Apunta y habla.
AI sobre cualquier pantalla —un PDF escaneado, una sesión de Citrix, un core bancario de 1998— y nada, ni tu voz ni tus documentos, sale de tu máquina.
Toda la inferencia corre en tu Mac. Cero conexiones salientes, verificado por un test en cada build.
Banco — movimientos del período
| Fecha | Concepto | Referencia | Débito | Crédito |
|---|---|---|---|---|
| 02/09 | Transferencia recibida | TRF-88412 | — | 12,450.00 |
| 02/09 | Comisión de mantenimiento | COM-00231 | 350.00 | — |
| 01/09 | Pago a proveedor | PRV-77120 | 8,900.00 | — |
| 30/08 | Depósito en cheque | CHQ-45009 | — | 26,000.00 |
| 29/08 | Nómina quincenal | NOM-0925 | 41,200.00 | — |
movimientos.xlsx · 6 × 5
| Fecha | Concepto | Referencia | Débito | Crédito |
|---|---|---|---|---|
| 02/09 | Transferencia recibida | TRF-88412 | — | 12450.00 |
| 02/09 | Comisión de mantenimiento | COM-00231 | 350.00 | — |
| 01/09 | Pago a proveedor | PRV-77120 | 8900.00 | — |
| 30/08 | Depósito en cheque | CHQ-45009 | — | 26000.00 |
| 29/08 | Nómina quincenal | NOM-0925 | 41200.00 | — |
Esta página no escucha nada. Es una recreación de la interfaz: los tiempos de OCR y transcripción que ves son los medidos en el spike (Apple Vision 220 ms, whisper small con Metal 500 ms, en un M2 de 8 GB). La app real tampoco envía nada — esa es justamente la idea.
Dos comandos. Impecables.
El cursor aporta el objeto —esto—. La voz aporta la acción —haz X—. No hay ventana de chat, no hay asistente que abra Chrome: hay dos cosas que ocurren bien todos los días.
Extraer
Apunta a una tabla, un párrafo o una cifra —aunque sea un escaneo torcido dentro de un escritorio remoto—. Sale como texto, como TSV en el portapapeles o como un .xlsx.
- tabla
- texto
- cifra
- .xlsx
- portapapeles
Dictar
Apunta a cualquier campo de texto de cualquier aplicación y habla. El texto entra ahí —incluso donde esa aplicación nunca tuvo dictado: un core bancario, una web interna, una sesión remota.
- campos legacy
- apps web
- escritorio remoto
- verificado tras escribir
Nada sale de aquí.
Un abogado corporativo o un oficial de cumplimiento tiene prohibido subir documentos de sus clientes a la nube. Por eso queda fuera de la AI. Pointer resuelve eso por construcción, no por promesa: el binario no tiene cliente HTTP, la lista de dependencias lo prohíbe, y un test ejecuta el programa y muestrea lsof durante toda la sesión buscando descriptores de red.
Lo que le enseñas a compliance.
Prometer que nada sale no sirve de nada si no puedes demostrarlo. Cada comando deja una fila: cuándo, qué tipo, con qué modelo, cuánto tardó y el hash de lo que se capturó — nunca el contenido. El registro es SQLite de solo-anexar, encadenado por hash, y se exporta a CSV o JSON.
| Hora | Comando | Hash de la captura | Modelo | E2E | Red |
|---|---|---|---|---|---|
| 19:41:52 | dictate | sha256:4c1e…97af | whisper-small-q8 | 0.68 s | 0 |
| 19:41:16 | extract_text | sha256:b70d…1e42 | vision-accurate | 0.31 s | 0 |
| 19:40:48 | extract_table | sha256:29fa…dd05 | vision-accurate | 0.74 s | 0 |
El hash prueba que una captura concreta pasó por el sistema sin guardar ni un pixel de ella. Si alguien altera o borra una fila, la cadena se rompe y pointer audit verify lo dice.
Medido, no prometido.
Cada objetivo del proyecto es un número con semáforo, y un número en rojo bloquea la fase. Estos son los del spike, tomados en un MacBook Air M2 de 8 GB.
Piezas: whisper small con Metal transcribe 2,4 s de audio en español en 500 ms; Apple Vision resuelve una tabla de 6×5 en 167–240 ms; ambos corren a la vez mientras hablas. Sin GPU, whisper tarda 8 s — por eso Apple Silicon es requisito y no preferencia. El corpus humano de WER (T2) está pendiente: hasta que exista, ningún idioma se declara listo.
Dónde está hoy.
Pointer no está a la venta. Está en beta privada sobre macOS, y cada fase tiene una puerta de números que hay que pasar para abrir la siguiente.
Lo que todo el mundo pregunta.
¿Funciona sin internet?
Sí. Una vez descargado el modelo de voz, Pointer funciona con el wifi apagado y así es como se prueba: la sesión no abre ni un socket. Las únicas conexiones que existirán algún día son la descarga inicial del modelo, con hash verificado, y un chequeo de actualizaciones que se puede desactivar.
¿Qué permisos pide y por qué?
Tres, de macOS: Accesibilidad para leer la tecla y escribir el texto, Grabación de pantalla para capturar la región bajo el cursor, y Micrófono para oírte. Se piden en ese orden, cada uno con una línea que explica para qué. Ninguno permite que algo salga de la máquina.
¿Guarda mis capturas?
No. La imagen y el audio se sobrescriben con ceros en cuanto termina el comando; solo se guardan si tú lo pides explícitamente. En el registro queda el hash, no el contenido.
¿Qué idiomas entiende?
Español e inglés en el MVP, y el modelo es multilingüe por naturaleza. Añadir un idioma es añadir su vocabulario y correr el benchmark: si su tasa de error sale en rojo, ese idioma no se lanza — aunque los otros estén verdes.
¿Qué necesito para correrlo?
Un Mac con Apple Silicon y macOS 13 o superior. El spike se validó en un M2 de 8 GB. Sin GPU la transcripción tarda ocho segundos, así que Apple Silicon es un requisito, no una recomendación. Windows llega en la fase 4.
¿Cuánto cuesta?
Todavía no hay precio público: estamos en beta privada y la licencia individual llega en la fase 3. Si entras ahora, entras a cambio de contarnos qué extraes y qué dictas cada día.
Apunta a algo que hoy copias a mano.
Buscamos a quien ya quiere usar AI en su trabajo y tiene prohibido hacerlo con datos de clientes: abogacía corporativa, cumplimiento, riesgo, auditoría, finanzas. Si ese eres tú, tu caso decide qué se construye después.
Respondemos en un día laborable. Beta sobre macOS con Apple Silicon.