El audio de WhatsApp de 4 minutos (y otros crímenes que el Código Penal todavía no recoge)

Voy a empezar con una confesión: yo también he enviado audios de cuatro minutos.
Ya está.
Lo he dicho.
Uno de ellos, concretamente, empezaba con "bueno, te lo digo rápido".
Duraba 4:12.
En el minuto dos estaba explicando por qué había aparcado donde había aparcado.
En el tres, me despedí.
En el tres y medio, volví, porque se me había olvidado lo importante.
La persona que lo recibió todavía me saluda, lo cual dice mucho de ella…
Así que esta newsletter no va de señalar a nadie.
Va de algo peor.
De reconocernos.

La anatomía del audio

Lo peor: casi cualquier audio largo de WhatsApp tiene la misma estructura.
Como las tragedias griegas.
O los capítulos de una telenovela venezolana.

• Primer acto: el calentamiento.
  "Hola, buenas… bueno, nada, oye… a ver… ¿qué tal? Bien, ¿no? Bueno, mira, te cuento."
  Han pasado 18 segundos.
  No te ha contado nada.
  Te ha preguntado qué tal y se ha respondido a sí mismo.
  Esto, en cualquier otro canal de comunicación humano, sería motivo de preocupación clínica.
  En WhatsApp es el protocolo estándar.

• Segundo acto: el contexto que nadie ha pedido.
  "Es que resulta que el otro día estaba yo con mi cuñada, que ya sabes que mi cuñada ahora trabaja en Padrón, bueno, trabaja no, está de sustituta, y me dijo que…"
  Tú solo querías saber si le venía bien quedar el martes a las cinco.
  Ahora sabes la situación laboral de su cuñada.
  No la has pedido.
  No la necesitabas.
  No la vas a olvidar.
  O quizá sí…

• Tercer acto: el ruido de fondo.
  Un claxón.
  Un perro.
  Una Thermomix.
  Alguien gritando "¡¿CON QUIÉN HABLAS?!".
  El viento de A Lanzada entrando por el micrófono como si estuviera grabando desde el ojo del huracán.
  En este punto, el audio deja de ser un mensaje y se convierte en un documental de sonido ambiente.

• Cuarto acto: la información.
  Once segundos.
  Once.
  Enterrados en el minuto 2:47.
  "Entonces el martes no, mejor el jueves."
  Y justo ahí, un camión.
  Lo has entendido de milagro.
  A la tercera.

• Quinto acto: la despedida en bucle.
  "Bueno, pues eso. Nada. Eso. Ya me dices. Venga. Un beso. Eso. Chao. Venga. Chao."
  Cuatro despedidas.
  De un tirón.
  Sin publicidad en el medio.
  Nadie se despide cuatro veces en persona.
  Si alguien te dice "chao" cuatro veces en la puerta de tu casa, llamas a un médico.
  Puede ser un ictus.
  En un audio, es lo normal.

El problema serio (sí, hay uno)

Hasta aquí, seguro que algo te suena.
Ahora viene la parte en la que te amargo el día.
Si tienes un negocio, los audios largos no son una anécdota.
Son una fuga.

Hagamos una cuenta de servilleta.
De esas que se hacen en el bar con el boli del camarero.
Supón que recibes diez audios al día entre clientes, proveedores, la gestoría y tu madre.
Que también cuenta.
A veces, tanto como todos los demás juntos.
Supón que, entre escucharlos, volver a escucharlos por culpa del camión y apuntar lo que te dicen, te comen dos minutos cada uno.
Veinte minutos al día.
No parece mucho.
Veinte minutos es un café.

Ahora multiplícalo por unos 220 días laborables al año.
Salen 4.400 minutos.
Unas 73 horas.
Casi dos semanas de trabajo a jornada completa escuchando a gente decir "bueno, nada, oye".
Dos semanas.
Al año.
Podrías irte de vacaciones con ese tiempo.
Podrías aprender a hacer empanada de verdad, la de masa fina, no la de gasolinera.
Podrías, con suerte, contestar los mensajes a tiempo.

Y eso sin contar lo peor: los audios no se pueden buscar.
Si un cliente te dijo en un audio de hace tres semanas que era alérgico al tinte, o que el presupuesto era "más o menos hasta 800", esa información está atrapada en una nota de voz.
Concretamente, entre un perro y una Thermomix.
Para encontrarla tienes que volver a escucharlos todos.
Como un arqueólogo, pero sin subvención.

Mientras tanto, en China…

Aquí viene la parte en la que el que vive fuera te cuenta que fuera todo es mejor.
Tranquilo, no es del todo así.
Pero en esto, un poco sí.
En China, los mensajes de voz son casi deporte nacional.
Hay gente que hace negocios enteros, pedidos de contenedores incluidos, a base de notas de voz en WeChat.
Y precisamente porque son tantos, hace años que la aplicación tiene un botón para convertir el audio en texto.
Mantienes pulsado el mensaje, le das a "convertir" y lees en cinco segundos lo que tu interlocutor tardó dos minutos en decir.
Tu proveedor puede seguir hablando desde el coche con el intermitente.
Tú ya no tienes que escucharlo.

Eso no es inteligencia artificial de película.
Es reconocimiento de voz.
Una tecnología que lleva años funcionando.
Mientras aquí seguíamos pegándonos el móvil a la oreja en la cola del súper.
Como si estuviéramos escuchando un mensaje de la CIA.

Ojo, que WhatsApp ya transcribe los audios, también en español.
Está en los ajustes de chats, en la opción de transcripciones de mensajes de voz.
La activas una vez y, a partir de ahí, debajo de cada audio te aparece la opción de leerlo.
Se hace en el propio teléfono, así que el audio no sale de tu móvil para transcribirse.
Solo este gesto te devuelve buena parte de esas 73 horas.
Leer es mucho más rápido que escuchar.
Y, sobre todo, puedes leer en diagonal.
Nadie ha escuchado nunca un audio en diagonal.

Y para los que tenéis el WhatsApp como centralita

Si tu negocio vive del WhatsApp (peluquería, clínica, taller, academia), el problema es otro nivel.
No son diez audios de tu madre.
Son treinta audios de clientes que quieren cita, cambiar una cita o preguntar el precio de algo que está en tu web desde 2019.

Ahí ya no basta con transcribir.
Ahí lo sensato es que el sistema haga la transcripción, entienda lo que se pide ("quiere cambiar la cita del martes al jueves") y te lo deje apuntado.
O que, directamente, ofrezca el hueco libre real del jueves y lo confirme.
Mientras tú estás cortando el pelo, arreglando un coche o dando clase.
No mirando el móvil con cara de "ahora no puedo escuchar esto".
No te lo cuento para venderte nada hoy.
Te lo cuento porque existe, porque funciona y porque me parece un poco absurdo que en 2026 sigamos gestionando negocios enteros con la oreja pegada al teléfono.

La parte incómoda: la solución también eres tú

Última reflexión.
Y esta duele.
Todo lo anterior soluciona el problema de recibir audios.
Pero el problema de enviarlos sigue siendo nuestro.
Así que te propongo un reto para esta semana.
Antes de mandar un audio, hazte una sola pregunta: "¿Esto cabe en una frase?"
Si la respuesta es sí, escríbela.
"El martes no puedo, ¿te va el jueves a las 17?"
Son once palabras.
Se leen en tres segundos.
No hay intermitente.
No hay perro.
No hay cuñada.

Si la respuesta es no, y de verdad necesitas explicar algo largo, adelante.
Envía el audio.
Pero empieza por lo importante.
Primero la conclusión, después el contexto.
"Te llamo por lo del presupuesto: vale, pero necesito que baje a 700. Te explico por qué."
Así, el otro solo escucha diez segundos.
Que, no te engañes, es lo que va a hacer.
Ya sabe lo que quería saber.

Y si aun así mandas uno de cuatro minutos… no pasa nada.
Yo también lo he hecho.
Ya te lo dije al principio.
Pero al menos, por favor, despídete una sola vez.

Venga.

Eso.

Nos vemos.

Ciao.

Manu.

Suscríbete a la newsletter de Ardeiro.AI →