Wispr levanta 280 millones y apuesta a que la voz será el nuevo sistema operativo

Wispr acaba de cerrar una Serie B de 280 millones de dólares a una valoración de 2.000 millones, liderada por Menlo Ventures. La cifra eleva su capital total a 361 millones en menos de diez meses desde su ronda anterior. Pero el titular no es el dinero: es la velocidad con la que una empresa que hace tres años intentaba leer ondas cerebrales desde un auricular se ha convertido en la apuesta más grande para que la voz deje de ser una función accesoria y pase a ser la capa principal de interacción con la computadora.

El fracaso que fundó el negocio actual

En 2021, los graduados de Stanford Tanay Kothari y Sahaj Garg levantaron 14 millones para construir un casco que tradujera señales neuronales y habla silenciosa en texto. Tres años y 40 empleados después, el hardware no funcionaba. El fiasco del AI Pin de Humane les confirmó que el consumidor no estaba listo para dispositivos dedicados. Despidieron a la mayoría del equipo, abandonaron la oficina de 22.000 pies cuadrados y se quedaron solo con el software de dictado que habían desarrollado para el casco. Esa decisión —dolorosa, rara en startups con tanta tracción de capital— es lo que hoy permite a Wispr Flow dictar en cualquier aplicación sin hardware propio.

Canto: la carrera por bajar del 30 % al 10 % de error

El anuncio de la ronda viene acompañado del lanzamiento de Canto, un modelo propio de comprensión de voz que, según la compañía, reduce la tasa de error del 30 % al 10 %. Usuarios en X llevaban semanas quejándose de degradación en la calidad; la respuesta técnica llega rápido porque en dictado la tolerancia a fallos es casi nula: un error cada diez palabras rompe el flujo de pensamiento. Wispr no entrena modelos fundacionales desde cero —eso requeriría miles de millones—, pero afinar la capa acústica y de lenguaje para contexto de producto es su nueva barrera defensiva.

Más allá del dictado: reuniones, anillos y laboratorios de interfaz

Tres frentes simultáneos financia el capital fresco:

• Un notetaker para reuniones que compite con Granola, Fireflies y Read AI, con resúmenes y tareas accionables, aunque todavía le falta integración profunda para redactar correos o actualizar CRM.
• Una alianza con el anillo Oasis para dictar sin hablar en voz alta, recuperando la idea original de habla silenciosa pero en un wearable de consumo masivo.
• Wispr Interface Labs, dirigida por Ariya Rastrow, ex ingeniero temprano de Alexa, para explorar nuevas interfaces humano-máquina.

La jugada es clara: si la voz se vuelve ubicua, Wispr quiere ser la capa de software que la interpreta, independientemente del micrófono que la capture.

Qué significa para América Latina

En la región, donde la penetración de smartphones supera a la de portátiles y la alfabetización digital sigue siendo desigual, la entrada por voz no es una comodidad: es un habilitador de productividad masivo. Un vendedor en Medellín, un repartidor en Ciudad de México o un técnico de campo en São Paulo pueden documentar su trabajo dictando en su idioma, con acentos y ruido ambiental, sin necesidad de teclear en una pantalla pequeña. Pero el ecosistema local —ERPs, CRMs, herramientas de gestión— rara vez tiene integración nativa de voz. Si Wispr u otros logran que su API sea el estándar de facto, la adopción en LatAm podría saltarse una generación de interfaces basadas en teclado.

Que la capa de valor se concentre en Silicon Valley y los datos de voz latinoamericanos alimenten modelos que luego se venden de vuelta como servicio es el riesgo. La apuesta de 2.000 millones de dólares dice que el mercado global de interfaces de voz ya no es ciencia ficción: es infraestructura. La pregunta para los ejecutivos de la región no es si llegarán, sino quién controlará la capa de integración con sus sistemas operativos.