Una voz, diez carriles: un día de dictado

Dos hijos, tres startups, una voz contaba la historia de origen: carriles de startup paralelos y de alto riesgo, un segundo hijo de menos de seis meses y un teclado que se había convertido calladamente en el punto único de fallo de todo. Ese post explicaba por qué existe Keebye. La gente seguía haciendo una pregunta más práctica: ¿cómo es un día de verdad?

Así que este es ese día. No un día típico, porque eso no existe, pero sí una forma real que se repite. Voy a evitar los números a propósito. Nunca he medido un porcentaje de mejora y no me lo creería si lo hubiera medido. Lo que puedo describir es dónde se usa el canal de voz, dónde no, y qué cambió en la textura del trabajo.

Una nota sobre «diez carriles». No es un alarde. Un carril es cualquier cosa que avanza con una frase mía: un agente de programación a mitad de tarea, una revisión de código que alguien está esperando, un hilo de Slack, un correo al abogado de un inversor, el borrador de un documento. En un día cargado hay de verdad unos diez abiertos. La mayoría están inactivos en cualquier momento dado. El problema es que los que se despiertan lo hacen según su calendario, no según el mío.

Primera hora de la mañana: un brazo, tres agentes

El día empieza antes que la casa, lo que significa que empieza con un bebé en un brazo. Esta es la hora en la que la voz pasó de comodidad a necesidad.

Tres carriles de agentes ya vienen corriendo de la noche anterior, cada uno en su propia terminal, cada uno en un repositorio distinto. Lo primero que hago es leer qué hicieron. Leer necesita ojos, no manos, así que el bebé está bien. Lo segundo es redirigir a los que se torcieron, y ahí es donde el teclado perdía.

Ahora: clic en la terminal, mantener pulsada la ⌘ derecha, decir la redirección, soltar. «La migración está bien, pero renombraste la tabla en el modelo y no en el script de seed. Arregla el seed y vuelve a ejecutar los tests.» El texto aterriza en el prompt. Enter. Siguiente carril.

Tengo un pequeño hábito que tardé en aprender: hablar en frases completas. Los agentes van mejor con ellas, y el dictado las produce de forma natural porque así habla la gente. El estilo telegráfico que solía teclear («arregla seed, reejecuta») era un artefacto del teclado, no una preferencia.

Esta hora también expone la única rareza del primer dictado que merece conocer. El micrófono se calienta después del primer dictado de una sesión y a partir de ahí mantiene un pre-roll de 500 ms. La primerísima pulsación de la mañana puede pagar un coste de arranque del flujo y cortar una palabra si empiezo a hablar demasiado pronto. He aprendido a esperar un instante. Por qué las apps de dictado se comen tu primera palabra explica la mecánica; la versión corta es que es un problema de la categoría con un arreglo parcial, no uno resuelto.

Media mañana: el carril de las revisiones

Dos de las startups con las que trabajo tienen revisiones de código esperándome casi todas las mañanas. Revisar es el mejor caso de uso posible para el dictado: es leer con una salida de prosa corta de vez en cuando, y esa prosa va dirigida a un humano.

Leo el diff en una pestaña del navegador. Cuando algo necesita un comentario, hago clic en el cuadro, mantengo, hablo, suelto. El diccionario personalizado lleva los identificadores del proyecto, así que reconnectBackoff sale como reconnectBackoff y no como tres palabras inglesas. La limpieza es basada en reglas por defecto: las muletillas y las palabras repetidas se van, mi redacción se queda. Mantengo el pulido opcional con LLM local apagado para los comentarios de revisión, porque la salvaguarda que hay detrás es una heurística contra pérdida grave de tokens, expansión o repetición, no una garantía de que una negación haya sobrevivido, y en una revisión un «no» dado la vuelta cambia el veredicto.

Uno de esos equipos revisa en rumano. El motor de 25 idiomas de Keebye lo maneja on-device; fijo el idioma en la bandeja y la siguiente locución se decodifica como rumano, identificadores en inglés incluidos. Dicta tus revisiones de código en tu propio idioma tiene los detalles, incluida la lista honesta de qué idiomas están cubiertos y cuáles no.

Final de la mañana: los carriles humanos

No todos los carriles son un agente. Sobre esta hora, los hilos de Slack y los correos que envejecieron durante la noche piden respuesta, y aquí es donde el día perdía horas en silencio. No porque las respuestas fueran difíciles, sino porque cada respuesta significaba salir de un carril, y salir de un carril tiene coste de reentrada.

La voz cambió la economía de una respuesta. Una respuesta de dos frases en Slack es una pulsación mantenida de la hotkey, hablada en el cuadro de mensaje mientras mis ojos siguen medio puestos en la terminal de al lado. Los correos cercanos a inversores son más largos y los sigo escribiendo con cuidado, pero el primer borrador ahora se habla y luego se edita. Hablar un borrador deja la forma puesta rápido; editarlo tecleando es donde va la precisión.

Esta es también la hora en la que el requisito de privacidad importa más. Lo que dicto aquí es el interior de las empresas de otras personas: productos sin lanzar, discusiones de seguridad, dinero. Keebye transcribe on-device, funciona con el Wi-Fi apagado tras la descarga del modelo, guarda un historial solo de texto en local que se borra a los 30 días y no envía telemetría. Adónde va tu voz es la versión larga de por qué eso no era negociable para mí.

Tarde: trabajo profundo y los carriles que se despiertan

Las tardes son para el carril que exige pensar de verdad: un diseño, un bug difícil, un documento que tiene que estar bien. Eso se teclea. La voz es un canal de control, no un canal de pensamiento, y un problema difícil no se vuelve más fácil por decirlo en voz alta.

Pero los demás carriles no saben que es hora de trabajo profundo. Un agente termina y hace una pregunta. Un revisor responde a mi comentario con un contraargumento. Antes, cada uno de estos era una decisión: romper el foco y cambiar de ventana, o dejarlo envejecer. Ahora la mayoría son un vistazo y una frase. Un vistazo a la pregunta del agente, clic dentro, decir «sí, pero mantén vivo el endpoint antiguo hasta que el cliente salga», clic de vuelta. La ventana de trabajo profundo sigue casi intacta porque la interrupción son unos segundos de habla en lugar de un cambio de contexto completo hacia el problema de otra persona.

Quiero ser preciso con lo que afirmo aquí. La voz no hace que las interrupciones sean gratis. Hace que el coste mecánico de responder sea lo bastante pequeño para que el coste que queda sea solo el pensamiento, que siempre fue el coste real de todos modos.

Noche: el carril cargado de terminal

Una de las startups lleva buena parte de su trabajo operativo por SSH, en tmux, en servidores donde pegar desde el portapapeles no existe como concepto. Aquí es donde las herramientas de dictado se caen normalmente, porque la mayoría inserta el texto pegando.

Keebye también pega por defecto, con troceado consciente de la terminal para las shells. Para SSH y tmux activo el modo de tecleo opcional, que inyecta el texto como pulsaciones Unicode en vez de depender de un portapapeles. Funciona con distribuciones no QWERTY, lo que importa para el teclado rumano de una de las máquinas. Dictado que sobrevive a la terminal cubre la configuración y la guía de la terminal cubre los compromisos.

Keebye también se niega a insertar en campos de entrada segura, así que cuando un servidor pide una passphrase, la hotkey no hace nada. Es molesto de vez en cuando y del todo correcto.

Qué no cambió

Un día así puede leerse como si la voz hubiera resuelto el problema de tener demasiados carriles. No lo hizo. Resolvió un cuello de botella concreto: el coste físico de entregar una frase al carril que la necesitaba. Todo lo demás está igual.

Pensar sigue siendo el cuello de botella del trabajo difícil. Leer sigue tardando lo que tarda. Los agentes siguen torciéndose y siguen necesitando redirección, y una redirección murmurada produce un resultado murmurado, hablada o tecleada. La voz es un complemento a las manos, no un sustituto; teclo mucho, solo que ya no como el único punto de estrangulamiento detrás del cual espera cada carril.

Y la app tiene los bordes rugosos del software temprano. Los identificadores se oyen mal. La primera palabra del día a veces se corta. No hay vocabulario de comandos de voz, así que navegar entre ventanas sigue siendo un clic. Se ejecuta solo en macOS.

La forma de la cosa

La vieja imagen del desarrollador 10x era una persona tecleando más rápido. La imagen que de verdad llegó es una persona dirigiendo: varios carriles, algunos automatizados y algunos humanos, cada uno esperando una frase. En ese mundo, el apalancamiento no es la velocidad de tecleo. Es lo baratamente que puedes entregar intención al carril que la necesita, en la situación física en la que estés, incluida la de tener un brazo ocupado.

Si tu día tiene esa forma, la guía para desarrolladores es el punto de partida práctico, y si estás valorando apps de dictado para ello, la visión general de alternativas a Keebye es una comparación honesta que dice dónde encaja mejor cada una. La prueba dura 14 días y empieza en tu primer inicio de sesión desde el escritorio, así que una semana real de carriles es exactamente para lo que sirve.