IA que lee la conversación antes de ayudarte a responder
Subtext lee la conversación antes de ayudarte a responder, porque una sola frase, por sí sola, muchas veces no alcanza para contestar. Pega el hilo, sube una captura o agrega la nota de voz que te mandaron, y Subtext distingue quién dijo qué, resume qué quiere la otra persona, enumera lo que todavía necesita respuesta y redacta una respuesta que retoma la conversación donde se quedó. Esta página es la evidencia: por qué los mensajes anteriores cambian lo que significa una línea, qué puede sacar de ellos una IA y dónde se detiene eso. Subtext usa la conversación que le das. No entiende tu relación, y no conocemos ninguna herramienta que lo haga. Nunca manda nada por ti.
En iPhone, Android y en tu navegador. Las capturas y las notas de voz nunca se usan para entrenar un modelo de IA.
Un ejemplo real de la app, con una captura de chat dibujada e inventada para la ocasión: una amiga cancela por segunda vez, y el borrador de respuesta es “Claro, no te preocupes. Cuando tengas tiempo.” Abajo puedes ver lo que Subtext leyó en el hilo y las tres versiones que ofreció, sin editar.
Claro, no te preocupes. Cuando tengas tiempo.
Se entiende que te dé algo de bajón, sobre todo con la mesa ya reservada. Aquí van unas opciones que se oyen amables pero un poco más claras.
- Cercano a tu versión (Comprensión, listo para enviar): Claro, no te preocupes. Ánimo con la chamba, y quedamos la próxima semana. Mantiene tu tono tranquilo y acepta la próxima semana, así que no queda ambiguo.
- Más cálido (Empatía, listo para enviar): No te preocupes, entiendo. Ojalá se calme la chamba pronto. ¿Nos vemos la próxima semana? Cancelo la mesa de hoy. Muestra empatía por su trabajo y propone retomar la próxima semana con una pregunta sencilla.
- Honesto y amable (Autenticidad, listo para enviar): Tranquila, sé que la chamba está pesada. La verdad sí tenía ganas de verte, así que me encantaría que lo pusiéramos en el calendario para la próxima semana. ¿Qué día te acomoda? Dice con suavidad que tenías ganas de verla y pide un día concreto, sin reproche.
Asumí que Priya es mujer por el contexto; si no, ajusto el "tranquila". ¿Lo quieres más corto, más directo o más relajado?
Qué significa en realidad el contexto de una conversación
Un mensaje carga menos de lo que parece. Quién es “ella”, a qué se refiere “eso”, si una línea responde una pregunta o la corrige, todo eso se resuelve contra los turnos anteriores. La explicación de Grice sobre cómo quien escucha deduce lo que quiso decir quien habla enumera, entre las cosas en las que se apoya el oyente, el contexto del enunciado y el conocimiento de fondo compartido (“Logic and Conversation”). El análisis de la conversación agrega que una primera acción vuelve relevante una segunda en particular: una pregunta proyecta una respuesta, un ofrecimiento proyecta una aceptación o un rechazo, así que la misma palabra hace un trabajo distinto según lo que venga antes (“Opening up Closings”). Las personas arreglan los malentendidos a lo largo de varios turnos y leen una corrección contra el problema que repara (“The Preference for Self-Correction in the Organization of Repair in Conversation”). Un pronombre señala que quien habla sigue en lo que la frase anterior dejó en el foco, con evidencia de textos de un solo hablante y no de chats (“Centering: A Framework for Modeling the Local Coherence of Discourse”). El contexto, entonces, son cinco cosas: los turnos anteriores, quién dijo cada uno, a qué se refieren las palabras cortas, qué preguntas siguen abiertas y las pistas sobre qué tan cercanas son las dos personas. Una sola línea no entrega ninguna de ellas.
Qué dice la evidencia sobre los turnos anteriores
La evidencia medida viene de benchmarks y no de los teléfonos de la gente, y apunta en dos direcciones. En un estudio de clasificación a nivel de enunciado, barajar el orden de los turnos de un diálogo en el momento de la prueba, con cada frase objetivo intacta, bajó las puntuaciones de intención en el corpus MultiWOZ de un F1 ponderado de 96.22 a 67.91, y las puntuaciones de acto de diálogo en DailyDialog de un F1 macro de 79.46 a 66.81 (“Exploring the Role of Context in Utterance-level Emotion, Act and Intent Classification in Conversations: An Empirical Study”). Es un solo estudio, con diálogos de benchmark en inglés entre dos partes, y con un clasificador más antiguo en vez de un modelo de lenguaje grande. Muestra que algunas etiquetas dependen de los turnos de alrededor, no cuánto mejora una respuesta redactada. El mismo estudio encontró que quitar las líneas anteriores de uno de los hablantes ayudó en una tarea y perjudicó en otra, lo que, en nuestra lectura, va en contra de pegar todo lo que se pueda. La evidencia en contra es más vieja. Los generadores de respuestas recurrentes y con transformers eran “rara vez sensibles a la mayoría de las perturbaciones, como enunciados faltantes o reordenados” (“Do Neural Dialog Systems Use the Conversation History Effectively? An Empirical Study”), así que una salida fluida puede esconder un uso superficial del historial. Los dos artículos no coinciden, y el más reciente lo dice.
Qué puede sacar una IA de un hilo, y qué tan disparejo
Tres cosas se pueden medir. Saber quién dijo qué ayuda. Agregar la información del hablante mejoró la clasificación de actos que dependen del contexto, como un sí o un no a secas, en transcripciones de juntas con varias personas, aunque no en llamadas telefónicas entre dos (“Who is Speaking? Speaker-Aware Multiparty Dialogue Act Classification”). La posición importa, y en modelos de la era 2023 la precisión fue más alta cuando el material relevante estaba al principio o al final de una entrada larga, y cayó de forma significativa cuando estaba en medio (“Lost in the Middle: How Language Models Use Long Contexts”). La redacción también importa. Cuando el pasaje que tenía la respuesta compartía pocas palabras con la pregunta, 11 de 13 modelos que dicen manejar un contexto de al menos 128K tokens cayeron por debajo de la mitad de su puntuación con contexto corto a los 32K tokens, GPT-4o entre los mejores, de 99.3 a 69.7 por ciento (“NoLiMa: Long-Context Evaluation Beyond Literal Matching”). Ninguno de estos estudios probó hilos de chat, así que es una inferencia que el mensaje que importa, el que se mandó hace tres semanas, enterrado a la mitad de lo que pegaste y redactado distinto al de hoy, es al que un modelo tiene más probabilidades de darle menos peso del que merece. Subtext trabaja a partir del hilo que le entregas, y ese hilo está sujeto a los mismos límites.
Por qué Subtext no asegura entender tu relación
Subtext usa la conversación que le das para sugerir una respuesta. No entiende tu relación, por una razón estructural. Las personas diseñan lo que dicen alrededor de lo que creen que la otra persona sabe, su terreno común, que se acumula con el tiempo y que la gente establece de forma distinta en distintos medios (“Grounding in communication”). Nuestros propios ejemplos serían el chiste privado, la llamada de anoche, la discusión en la fiesta, lo que se acordó en otra app, nada de lo cual, por construcción, está en ningún texto pegado ni en ninguna captura. La parte que un modelo sí puede ver tampoco es segura. En un benchmark de conversaciones donde las personas manejan información distinta y entran y salen a la mitad (nuestra analogía para un chat grupal o una captura parcial; el artículo no hace ninguna), los modelos de lenguaje “rinden significativamente peor que los humanos incluso con razonamiento en cadena de pensamiento o ajuste fino”, y sus autores no creen que los modelos actuales tengan una verdadera teoría de la mente (“FANToM: A Benchmark for Stress-testing Machine Theory of Mind in Interactions”). Esas puntuaciones son de modelos de 2023; el campo todavía discute qué miden esas pruebas. Como sea, ninguna herramienta puede predecir cómo va a reaccionar una persona en concreto, y no existe ninguna evaluación independiente de Subtext, y por eso nos quedamos con la afirmación estrecha.
Cómo lee Subtext el hilo antes de redactar una respuesta
Subtext recibe la conversación como texto pegado, como captura del chat, como nota de voz que grabas tú o como la nota de voz que te mandaron. Lee todo el intercambio, y en una captura distingue quién habla por el lado en el que están las burbujas. Si no puede saberlo, o si una línea pegada podría ser tuya o de la otra persona, pregunta. Con un mensaje que recibiste, resume qué quiere la otra persona, en el idioma en el que llegó, y enumera hasta cinco cosas que necesitan respuesta. Después redacta una respuesta que retoma el hilo y contesta sus puntos, y cada borrador lleva una insignia de “listo para enviar” o un “ojo”, una segunda lectura y no un veredicto. Si en vez de eso le entregas tu propio borrador, regresa en hasta tres versiones a un toque de distancia: una cercana a tu redacción y con los problemas corregidos, otra con un retoque más cálido o un enfoque distinto y otra con una reescritura más completa. Tú copias la que elijas. La página sobre el mensaje que te llegó cubre el flujo de resumir qué te pidieron y luego responder. Esta página es la evidencia de por qué importa el hilo y dónde se detiene.
La misma frase significa cosas distintas en hilos distintos
“Bien.” después de un mensaje largo y cálido es una cosa; “Bien.” después de “¿A las 7 está bien?” es otra, y la palabra es idéntica. “Claro” después de “¿Estás libre el viernes?” acepta; “claro” después de “Nunca me escuchas” cierra una puerta. “Mañana me levanto temprano” es información, un pretexto o un rechazo según lo que hayan preguntado. “Sí, eso funciona” no tiene ningún contenido sin la propuesta de arriba. “No, el martes” corrige algo, y una respuesta redactada a partir de la versión sin corregir contesta con toda seguridad un plan que las dos personas ya descartaron. “Buen trabajo” con un emoji de ojos en blanco es una broma en una relación y un regaño en otra, y la diferencia vive en la historia, no en los píxeles. Y “¿Sigues enojado por lo del sábado?” no comparte ni una palabra con el mensaje donde ocurrió el enojo, que es exactamente el tipo de vínculo que un modelo tiene más probabilidades de perderse. Son ilustraciones de la teoría de arriba, no estímulos de ningún estudio, y nadie las ha medido. Son la razón por la que Subtext pide el hilo y no la línea, y por la que entender qué significa un mensaje es más difícil de lo que parece.
En qué se diferencia de un corrector gramatical o de una reescritura de una línea
Subtext lee el intercambio; un corrector gramatical o de tono lee tu frase. Una revisión de una sola línea no puede saber a qué se refiere “eso”, qué pregunta sigue abierta o que el plan se corrigió dos mensajes más arriba, porque nada de eso está en la línea. Grammarly, de la empresa que ahora se llama Superhuman, corre un detector de tono sobre tu propio texto a partir de una longitud mínima y ofrece reescrituras de tono y de frases; no encontramos documentación de que lea la captura de un chat personal para redactar una respuesta (revisado el 23 de septiembre de 2026). Las funciones de respuesta integradas en una app de mensajes son el otro modelo. La página de ayuda de Google dice que Magic Compose en Mensajes de Google usa los 20 mensajes anteriores como contexto (“Draft messages with Magic Compose”, revisado el 23 de septiembre de 2026), una ventana acotada dentro de esa app. Subtext es una app a la que le llevas un mensaje, así que ve lo que pegues, de cualquier app, y nada más. Ninguna evaluación independiente compara ninguna de estas herramientas, Subtext incluido, así que esto es una descripción de lo que lee cada una, no un ranking. Para el trabajo de un solo borrador, la página indicada es el detector de tono para mensajes de texto.
Qué pasa con la conversación que pegas
Subtext recibe las palabras de la otra persona además de las tuyas, así que esta sección dice qué pasa con ellas. Esto es contexto, no asesoría legal. Bajo el reglamento de protección de datos de la Unión Europea, una persona que maneja correspondencia por motivos puramente personales queda fuera de su alcance, mientras que el proveedor que pone los medios no, y un chat puede contener detalles de salud, políticos, religiosos o sexuales que el reglamento trata como categorías especiales (“Regulation (EU) 2016/679 (General Data Protection Regulation)”). Una captura también carga más que el hilo: nombres de contactos, horas, a veces la notificación de otro chat. Recorta lo que la respuesta no necesita antes de pegarla en cualquier lado. Del lado de Subtext, tus mensajes van a los proveedores de IA que los leen y los escriben, y a los servidores de Subtext para que puedas volver a una conversación; el aviso de privacidad nombra a cada proveedor. Nada de lo que mandas se usa para entrenar un modelo de IA, y va cifrado en el camino. Si borras una conversación tú, desaparece de inmediato, con todo y archivos adjuntos. La búsqueda web opcional dentro de la app manda tus términos de búsqueda a un proveedor de búsqueda, y puedes apagarla en la configuración.
Dónde falla, y qué hace Subtext al respecto
Subtext falla de cinco maneras que vale la pena nombrar. La primera es el contexto que falta y la historia oculta. Lo que dejes fuera, Subtext no lo puede usar, y la historia que nunca se escribió está fuera del alcance de cualquier herramienta. El sarcasmo es la segunda, y deberías esperar errores siempre que solo la historia lo señale. Subtext etiqueta únicamente tu propio borrador y nunca le pone etiquetas al mensaje de la otra persona, y saber si un mensaje es sarcástico también les cuesta a las personas. Luego están las capturas recortadas o reordenadas. Recortar quita el referente, la corrección y quién mandó cada línea, y los dos estudios de arriba no coinciden en si un modelo ignora o malinterpreta el reordenamiento. Con hilos largos aplica la evidencia de arriba sobre posición y redacción, y lo más probable es que un modelo le dé menos peso justo al mensaje que importa. La última es la deriva del tono. En dos experimentos aleatorizados en línea entre desconocidos, las sugerencias de respuesta genéricas volvieron el lenguaje más positivo; que la otra persona de verdad las usara elevó las calificaciones de cooperación y cercanía, mientras que a quien nada más se sospechaba que las usaba lo calificaron más bajo, una correlación, no una causa (“Artificial intelligence in communication impacts language and social relationships”). La inferencia que sacamos es que una herramienta que solo te hace sonar más amable puede fallar donde necesitas firmeza, así que Subtext ofrece una versión más corta y clara y te deja editar una palabra tú mismo. Cuando no puede saber quién habla, pregunta.
Preguntas
¿Hay alguna herramienta que lea todo el hilo de mensajes antes de sugerir una respuesta?
Subtext lo hace. Pega el hilo, una captura de él o la nota de voz que te mandaron, y Subtext lee todo el intercambio, distingue quién dijo qué y resume qué quiere la otra persona y qué sigue sin respuesta antes de redactar nada. Tú copias la respuesta que elijas; nunca manda nada por ti.
¿Hay una app que lea todo el chat y me ayude a responder bien?
Subtext lee el chat que le entregas, en iPhone, Android y en el navegador, y redacta una respuesta que retoma el hilo y contesta sus puntos. Si pegas un borrador tuyo, te lo devuelve en tres versiones, a un toque de distancia, cada una diciendo cuánto cambió de tu redacción; el artículo sobre qué hace que una respuesta caiga bien tiene la investigación detrás de eso. Usa la conversación que le das; lo que nunca se escribió, no lo puede saber.
¿Hay una app que lea toda la conversación y me ayude a responder con el tono correcto?
Subtext redacta a partir del hilo; con un borrador que escribiste tú ofrece hasta tres versiones que difieren en qué tanto se alejan de tus palabras: una cercana a tu redacción y con los problemas corregidos, otra con un retoque más cálido o un enfoque distinto y otra con una reescritura más completa. En cualquiera de los dos casos hay ajustes de un toque para más cálido, más corto, más casual, más seguro o ponle humor. En tu propio borrador marca las palabras que podrían leerse como duras, frías, pasivo-agresivas, vagas o demasiado apenadas, siempre como una posibilidad, nunca como un veredicto. Hay un límite. En un par de experimentos, las sugerencias genéricas de respuesta inteligente empujaron el lenguaje de desconocidos hacia lo positivo, como explica el artículo sobre si la IA hace que tus mensajes suenen a robot, así que revisa la versión más firme cuando lo que necesitas es firmeza.
¿Existe un asistente de escritura que entienda el contexto de la relación, no solo lo que dicen las palabras?
No, y una herramienta que diga que sí está prometiendo de más. Dos personas construyen lo que comparten en parte fuera de la transcripción, y los modelos probados en conversaciones donde las personas manejan información distinta rinden significativamente peor que los humanos (“FANToM: A Benchmark for Stress-testing Machine Theory of Mind in Interactions”). En vez de eso, Subtext lee el intercambio que le entregas, distingue quién habla, y pregunta para quién es el mensaje y qué quieres que pase cuando el contexto es poco o el mensaje es un límite, un rechazo o una confrontación. En los mensajes cotidianos lee qué tan cercanos son tú y la otra persona por el tono de tu propio borrador y lo conserva en las versiones.
¿Tengo que pegar toda la conversación?
No, y más no siempre es mejor. En benchmarks, el historial extra tanto perjudicó como ayudó a un clasificador de diálogo, y los modelos de lenguaje aprovecharon peor el material que estaba en medio de una entrada larga. Pega la parte de la que depende la respuesta: la pregunta que sigue abierta, la corrección y el mensaje que estás contestando. Si Subtext no puede saber si una línea es tuya o de la otra persona, pregunta.
¿Puede saber quién habla en una captura?
Subtext lee la captura de un chat como la lees tú, con tus burbujas de un lado y las de la otra persona del otro. Cuando la disposición no lo deja claro, pregunta, porque una respuesta redactada desde el lado equivocado de la conversación es peor que ninguna.
¿Funciona con notas de voz?
Sí. Sube la nota de voz que te mandaron y Subtext la lee como cualquier otro mensaje, o graba tu propia nota de voz como borrador. Las dos pasan por la misma lectura que el texto: quién dijo qué, qué quieren, qué necesita respuesta.
¿La otra persona se entera de que lo usé?
No por Subtext. Trabaja solo de tu lado y nunca manda nada; la respuesta sale de tu propia app de mensajes cuando la pegas ahí. Subtext tampoco etiqueta a la otra persona. No marca su mensaje como hostil o manipulador, porque lee las palabras en la pantalla, no lo que quien lo mandó siente por dentro. El artículo ¿Está enojado conmigo, o lo estoy pensando de más? explica por qué esa distancia es tan grande.
¿Funciona en mi idioma?
Subtext está en 20+ idiomas y responde en el idioma en el que escribes. El resumen de un mensaje que recibiste regresa en el idioma en el que llegó.
¿Cuánto cuesta?
Subtext te da unos cuantos análisis gratis para empezar, y después una suscripción de paga con planes semanal, mensual y anual, que se cobra a través de App Store o Google Play en tu celular, o de Stripe en la web. Ves el precio en tu moneda antes de suscribirte.
Subtext funciona en 20+ idiomas y responde en el idioma en el que escribes. En tu celular o en el navegador.
Justo donde la necesitas
Subtext está pensado primero para tu celular. Y en cuanto tengas cuenta, también funciona en la web.
¿Ya la descargaste? Tu cuenta funciona en web.subtext.it, sincronizada con tu celular.
O escanea para instalar. Haz clic en un código para agrandarlo.
Funciona en el navegador que ya usas.
- Safari
- Edge
- Chrome
- Firefox
- Opera
- Brave
App Store
Escanéalo con la cámara de tu celular para instalar.