Serie PLAUD MCP · Parte 1
Grabar una reunión, una clase o una ponencia es fácil. El problema empieza después: tenemos el audio, quizá una transcripción y algún resumen, pero esa información termina muchas veces guardada en una aplicación y rara vez volvemos a utilizarla.
La aparición de PLAUD MCP me ha llevado a plantear un pequeño proyecto personal para conectar grabaciones, transcripciones e inteligencia artificial con un objetivo bastante concreto: convertir lo que escucho, explico o comento en información estructurada que pueda reutilizar posteriormente.
El sistema todavía está en construcción. Precisamente por eso este primer artículo no pretende enseñar un resultado terminado, sino documentar las decisiones que estoy tomando antes de ponerlo a prueba.
De una grabación a conocimiento reutilizable
Objetivo: construir un flujo capaz de tomar una grabación, obtener su transcripción y transformarla según el contexto en información realmente útil.
La idea no es conseguir simplemente una transcripción mejor. El objetivo es que una reunión pueda terminar en decisiones y tareas, una ponencia en ideas y referencias, o una clase en una pequeña memoria de lo trabajado.
1. El problema no es grabar
El audio conserva prácticamente todo lo que se ha dicho. Esa es su gran ventaja y, al mismo tiempo, uno de sus principales inconvenientes: volver unos días después a una grabación de cuarenta minutos o una hora resulta poco práctico.
La transcripción mejora bastante la situación. Podemos buscar una palabra, recuperar un fragmento, copiar una cita o pedir a una IA que genere un resumen.
Pero sigo viendo una diferencia importante entre tener el texto de una conversación y haber convertido esa conversación en información útil.
La pregunta que quiero resolver: ¿podemos hacer que una grabación deje de ser simplemente un archivo almacenado y se convierta automáticamente en información que podamos consultar, reutilizar o incorporar a otros proyectos?
2. Una grabación, tres necesidades diferentes
La clave está en que el mismo tipo de archivo puede necesitar un tratamiento completamente diferente según el contexto en el que se haya generado.
Reunión
Me interesa saber qué se ha decidido, qué tareas quedan pendientes, quién debe realizarlas y cuáles son los siguientes pasos.
Ponencia
Quiero conservar ideas, recursos, referencias, ejemplos y quizá alguna línea que después merezca investigar o desarrollar.
Clase
Me interesa detectar conceptos trabajados, ejemplos utilizados, dudas planteadas y aspectos que quizá debería revisar.
El origen es exactamente el mismo —una grabación—, pero el resultado que necesito es completamente diferente.
3. PLAUD MCP cambia una pieza importante
PLAUD ha incorporado compatibilidad con MCP, Model Context Protocol. Esto permite que un asistente compatible pueda acceder a las grabaciones y recuperar información asociada como la transcripción o los resúmenes.
Puede parecer simplemente una forma diferente de acceder al contenido, pero para este proyecto cambia bastante la forma de pensar el proceso.
El flujo habitual sería algo parecido a esto: grabar, entrar en PLAUD, localizar la grabación, copiar la transcripción, abrir otra herramienta y explicar de nuevo qué queremos hacer con ella.
Grabar → Recuperar → Procesar → Estructurar → Reutilizar
Con este planteamiento, PLAUD deja de ser el lugar donde termina el contenido. Se convierte simplemente en una de las posibles fuentes de información del sistema.
4. Dos caminos para obtener la transcripción
Una de las primeras decisiones del proyecto ha sido evitar que todo dependa de una única vía de transcripción.
Si PLAUD ya dispone del texto, podemos utilizarlo. Pero quiero mantener una segunda posibilidad que permita trabajar directamente con el archivo de audio.
Transcripción de PLAUD
Es el camino más directo cuando el servicio ya ha procesado la grabación.
Grabación → PLAUD → Transcripción
Transcripción con Whisper
Podemos recuperar el audio y procesarlo en nuestro propio entorno utilizando Whisper.
Grabación → Audio → Whisper → Transcripción
Esta segunda posibilidad me parece especialmente interesante porque permite separar dos problemas que muchas veces aparecen unidos: capturar el audio y convertirlo en texto.
PLAUD puede seguir siendo la herramienta con la que realizo la grabación, pero eso no obliga a utilizar siempre el mismo servicio para procesarla.
5. La transcripción tampoco es el resultado
Esta es probablemente la idea central del proyecto.
No quiero construir un sistema para transcribir audios. Quiero construir un sistema que utilice las transcripciones como materia prima.
El flujo de trabajo:
Audio → Transcripción → Normalización → Skill → Plantilla → Resultado
La transcripción deja así de ser el producto final. Se convierte simplemente en una etapa intermedia sobre la que podemos aplicar diferentes formas de procesamiento.
6. Una skill según lo que haya grabado
Estoy planteando inicialmente tres skills. No porque sean las únicas posibles, sino porque representan bastante bien los usos que probablemente haga de la grabadora.
Reuniones: convertir conversación en acciones
Una reunión necesita transformar la conversación en información operativa. Un resumen general puede ser interesante, pero probablemente no sea lo que busque cuando vuelva a consultarla unos días después.
- Asuntos tratados.
- Decisiones tomadas.
- Tareas pendientes.
- Responsables.
- Fechas relevantes.
- Cuestiones abiertas.
- Próximos pasos.
El objetivo es poder volver a la reunión y saber rápidamente qué se decidió y qué debemos hacer.
Ponencias: conservar ideas que merecen continuar
En una ponencia o jornada el objetivo cambia. Aquí no necesito tanto información operativa como conservar conocimiento que pueda tener valor posteriormente.
- Ideas relevantes.
- Conceptos y argumentos.
- Datos mencionados.
- Herramientas y recursos.
- Referencias.
- Ejemplos.
- Cuestiones que convendría investigar.
Incluso quiero probar una sección denominada Ideas para desarrollar, donde el sistema pueda detectar posibles artículos, actividades, proyectos o líneas que merezca explorar posteriormente.
Clases: crear una pequeña memoria docente
Probablemente sea el caso de uso que más curiosidad me genera.
No se trataría de guardar indefinidamente la transcripción completa de cada clase, sino de utilizar determinadas sesiones para recuperar información que pueda ayudarme a revisar lo ocurrido.
- Conceptos explicados.
- Ejemplos utilizados.
- Dudas planteadas.
- Preguntas interesantes.
- Contenidos que aparentemente han generado dificultad.
- Aspectos que debería revisar o reforzar.
La grabación podría convertirse así en una especie de memoria docente: no un registro literal de la sesión, sino una herramienta para analizar y mejorar lo trabajado.
7. Las plantillas son más importantes de lo que parecen
Inicialmente pensé simplemente en crear diferentes prompts para cada situación.
Después me di cuenta de que el problema no era exactamente ese. Si cada vez le digo a una IA «resume esta reunión», el resultado dependerá demasiado de cómo interprete en ese momento qué significa resumir.
Prefiero que la inteligencia artificial interprete el contenido, pero que la estructura que debe producir esté definida de antemano.
Reunión
Contexto · temas · decisiones · tareas · cuestiones pendientes · próximos pasos.
Ponencia
Resumen · ideas principales · recursos · referencias · ejemplos · ideas derivadas.
Clase
Contenido trabajado · ejemplos · dudas · dificultades · aspectos a revisar.
Separar la skill de la plantilla debería hacer el sistema más predecible. También permitirá cambiar la forma de presentar los resultados sin tener que reconstruir todo el flujo.
8. Un sistema pequeño, pero reutilizable
El proyecto lo estoy planteando deliberadamente como algo sencillo. No necesito una gran plataforma ni una aplicación llena de opciones.
Lo que necesito es que cada pieza tenga una responsabilidad clara y pueda sustituirse por otra si en algún momento aparece una alternativa mejor.
PLAUD / Audio → Transcripción → Texto normalizado → Skill → Plantilla → Markdown
El resultado inicial será un documento Markdown. Me interesa precisamente porque es un formato sencillo, portable y fácil de reutilizar.
A partir de ahí podría almacenarlo como documentación, incorporarlo a otro proyecto, utilizarlo como fuente para un sistema RAG o transformarlo posteriormente en otro formato.
Una condición importante: no quiero que el resultado vuelva a quedar encerrado dentro de otra aplicación.
9. ¿Y dónde entra MCP?
MCP es probablemente lo que ha provocado que empiece a pensar seriamente en este flujo.
Su interés no está únicamente en conectar una herramienta concreta. Lo realmente interesante es poder separar la fuente de información del sistema que posteriormente la utiliza.
Lo que quiero evitar
PLAUD + una IA concreta + un prompt concreto
Un flujo demasiado unido a una única herramienta.
Lo que busco
Fuente → herramienta → skill → resultado
Un sistema en el que cada pieza pueda evolucionar de forma independiente.
Hoy la fuente puede ser PLAUD. Mañana podría ser un archivo de audio de una jornada, una grabación realizada con el móvil o cualquier otra fuente.
Ese desacoplamiento es, para mí, bastante más interesante que la transcripción en sí misma.
10. El siguiente paso: utilizarlo de verdad
Por ahora todo esto sigue siendo diseño.
La arquitectura parece razonable sobre el papel, pero todavía quedan las preguntas que realmente importan.
- ¿Será suficientemente buena la transcripción?
- ¿En qué situaciones funcionará mejor PLAUD y en cuáles Whisper?
- ¿Las plantillas producirán resultados realmente útiles?
- ¿Las tres skills serán suficientes?
- ¿El sistema ahorrará realmente tiempo?
- ¿Acabaré utilizando este flujo de forma habitual?
Todavía no tengo las respuestas. Y precisamente por eso este artículo termina aquí.
El siguiente paso será implementar el flujo y utilizarlo en situaciones reales: una reunión, una ponencia y probablemente alguna clase.
Entonces tendrá sentido escribir una segunda parte con resultados, ejemplos y también con aquello que no haya funcionado como esperaba.
De guardar grabaciones a construir memoria
Quizá el cambio más interesante no sea tecnológico.
Hasta ahora grabar significaba principalmente conservar. Este proyecto intenta añadir un paso más: convertir lo que hemos dicho o escuchado en algo que pueda volver a formar parte de nuestro trabajo.
Esta es la primera parte del proyecto.
La siguiente llegará cuando PLAUD, Whisper, las skills y las plantillas hayan pasado de la arquitectura sobre el papel a varias pruebas reales. Entonces podremos comprobar si la idea funciona y qué merece la pena cambiar.
En la segunda parte de la serie explico qué ocurrió al convertir esta idea en una arquitectura real.
Juan Armada Blanco
Profesor de Formación Profesional en Comercio y Marketing. Escribo sobre comercio digital, WordPress, inteligencia artificial y tecnología aplicada al aula, a partir de proyectos, experiencias y recursos que utilizo en mi trabajo docente.