Una IA que lee la conversación antes de ayudarte a responder
Subtext lee la conversación antes de ayudarte a responder, porque una frase sola muchas veces no basta para contestar. Pega el hilo, añade una captura o la nota de voz que te han mandado, y Subtext deduce quién dijo qué, resume lo que quiere la otra persona, enumera lo que todavía necesita respuesta y redacta una respuesta que retoma la conversación donde la dejaron. Esta página es la evidencia: por qué los mensajes anteriores cambian lo que significa una frase, qué puede sacar de ellos una IA y dónde se acaba eso. Subtext usa la conversación que le das. No entiende vuestra relación, y no conocemos ninguna herramienta que lo haga. Nunca envía nada por ti.
En iPhone, en 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, tranqui. Cuando tengas tiempo”. Debajo tienes lo que leyó Subtext en el hilo y las tres versiones que propuso, sin editar.
Claro, tranqui. Cuando tengas tiempo.
Se entiende que te fastidie que sea la segunda vez, pero tu respuesta es tranquila y comprensiva. Aquí van unas versiones.
- Cercana a la tuya (Comprensión, listo para enviar): Claro, tranqui. Ánimo con el curro, y lo vemos cuando te venga bien. Mantiene tu tono tranquilo y añade apoyo con el trabajo, así que suena comprensivo y sin reproche.
- Con ganas de quedar (Calidez, listo para enviar): Claro, tranqui. Anímate con el curro. Tengo ganas de verte, así que dime qué día de la semana que viene te va bien. Muestra ilusión por quedar y deja la pelota en su tejado sin presionar, lo que evita que parezca desinterés.
- Más natural y completa (Empatía, listo para enviar): No te preocupes, de verdad. Ya veo que esta semana lo tienes complicado, así que respira y descansa en cuanto puedas. Cuando veas cómo vas la semana que viene, me dices y cuadramos algo. Yo anulo la mesa de hoy. Tranquiliza, reconoce su semana y propone avanzar sin presión; avisa de que anulas la mesa, algo práctico.
En la última puse que anulas la mesa, porque con la cancelación es lo lógico; quítalo si no. ¿Quieres que sea más corta, más cálida o más directa?
Qué significa de verdad el contexto de una conversación
Un mensaje lleva menos de lo que parece. Quién es “ella”, a qué se refiere “eso”, si una frase responde a una pregunta o corrige una: todo se resuelve a la luz de los turnos anteriores. La explicación de Grice de cómo quien escucha deduce lo que quiere decir quien habla incluye, entre aquello en lo que se apoya el oyente, el contexto del enunciado y el conocimiento de fondo compartido (Logic and Conversation). El análisis de la conversación añade que una primera acción hace relevante una segunda en concreto: una pregunta proyecta una respuesta, un ofrecimiento proyecta aceptación o rechazo, así que la misma palabra hace un trabajo distinto según a qué siga (Opening up Closings). Las personas arreglan los malentendidos a lo largo de varios turnos y leen una corrección a la luz del problema que repara (The Preference for Self-Correction in the Organization of Repair in Conversation). Un pronombre señala que quien habla sigue en aquello que la frase anterior mantenía 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 lo cercanas que 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 pruebas de referencia, no de móviles de personas reales, 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, hizo caer las puntuaciones de intención en el corpus MultiWOZ de una F1 ponderada de 96,22 a 67,91, y las de acto de diálogo en DailyDialog de una 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 referencia en inglés entre dos personas y con un clasificador antiguo, no con un gran modelo de lenguaje. 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 ayudaba en una tarea y perjudicaba en otra, lo que, en nuestra lectura, va en contra de pegar todo lo posible. La evidencia contraria es más antigua. Los generadores de respuestas recurrentes y de tipo transformer eran “rara vez sensibles a la mayoría de las perturbaciones, como la omisión o la reordenación de enunciados” (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 discrepan, y el más reciente lo dice.
Qué puede sacar una IA de un hilo, y con qué irregularidad
Hay tres cosas medibles. Saber quién dijo qué ayuda. Añadir información sobre el hablante mejoró la clasificación de actos que dependen del contexto, como un sí o un no a secas, en transcripciones de reuniones 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 época de 2023 la precisión era máxima cuando el material relevante estaba al principio o al final de una entrada larga y caía 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 contenía la respuesta compartía pocas palabras con la pregunta, 11 de 13 modelos que declaran un contexto de al menos 128K tokens cayeron por debajo de la mitad de su puntuación con contexto corto ya con 32K tokens, GPT-4o entre los mejores, del 99,3 al 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, enviado hace tres semanas, enterrado a mitad de lo pegado y redactado de forma distinta al de hoy, sea el que un modelo tiene más probabilidades de infravalorar. Subtext trabaja a partir del hilo que le das, y ese hilo está sujeto a los mismos límites.
Por qué Subtext no afirma entender vuestra relación
Subtext usa la conversación que le das para sugerir una respuesta. No entiende vuestra relación, por una razón estructural. Las personas diseñan lo que dicen en torno a 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 la broma privada, la llamada de anoche, la discusión en la fiesta, lo acordado en otra app, y nada de eso, por construcción, está en ningún texto pegado ni en ninguna captura. La parte que un modelo sí puede ver tampoco es terreno seguro. En una prueba de referencia con conversaciones en las que las personas manejan información distinta y entran y salen a mitad (nuestra analogía para un chat de grupo o una captura parcial; el artículo no hace ninguna), los modelos de lenguaje “rinden significativamente peor que los humanos incluso con razonamiento en cadena o ajuste fino”, y sus autores no creen que los modelos actuales posean 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. En cualquier caso, ninguna herramienta puede predecir cómo va a reaccionar una persona concreta, 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 una captura del chat, como una nota de voz que grabas tú o como la nota de voz que te han mandado. Lee todo el intercambio, y en una captura deduce quién habla por dónde están las burbujas. Si no lo puede saber, o si una línea pegada podría ser tuya o suya, pregunta. Con un mensaje que has recibido, resume lo que 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 a sus puntos, y cada borrador lleva la etiqueta “listo para enviar” o la de “ojo”, una segunda lectura y no un veredicto. Si en vez de eso le das tu propio borrador, te lo devuelve 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 has recibido cubre el flujo de resumir qué te han pedido y después responder. Esta página es la evidencia de por qué importa el hilo y dónde se acaba.
La misma frase significa cosas distintas en hilos distintos
Un “Vale.” después de un mensaje largo y cariñoso es una cosa; un “Vale.” después de “¿A las 7 te va bien?” es otra, y la palabra es idéntica. Un “claro” después de “¿Estás libre el viernes?” acepta; un “claro” después de “Nunca me escuchas” cierra una puerta. “Mañana madrugo” es información, una excusa o una negativa según lo que se haya preguntado. “Sí, me cuadra” no tiene ningún contenido sin la propuesta que hay encima. “No, el martes” corrige algo, y una respuesta redactada a partir de la versión sin corregir contesta con total seguridad a un plan que las dos personas ya han descartado. Un “Buen trabajo” con un emoji de ojos en blanco es una broma en una relación y una reprimenda en otra, y la diferencia vive en el historial, no en los píxeles. Y “¿Sigues enfadado por lo del sábado?” no comparte ni una palabra con el mensaje en el que ocurrió el disgusto, que es justo el tipo de conexión que un modelo tiene más probabilidades de pasar por alto. Son ilustraciones de la teoría de arriba, no estímulos de un estudio, y nadie las ha medido. Son la razón de que Subtext pida el hilo y no la frase, y de que entender qué significa un mensaje sea más difícil de lo que parece.
En qué se diferencia de un corrector gramatical o de reescribir 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, pasa un detector de tono por tu propio texto a partir de una longitud mínima y ofrece reescrituras de tono y de frases; no encontramos documentación de que lea una captura de un chat personal para redactar una respuesta (comprobado el 23 de septiembre de 2026). Las funciones de respuesta integradas en una app de mensajería son el otro modelo. La página de ayuda de Google dice que Magic Compose en Google Messages usa los 20 mensajes anteriores como contexto (Draft messages with Magic Compose, comprobado 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, venga de la app que venga, 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 una clasificación. Para el trabajo de un solo borrador, la página es la del analizador 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 un encuadre, no asesoramiento legal. Según el reglamento de protección de datos de la UE, una persona que maneja correspondencia por motivos puramente personales queda fuera de su alcance, mientras que el proveedor que aporta 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 lleva más que el hilo: nombres de contactos, horas, a veces el aviso de una notificación de otro chat. Recorta lo que la respuesta no necesite antes de pegarla en ningún sitio. Por parte 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; la política de privacidad nombra a todos los proveedores. Nada de lo que envías se usa para entrenar un modelo de IA, y va cifrado por el camino. Si borras una conversación tú, desaparece al momento, adjuntos incluidos. La búsqueda web opcional dentro de la app envía tus términos de búsqueda a un proveedor de búsquedas, y puedes desactivarla en los ajustes.
Dónde falla, y qué hace Subtext al respecto
Subtext falla de cinco maneras que merece la pena nombrar. La primera es el contexto que falta y el historial oculto. Lo que dejes fuera, Subtext no puede usarlo, y el historial que nunca se escribió está fuera del alcance de cualquier herramienta. El sarcasmo es la segunda, y debes esperar errores siempre que solo el historial lo señale. Subtext etiqueta únicamente tu propio borrador y nunca pone etiquetas al mensaje de la otra persona, y saber si un mensaje es sarcástico también es difícil para las personas. Después están las capturas recortadas o reordenadas. Recortar elimina el referente, la corrección y quién envió cada línea, y los dos estudios de arriba discrepan sobre si un modelo ignora o malinterpreta la reordenación. Con hilos largos se aplica la evidencia de arriba sobre posición y redacción, y lo más probable es que un modelo infravalore el mensaje que importa. La última es la deriva del tono. En dos experimentos en línea aleatorizados entre desconocidos, las sugerencias de respuesta genéricas hicieron el lenguaje más positivo; que la otra persona las usara de verdad subió las valoraciones de cooperación y cercanía, mientras que a quien solo se sospechaba que las usaba se le valoró peor, 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 tú una palabra. Cuando no puede saber quién habla, pregunta.
Preguntas
¿Hay alguna herramienta que lea el hilo entero antes de sugerir una respuesta?
Subtext lo hace. Pega el hilo, una captura o la nota de voz que te han mandado, y Subtext lee todo el intercambio, deduce quién dijo qué y resume lo que quiere la otra persona y lo que todavía necesita respuesta antes de redactar nada. Tú copias la respuesta que elijas; nunca envía por ti.
¿Existe una app que lea todo el chat y me ayude a responder bien?
Subtext lee el chat que le das, en iPhone, en Android y en el navegador, y redacta una respuesta que retoma el hilo y contesta a sus puntos. Pega un borrador tuyo y te lo devuelve en tres versiones, a un toque de distancia, cada una diciendo cuánto de tu redacción ha cambiado; el artículo sobre qué hace que una respuesta caiga bien tiene la investigación que hay detrás. Usa la conversación que le das; lo que nunca se escribió, no puede saberlo.
¿Hay una app que lea toda la conversación y me ayude a responder con el tono adecuado?
Subtext redacta a partir del hilo; con un borrador que hayas escrito tú ofrece hasta tres versiones que se diferencian en cuánto 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 los dos casos hay ajustes de un toque para hacerlo más cercano, más corto, más casual, más seguro o con un punto de humor. En tu propio borrador marca las palabras que podrían leerse como bruscas, frías, pasivo-agresivas, vagas o con demasiadas disculpas, siempre como una posibilidad, nunca como un veredicto. Hay un límite. En un par de experimentos, las sugerencias genéricas de respuestas inteligentes 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 necesites sea firmeza.
¿Hay algún asistente de escritura que entienda el contexto de la relación, y 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 puestos a prueba con conversaciones en las que las personas manejan información distinta rinden significativamente peor que los humanos (FANToM: A Benchmark for Stress-testing Machine Theory of Mind in Interactions). En su lugar, Subtext lee el intercambio que le das, deduce quién habla, y pregunta para quién es el mensaje y qué quieres que pase cuando los detalles son pocos o el mensaje es un límite, una negativa o una confrontación. Con los mensajes de cada día deduce lo cercanos que sois la otra persona y tú por el tono de tu propio borrador y lo mantiene en las versiones.
¿Tengo que pegar la conversación entera?
No, y más no siempre es mejor. En las pruebas de referencia, 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 al que contestas. Si Subtext no puede saber si una línea es tuya o suya, pregunta.
¿Sabe quién habla en una captura?
Subtext lee la captura de un chat igual que tú, con tus burbujas a un lado y las suyas al otro. Cuando la disposición no lo deja claro, pregunta, porque una respuesta redactada desde el lado equivocado de la conversación es peor que ninguna respuesta.
¿Funciona con notas de voz?
Sí. Añade la nota de voz que te han mandado 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 he usado?
Por Subtext, no. Trabaja solo de tu lado y nunca envía nada; la respuesta sale de tu propia app de mensajería cuando la pegas ahí. Subtext tampoco pone etiquetas a la otra persona. No marca su mensaje como hostil ni manipulador, porque lee las palabras que hay en la pantalla, no lo que siente por dentro quien las escribió. El artículo ¿Se ha enfadado conmigo, o le estoy dando demasiadas vueltas? explica por qué esa distancia es tan grande.
¿Funciona en mi idioma?
Subtext está en 20+ idiomas y responde en el que tú escribes. El resumen de un mensaje que has recibido vuelve en el idioma en el que llegó.
¿Cuánto cuesta?
Subtext te da algunos análisis gratis para empezar y después es una suscripción de pago, con planes semanal, mensual y anual, que se cobra a través de la App Store o de Google Play en el móvil o de Stripe en la web. Ves el precio en tu moneda antes de suscribirte.
Subtext funciona en 20+ idiomas y responde en el que tú escribes. En tu móvil o en el navegador.
Justo donde lo necesitas
Subtext está pensado sobre todo para el móvil. En cuanto tengas cuenta, también funciona en la web.
¿Ya la has descargado? Tu cuenta funciona en web.subtext.it, sincronizada con tu móvil.
O escanea para instalar. Haz clic en un código para ampliarlo.
Funciona en el navegador que ya usas.
- Safari
- Edge
- Chrome
- Firefox
- Opera
- Brave
App Store
Escanéalo con la cámara del móvil para instalar.