Cómo medimos las cifras de WR3
Cada cifra que publicamos sobre WR3 sale de grabaciones reales de una ola de focus groups de 2026, comparadas con una referencia hecha por personas. El 90,4 % de acuerdo al separar quién habla se midió en un bloque de unas dos horas y media, sobre 141 momentos que una persona había asignado mirando el video, e incluye la revisión humana de las dudas. Aquí explicamos qué mide cada cifra, con qué muestra y qué todavía no medimos.
Qué mide el 90,4 % de acuerdo al separar quién habla
La referencia. En una ola real de 2026, una persona asignó a mano quién hablaba en cada momento de un bloque, mirando el video. De esa revisión tomamos 141 momentos, de 1 a 28 segundos cada uno, repartidos a lo largo de unas dos horas del bloque y dichos por 14 voces distintas: 556 segundos en total, algo más de 9 minutos.
Qué cuenta como acuerdo. Para cada segundo de esos momentos comparamos a quién le asigna la voz WR3 y a quién se la asignó la persona. El acuerdo es la parte de esos segundos en que coinciden, contada sobre los segundos en que WR3 detectó a alguien hablando. Cerca de un 19 % de los segundos de la referencia cae en silencios entre turnos o en cortes, y queda fuera del cálculo.
Qué incluye. El 90,4 % es el resultado final, tal como queda el audio de cada persona: lo que decide la máquina más las decisiones de quien revisa las dudas en WR3. Así sube la cifra en cada etapa:
| Etapa | Acuerdo con la referencia |
|---|---|
| Solo comparando el volumen de los micrófonos | 72,1 % |
| Más el reconocimiento de voces y el pase automático, sin decisiones humanas | 86,9 % |
| Final, con la revisión humana de las dudas | 90,4 % |
Donde el micrófono de quien hablaba estaba sincronizado (407 segundos), el acuerdo final es 90,1 %. Donde no lo estaba (149 segundos), es 91,6 %.
Una corrección a la referencia. La referencia humana tenía dos personas cruzadas: dos participantes cuyos micrófonos nunca grabaron. Lo confirmamos con la imagen de los asientos y lo corregimos antes de medir. Contra la referencia tal como estaba escrita, el acuerdo final es 82,5 %.
El margen. Nuestra meta era 90 %. El 90,4 % la supera por un solo momento de 141, y cada momento mueve la cifra cerca de 0,7 puntos. Es la medición de un bloque, no un promedio de muchas olas.
Qué significa «cita verificada»
Una cita pasa dos controles antes de llegar a un informe.
- Control literal, automático. Cuando la inteligencia artificial propone una cita, el sistema comprueba que sus palabras aparezcan completas y seguidas en la transcripción de un solo turno, sin contar mayúsculas, tildes ni puntuación; que ese turno sea de una de las personas a quienes se atribuye la idea; y que tenga al menos cuatro palabras. El texto que se guarda es el de la transcripción, nunca el que redactó la inteligencia artificial. Si no calza, la cita se rechaza.
- Verificación humana, escuchando. Una persona escucha cada cita en la grabación y la marca como verificada o rechazada. Un hallazgo no se puede aprobar sin al menos una cita verificada, el informe no se publica si un hallazgo aprobado no tiene su cita principal verificada, y solo las citas verificadas llegan al informe.
El primer control asegura que la cita está en la transcripción. El segundo, que la transcripción dice lo que se dijo en la sala. En la ola real se verificaron escuchando 74 de 78 citas; las demás no entraron al informe.
De dónde sale «11 de 120 segundos»
Para medir la calidad de la transcripción tomamos ventanas de dos minutos del micrófono de solapa de un participante. En una de ellas, la persona que llevaba ese micrófono fue la voz más fuerte solo en 11 de los 120 segundos. En otra ventana, en 37 de 120. El resto del tiempo, el micrófono captaba la conversación de la mesa.
Por eso WR3 no transcribe archivos de micrófono completos: transcribiría a los vecinos como si fueran quien lleva el micrófono. Primero encuentra cada turno y a su dueño, nivela el audio de cada turno y recién entonces transcribe.
Lo que todavía no medimos
- El tiempo total de una ola completa, desde que llegan las grabaciones hasta la entrega. Hemos medido pasos por separado, no el recorrido entero. Lo mediremos en la próxima ola.
- El tiempo de revisión humana por bloque. Nuestra meta es 30 minutos por bloque y todavía no tenemos la medición.
- El acuerdo al separar quién habla en más bloques y más olas. El 90,4 % viene de un bloque. Publicaremos las cifras nuevas cuando las tengamos.
Detrás de todas estas mediciones hay un principio: el peor error es el silencioso. Cuando WR3 no puede decidir quién habla, no adivina: lo marca como duda y una persona la resuelve escuchando. En el bloque medido, donde el micrófono de quien hablaba no estaba sincronizado, la máquina se equivocó en 5 momentos, marcó 4 de ellos como duda, y después de la revisión no quedó ningún error silencioso. Una duda siempre es mejor que una adivinanza.