Marissa Mayer, exdirectora ejecutiva de Yahoo, apuesta por que el historial de fotos del teléfono puede revelar más sobre la vida del usuario que su correo electrónico o calendario. Esta es la base sobre la que Dazzle está construyendo su propuesta; la empresa emergente que lo desarrolla recaudó 8 millones de dólares en una ronda semilla en diciembre pasado.
En lugar de recopilar el contexto de múltiples aplicaciones de texto, Dazzle se centra en una única fuente: la biblioteca de fotos. Según Mayer, el sistema puede analizar las imágenes para extraer indicios sobre pasatiempos, intereses, alimentos y preferencias personales, además de cómo pasa el tiempo el usuario y las personas que aparecen constantemente en su vida.
¿Cómo funciona Dazzle?
El asistente puede utilizarse a través de la aplicación o mediante mensajes de texto, y sus funciones se dividen en dos vías principales. En las tareas directas, examina las fotos recientes para extraer información práctica; puede leer una publicación sobre un evento y añadir sus detalles al calendario, o reparar en una foto de una puerta de garaje dañada y sugerir buscar a un técnico de reparaciones.
La segunda vía utiliza todo el historial de fotos para crear sugerencias personalizadas, como ideas para vacaciones, regalos y actividades familiares. Durante una prueba con una solicitud relacionada con viajes, Dazzle sugirió destinos en el Mediterráneo, aparentemente basándose en viajes anteriores a España y Grecia. También propuso actividades locales, entre ellas un taller de cerámica y una excursión en kayaks bioluminiscentes por la bahía de Tomales.
¿Qué lo distingue y cuáles son sus límites?
La ventaja que Dazzle intenta ofrecer no consiste simplemente en reconocer el contenido de una imagen o buscar un producto que aparezca en ella, sino en relacionar las fotos acumuladas con estilos de vida e intereses. Mayer dijo que el sistema dedujo a partir de las fotos de su familia que les gustan las salas de escape, y luego sugirió varios lugares en la zona de la bahía de San Francisco que ella no conocía.
Sin embargo, la experiencia también reveló límites claros. El asistente sugirió comprarle un par de esquís a la hija del usuario, aunque ella ya sabe esquiar. El sistema también recordó un viaje a Sicilia pese a que habían pasado cuatro años desde entonces, lo que indica que sus inferencias a partir del archivo no siempre son coherentes ni comprensibles para el usuario.
¿Por qué importa esta tendencia?
Dazzle representa una dirección diferente en el diseño de asistentes personales: pasar de ejecutar órdenes basándose en el correo electrónico y el calendario a intentar construir un modelo de la identidad y las preferencias del usuario. Esto podría hacer que las sugerencias fueran más pertinentes, pero también aumenta la sensibilidad de los datos que el sistema debe analizar, ya que una biblioteca de fotos puede contener imágenes de niños, hogares, ubicaciones y acontecimientos privados.
Mayer afirma que Dazzle da prioridad a la privacidad y elimina la información personal que la inteligencia artificial identifica como sensible. También considera que algunos usuarios podrían preferir dar sus fotos al asistente en lugar de permitirle acceder al correo y los mensajes, especialmente debido a las preocupaciones de seguridad relacionadas con asistentes competidores como Muse e Instinct. Sin embargo, este planteamiento no elimina la pregunta fundamental: ¿basta con un mecanismo para eliminar los datos sensibles y cómo puede el usuario verificar la exactitud de lo que el sistema ha inferido o que no conserva información adicional?
Mayer tiene experiencia previa en herramientas fotográficas a través de su empresa Sunshine, que lanzó en 2024 la herramienta Shine, basada en inteligencia artificial, antes de cerrarla posteriormente tras las críticas a su diseño y su escasa difusión. Mayer afirma que la experiencia dejó propiedad intelectual útil. En cuanto a Dazzle, ofrece una visión prometedora de un asistente más personal, pero todavía es menos completo que los asistentes competidores, y su utilidad práctica debe superar los errores de memoria e inferencia antes de convertirse en una alternativa sostenible a los asistentes que dependen de fuentes de datos más amplias.