Cyberpediapor Brain

La IA al servicio de la accesibilidad en el trabajo

Subtítulos en directo, descripción de imágenes, lectura en voz alta: lo que Microsoft y Google dicen de estas herramientas y qué verifica un empleado.

En esta página
  1. 1En 30 segundos
  2. 2De qué se trata
  3. 3Preguntas directas
  4. 4Cómo funciona
  5. 5Qué hace usted
  6. 6Las trampas
  7. 7Fuentes
  8. 8Citar este artículo

En 30 segundos

Dónde ocurre
Narrator[1] y los subtítulos en directo[3] en Windows 11, los subtítulos de las reuniones de Teams[4], y también Lookout[5], Expressive Captions[6] y TalkBack[7] en Android.
Qué hacen
Estas herramientas convierten un sonido o una imagen en texto mostrado o en voz. En las descripciones de imágenes, Microsoft escribe que la función puede ofrecer una descripción inexacta[2].
El reflejo
Releer la descripción o el subtítulo antes de fiarse de ellos, sobre todo en el caso de una cifra o de un documento jurídico o financiero[2].
Si ya está hecho
Las descripciones de imágenes de Narrator se desactivan en los ajustes de Accesibilidad de Windows[2], y los subtítulos de Teams se desactivan desde los controles de la reunión[4].

De qué se trata

Narrator, el lector de pantalla integrado en Windows 11, puede ofrecer descripciones detalladas de imágenes y gráficos gracias a la IA en los PC Copilot+[1]. La página de Microsoft que presenta esta función reconoce que la descripción puede ser inexacta[2].

Este artículo reúne lo que Microsoft y Google dicen de sus funciones de accesibilidad basadas en la IA: subtítulos en directo, descripción de imágenes, lectura en voz alta. Explica por qué un empleado relee lo que producen estas herramientas, qué datos salen hacia un servicio en línea y qué marco se aplica.

Preguntas directas

¿Qué describe Narrator cuando se le pide una imagen?

En un PC Copilot+, Narrator ofrece una descripción contextual que detalla las personas, los objetos, los colores, el texto y las cifras de la imagen, con el atajo Narrator key+Ctrl+D[1]. En los PC que no son Copilot+, la experiencia sigue siendo una descripción básica[1]. En su versión de marzo de 2026, la guía indica que Narrator puede trabajar con Copilot en todos los dispositivos Windows 11: Copilot se abre con la imagen lista y el usuario escribe su propia petición[1]. La imagen solo se comparte después de elegir describirla[1].

¿Se puede uno fiar de una descripción o de un subtítulo generado?

Microsoft escribe que la función de descripción enriquecida puede ofrecer una descripción inexacta, datos inexactos en un gráfico o inferencias emocionales, lo que puede llevar a hipótesis falsas sobre la imagen[2]. En cuanto a los subtítulos de Teams, Microsoft señala que pueden ser menos precisos cuando uno se aleja del micrófono[4]. El texto producido es, pues, un apoyo que hay que releer, no una fuente que prescinda de verificación.

¿Para qué contenidos desaconseja Microsoft la descripción de imágenes?

Microsoft escribe que la función no debería usarse para describir:

  • imágenes médicas o relacionadas con la salud, que podrían confundirse con un consejo médico[2];
  • imágenes en documentos jurídicos o financieros en los que la exactitud es crítica[2];
  • imágenes con símbolos culturales o religiosos sin el contexto adecuado[2];
  • imágenes con mapas, banderas o globos terráqueos[2].

Microsoft añade que la función no debería usarse para deducir las emociones de personas en el trabajo o en un centro de enseñanza, por ejemplo empleados o estudiantes[2].

¿Qué datos salen hacia un servicio en línea?

Depende de la herramienta. Para los subtítulos de Teams, Microsoft escribe que los datos se tratan en la región geográfica donde está establecida la organización[4]. El servicio de reconocimiento automático del habla (Microsoft Automatic Speech Recognition) puede utilizar el asunto de la reunión, la invitación, los nombres de los participantes, los archivos adjuntos y los correos electrónicos recientes de los participantes para mejorar la precisión[4]. Según Microsoft, nadie tiene acceso a ellos, y los datos de los subtítulos se eliminan definitivamente después de la reunión[4].

Para Narrator, las preguntas frecuentes de Microsoft (actualizadas en junio de 2025) indican que la experiencia estándar de descripción de imágenes de los demás dispositivos Windows se basa únicamente en servicios en línea[2]. La guía precisa, para la versión de febrero de 2024, que hace falta una conexión a internet activa y que la opción de obtener descripciones de imágenes debe estar activada[1]. En cambio, las voces naturales de Narrator, una vez descargadas, funcionan en el dispositivo sin conexión a internet[1], y los subtítulos en directo de Windows 11 pueden mostrarse sin conexión[3].

¿Qué marco se aplica a estas herramientas?

La Comisión Europea[8] presenta el Acta Europea de Accesibilidad como una directiva que pretende mejorar el funcionamiento del mercado interior para los productos y servicios accesibles. Cubre en particular los ordenadores y los sistemas operativos, los smartphones y el comercio en línea, y los Estados miembros debían transponerla al Derecho nacional en junio de 2022[8].

En cuanto a los datos personales, la CNIL[9] recuerda que un sistema de IA que explota datos personales debe desarrollarse, entrenarse y desplegarse siempre con una finalidad bien definida. Recuerda también que los datos deben ser adecuados, pertinentes y limitados a lo necesario, y que las personas que ejercen sus derechos deben, en principio, obtener una respuesta en el plazo de un mes[9].

El NIST[10] ha publicado el marco AI RMF, destinado a un uso voluntario, para gestionar mejor los riesgos que la IA plantea a las personas, a las organizaciones y a la sociedad. Se publicó el 26 de enero de 2023, y el NIST indica que está en revisión en el marco del plan de acción de IA de la Casa Blanca[10].

Cómo funciona

Para la descripción de imágenes, Microsoft explica que la función utiliza modelos de IA que producen descripciones textuales detalladas de imágenes, gráficos y diagramas[2]. Para medir la calidad, la empresa indica haber constituido un conjunto de imágenes variadas (fotografías, gráficos, capturas de pantalla, interfaces de aplicaciones) y haber evaluado las descripciones según la exactitud, la exhaustividad, la pertinencia y la utilidad, con juicios de expertos humanos y una puntuación asistida por un LLM[2]. El usuario puede regenerar la descripción y copiarla[2].

Los subtítulos en directo de Windows 11 se activan con Windows + Ctrl + L o desde los ajustes de accesibilidad[3]. Admiten varios idiomas, entre ellos el francés, y la ventana de subtítulos permite también subtitular la propia voz conectando un micrófono[3].

En Teams, la función detecta lo que se dice en una reunión y muestra subtítulos en tiempo real[4]. Configurar el idioma hablado de la reunión con el idioma realmente utilizado da subtítulos más precisos[4]. Teams no los guarda: para obtener una transcripción, hay que activar la transcripción[4]. Existe una alternativa, un subtitulador CART (Communication Access Real-time Translation), cuyos subtítulos produce una persona[4].

Por parte de Google, Lookout en Android ayuda a las personas ciegas o con baja visión a informarse gracias a la cámara de su teléfono, y los pies de foto de imágenes generados por IA están disponibles en Lookout en todo el mundo, en inglés, según Google en mayo de 2024[5]. En diciembre de 2024, Google indica que Image Q&A en Lookout utiliza Gemini 1.5 Pro para ofrecer descripciones más ricas, leídas en voz alta, con preguntas de seguimiento[6]. En mayo de 2025, Google precisa que TalkBack, el lector de pantalla de Android, ofrece descripciones de imágenes generadas por Gemini incluso sin texto alternativo, y que se pueden hacer preguntas sobre una imagen o sobre toda la pantalla[7]. Expressive Captions utiliza la IA para reflejar lo que dice una persona y cómo lo dice[7].

Qué hace usted

  • Relea antes de utilizar. Una descripción o un subtítulo sirve de apoyo; para una cifra, un nombre o un documento jurídico o financiero, compruebe en la fuente[2].
  • Mejore la entrada de audio. Microsoft recomienda hablar con claridad, despacio y directamente al micrófono, evitar los lugares ruidosos y no hablar varias personas a la vez[4]. Para la versión de escritorio de Teams, añade usar el mejor equipo certificado para Teams disponible[4].
  • Configure el idioma hablado de la reunión. Si el idioma detectado difiere del configurado, Teams invita al organizador, al coorganizador o a la persona que ha iniciado la transcripción a actualizarlo[4].
  • Conserve el control sobre lo que se comparte. En Narrator, la imagen solo se comparte después de elegir describirla[1].
  • Notifique los errores. Los pulgares hacia arriba y hacia abajo de la interfaz de Narrator permiten dar una opinión sobre una descripción[2].

Para un manager o un colega que active estas herramientas:

  • Avise a los participantes. En Teams, las personas pueden elegir no ser identificadas en los subtítulos[4].
  • Consulte al administrador si es necesario. Según Microsoft, el administrador puede desactivar la función de subtítulos[4].
  • Para los subtítulos traducidos, verifique la licencia: están disponibles con Teams Premium y Microsoft Copilot[4].
  • Si es preferible un subtitulado humano, existe el subtitulador CART[4].

Las trampas

  • Una descripción plausible no es una descripción exacta. Microsoft señala que el modelo también puede asociar una imagen a una persona o describir emociones, a partir de indicios de contexto como una camiseta y su número, sin utilizar datos biométricos[2]. Las respuestas sobre las emociones se basan en la apariencia y no reflejan necesariamente el estado interior de una persona[2].
  • Los subtítulos ocultan algunas palabras. En Teams, las obscenidades se ocultan con asteriscos[4].
  • La disponibilidad varía. Microsoft precisa que sus artículos están escritos para el mercado estadounidense y que las funciones y la disponibilidad pueden variar según las regiones[3]. La nueva versión de Expressive Captions se despliega en inglés en Estados Unidos, el Reino Unido, Canadá y Australia, en Android 15 y posteriores[7].
  • La calidad en pruebas no dice la calidad en situación real. La CNIL escribe que hay que disociar el rendimiento de la fase de aprendizaje del rendimiento del sistema en producción: la calidad del primero no permite presumir la del segundo[9].

Fuentes

  1. Microsoft, «Complete guide to Narrator». https://support.microsoft.com/en-us/accessibility/windows/narrator/complete-guide-to-narrator (consultado el 14 de noviembre de 2026)
  2. Microsoft, «Frequently asked questions about rich image descriptions», 11 de febrero de 2025. https://support.microsoft.com/en-us/accessibility/windows/copilot/frequently-asked-questions-about-rich-image-descriptions (consultado el 14 de noviembre de 2026)
  3. Microsoft, «How to customize your live caption settings for any purpose», 5 de julio de 2023. https://www.microsoft.com/en-us/windows/learning-center/choose-best-caption-settings (consultado el 14 de noviembre de 2026)
  4. Microsoft, «Use live captions in Microsoft Teams meetings». https://support.microsoft.com/en-us/teams/meetings/use-live-captions-in-microsoft-teams-meetings (consultado el 14 de noviembre de 2026)
  5. Google, «8 new accessibility updates across Lookout, Google Maps and more», 16 de mayo de 2024. https://blog.google/company-news/outreach-and-initiatives/accessibility/ai-accessibility-update-gaad-2024/ (consultado el 14 de noviembre de 2026)
  6. Google, «Connect and share in more ways with new Android features», 5 de diciembre de 2024. https://blog.google/products-and-platforms/platforms/android/new-android-features-december-2024/ (consultado el 14 de noviembre de 2026)
  7. Google, «New AI and accessibility updates across Android, Chrome and more», 15 de mayo de 2025. https://blog.google/company-news/outreach-and-initiatives/accessibility/android-gemini-ai-gaad-2025/ (consultado el 14 de noviembre de 2026)
  8. Commission européenne, «European Accessibility Act (EAA)», 3 de febrero de 2025. https://commission.europa.eu/strategy-and-policy/policies/justice-and-fundamental-rights/disability/european-accessibility-act-eaa_en (consultado el 14 de noviembre de 2026)
  9. CNIL, «IA : comment être en conformité avec le RGPD ?», 5 de abril de 2022. https://www.cnil.fr/fr/intelligence-artificielle/ia-comment-etre-en-conformite-avec-le-rgpd (consultado el 14 de noviembre de 2026)
  10. NIST (États-Unis), «AI Risk Management Framework», 12 de julio de 2021. https://www.nist.gov/itl/ai-risk-management-framework (consultado el 14 de noviembre de 2026)