido yo — porque la consumen mis agentes después. Así se ve hoy:

Costo marginal

$0

Procesar 1h de audio

~6 min

Privacidad audio

100%

La captura es la parte más sencilla y la que más gente sobre-piensa. La regla simple:

• Si la junta es presencial: Voice Memos en el iPhone, lo dejas boca arriba sobre la mesa.
• Si estás en movimiento (caminando, manejando, café rápido): abres Voice Memos en el Apple Watch y grabas desde la muñeca. Sincroniza solo al iPhone después.
• Si la junta es por Zoom/Meet: activas la grabación local de la plataforma — no usas Voice Memos.

Voice Memos viene gratis, ya está en tu iPhone, y los audios suben automáticamente a iCloud — los ves en tu Mac sin tocar nada.

Naming híbrido al guardar

Una vez termina la junta, renombras el archivo en el iPhone con un prefijo de cliente:

helthe-onboarding-2026-05-15.m4a
blackout-revision-mensual-2026-05-12.m4a
lexjets-kickoff-2026-05-10.m4a
bdb-interna-yael-1to1-2026-05-09.m4a

Aquí tienes dos opciones igual de válidas. Yo uso WhisperX local en mi Mac porque ya está pagada y nunca sale el audio. Si no tienes Mac con GPU decente, Groq Whisper API es gratis hasta 30 horas al mes — que es muchísimo.

Opción A — 100% local con WhisperX

WhisperX es Whisper large-v3-turbo + pyannote para diarización (saber quién dice qué). Lo instalas una vez y se queda.

pip install whisperx
# luego configuras tu HuggingFace token para pyannote
huggingface-cli login

whisperx helthe-onboarding-2026-05-15.m4a \
--model large-v3 \
--language es \
--diarize \
--output_format srt \
--output_dir ./transcripts/

Opción B — Groq Whisper gratis

Si prefieres no instalar nada local, Groq tiene Whisper hosted gratuito hasta 30 horas/mes. Más rápido que local, pero el audio sí sube a sus servidores.

curl https://api.groq.com/openai/v1/audio/transcriptions \
-H "Authorization: Bearer $GROQ_API_KEY" \
-H "User-Agent: angelbauts/1.0" \
-F "file=@helthe-onboarding-2026-05-15.m4a" \
-F "model=whisper-large-v3" \
-F "language=es" \
-F "response_format=verbose_json"

La transcripción cruda no sirve para nada todavía. Es un muro de texto sin jerarquía. El siguiente paso es pasarle ese texto a Claude (o el LLM que prefieras) para que lo convierta en una nota estructurada.

Aquí uso claude --print desde la CLI con el login activo de mi suscripción Claude Pro/Max — sin API key, sin costo marginal extra. Si no tienes Pro, usas la API key normal con modelo Haiku (es baratísimo para esto).

El prompt que uso

Lo guardo como ~/junta-pipeline/prompt.md y se lo paso a Claude junto con la transcripción:

Eres mi asistente de notas de juntas. Recibes una transcripción
con diarización (SPEAKER_00, SPEAKER_01, ...).

Devuelve un Markdown con esta estructura exacta:

## Asistentes
- <SPEAKER_00 → nombre real si lo deduces del contexto>

## Resumen ejecutivo
<3-5 bullets de qué se decidió>

## Action items
- [ ] <acción> · owner: <persona> · fecha: <YYYY-MM-DD>

## Acuerdos
- <acuerdo concreto>

## Temas pendientes para próxima junta
- <tema>

## Citas textuales relevantes
> "<frase memorable>" — <speaker>

NO inventes nada. Si algo no quedó claro en la transcripción, marca
"⚠️ pendiente de confirmar".

Ejecutarlo desde la terminal

cat transcripts/helthe-onboarding-2026-05-15.srt | \
claude --print \
  --system "$(cat ~/junta-pipeline/prompt.md)" \
> memory/juntas/helthe/2026-05-15-onboarding.md

El output del paso anterior es un Markdown estructurado. La pregunta clave: ¿dónde lo dejas para que tus agentes lo lean después?

Mi convención:

Una vez que el pipeline funciona manual, lo automatizas con un watcher que detecta cuando llega un audio nuevo a tu carpeta de Voice Memos y dispara los pasos 2-4.

En macOS lo armas con launchd (un plist en ~/Library/LaunchAgents/). El script processor.py toma cada archivo nuevo, infiere cliente del prefijo del nombre, transcribe, estructura, y guarda.

Retención de audios originales

Los audios crudos pesan. Una junta de 1 hora son ~30MB. Si grabas 30 juntas al mes, en un año tienes ~10GB en iCloud. Mi regla: borrar audios originales a los 90 días — la transcripción y la nota estructurada se quedan para siempre.

Datos sensibles

No grabes juntas sobre temas financieros personales, legales en curso, o despidos. Para esos temas, tomas notas manuales y punto. La fricción del pipeline no vale los riesgos.

Validación humana

Cada nota estructurada tiene un owner humano (tú o un asistente). Esa persona la lee y corrige antes de marcarla como “confirmada”. El LLM se equivoca — más seguido en nombres de personas mal pronunciados, en fechas, y en owners de acciones. Una revisión humana de 2 minutos por nota te ahorra incidentes.

Aviso de grabación

Si trabajas con clientes EU o tienes empleados europeos, la grabación tiene reglas más estrictas (GDPR). Antes de meter una junta con un cliente EU al pipeline, formaliza el aviso y el derecho de borrado.

Lo que te llevas

• Pipeline 100% propio, $0 de costo marginal real.
• Audio nunca sale de tu Mac si usas WhisperX local.
• Estructura del output la decides tú — porque la consumen tus agentes.
• Prefijo de cliente en el naming desde el momento de grabar.
• Aviso obligatorio antes de cada grabación.
• Manual primero, watcher después.