Cada vez que abres un chatbot de IA y tienes que explicar desde cero qué proyecto llevas, qué acordaste en la reunión de ayer y cuáles son tus prioridades, estás pagando un costo invisible. Se llama el problema del contexto: los modelos son potentes, pero ciegos a tu vida digital real.
Littlebird lleva recién unos meses, tiene US$11M de inversores que incluyen a Lenny Rachitsky y Scott Belsky, y propone una respuesta técnicamente distinta a todo lo que vino antes: leer tu pantalla en tiempo real, almacenar ese contexto como texto, y estar disponible cuando lo necesitas, no cuando te lo empuja.
¿Qué cambia respecto a Rewind o Microsoft Recall?
Microsoft Recall guarda capturas de pantalla. Rewind también. Ambos enfrenten el mismo problema: las imágenes pesan, son visualmente invasivas y complicadas de buscar. Littlebird hace algo distinto: en vez de fotografiar lo que ves, lo lee y lo convierte en texto.
IA para el Resto de Nosotros
La nueva versión de mi curso estrella para aprender a usar la IA de forma práctica, simple y útil en tu día a día. Comienza el 24 de marzo.
→ Inscríbete hoy 🚀La diferencia no es trivial. Un texto es órdenes de magnitud más liviano que una captura. Es indexable, consultable con lenguaje natural, y puede alimentar flujos de IA complejos sin que el modelo tenga que “ver” imágenes. Técnicamente, es también más defendible en términos de privacidad: no hay pixel almacenado de tu pantalla, solo la interpretación textual de lo que había en ella.
Así describe su fundador Alexander Green la apuesta: “No almacenamos información visual. Solo texto, lo que hace que los datos sean mucho más ligeros. Creo que fue otra razón por la que Recall y Rewind tuvieron dificultades: tomar capturas es mucho más intensivo en datos. Y también más invasivo.”
En la práctica, puedes decidir qué apps ignora —gestores de contraseñas quedan automáticamente excluidos, al igual que campos sensibles como tarjetas de crédito—. También se integra con Gmail, Google Calendar y Apple Calendar. El sistema genera preguntas pregeneradas que se van personalizando con el tiempo: “¿Qué he estado haciendo hoy?” se vuelve más específico a medida que el modelo aprende tus patrones.
El contexto como capa de infraestructura personal
La apuesta de fondo de Littlebird no es solo una app de productividad. Es una tesis sobre dónde falla la IA conversacional masiva: los modelos no saben nada de ti, y cada conversación empieza desde cero.
Esto no es un problema menor. Como documentó un análisis sobre la ceguera de los agentes de IA, el 88,5% del conocimiento de un agente puede quedar invisible por problemas de configuración o de diseño de memoria. Littlebird propone atacar ese problema desde la capa de captura: si el sistema ya sabe lo que hiciste, el gap de contexto se reduce drásticamente.
El producto incluye además un tomador de notas de reuniones estilo Granola, rutinas programadas (“resume mi semana”), y una función de preparación previa para reuniones que cruza historial de mails, context de proyectos y, según la empresa, hasta discusiones públicas en Reddit sobre el interlocutor o la empresa.
La apuesta por la nube, sin embargo, genera tensión. Green reconoce que la decisión fue deliberada: necesitan modelos potentes en servidor para los flujos de IA más avanzados, lo que es imposible localmente. El tradeoff es real: te fías de que el texto de tu pantalla —reuniones, correos, documentos— vive cifrado en sus servidores. Para herramientas como Claude con memoria persistente, el almacenamiento en nube también es el modelo dominante, pero la superficie de riesgo de Littlebird es mayor porque el volumen de datos capturado es estructuralmente más amplio.
Por qué importa
Littlebird no gana si es una app más de IA. Gana si se convierte en la capa de contexto personal que hace que todos los demás agentes funcionen mejor: el que escribe tus emails, el que busca en tu código, el que resume tus reuniones. En ese modelo, el valor no está en la interfaz sino en la memoria acumulada.
El fundador Alap Shah, coautor del polémico paper Citrini sobre cómo los agentes de IA podrían destruir la economía, llega con la tesis de que los modelos son tan buenos como el contexto que tienen. Los inversores —Rachitsky, Belsky, Gokul Rajaram— son usuarios activos del producto, lo que señala que al menos para un perfil de usuario avanzado hay utilidad real.
La pregunta que Rachitsky mismo formula públicamente es la correcta: ¿cuál es el caso de uso killer? Por ahora, Littlebird es una solución potente para quienes ya entienden el problema. El desafío es que la mayoría de usuarios no sabe que lo tiene.
La paradoja es exactamente la opuesta a Microsoft Recall: mientras Recall fue visible, invasiva y generó rechazo inmediato por guardar imágenes de todo, Littlebird apuesta a lo invisible. Trabaja en el fondo, sin interrumpir, y solo aparece cuando tú lo buscas. Si ese diseño resuelve el problema de adopción, puede ser la primera herramienta de “contexto continuo” que realmente escale. Si no, tendrá el mismo destino que sus predecesores: buena tecnología esperando un mercado que no terminó de llegar.
El precio de entrada es US$20 al mes. La app es gratuita para uso básico. Por ahora, solo funciona en macOS; Windows está en lista de espera.
