ITT Italia
«Innovar para incluir»: de esta necesidad nace el nuevo proyecto desarrollado por Cloudia Research para ITT Italia Srl, empresa líder en el sector de las tecnologías para la movilidad y parte del grupo internacional ITT, presente en más de 35 países con más de 11 700 empleados.
La misión de ITT se resume en el lema «We solve it»: transformar ideas únicas en soluciones innovadoras y sostenibles, acompañando a los clientes en la resolución de sus retos diarios.
Diseña y desarrolla soluciones tecnológicas personalizadas para los mercados del transporte y la industria, con un fuerte enfoque en la investigación y el desarrollo.
La transcripción inteligente que reconoce quién habla
Es precisamente esta cultura de la innovación la que ha llevado a ITT a pensar en una solución concreta para mejorar la accesibilidad y la inclusión dentro de sus procesos empresariales.
La idea surgió de una necesidad real de inclusión: un empleado con discapacidad auditiva que, durante las reuniones de la empresa, tenía dificultades para identificar quién estaba hablando en las transcripciones automáticas.
De esta especificidad ha surgido una aplicación web basada en tecnología speech-to-text, diseñada para reconocer automáticamente al interlocutor en función del contexto, sin necesidad de muestreo vocal.
Una solución que combina inteligencia artificial e inclusión, mejorando la comunicación y haciendo que la experiencia sea más accesible para todos.
¿Qué es y por qué marca la diferencia?
El objetivo del proyecto es claro: hacer que la transcripción del habla sea un proceso fluido, preciso y completamente automatizado.
Cuando un usuario dice «Buenos días, soy Marco», la aplicación web no se limita a transcribir la frase: entiende que se trata de una presentación y asocia correctamente el nombre al interlocutor.
No se basa en muestras de voz ni en archivos de audio: el reconocimiento se realiza íntegramente a través de la comprensión del contexto lingüístico.
Cómo funciona
El sistema se basa en GPT-4.1 mini, un modelo lingüístico avanzado capaz de comprender el lenguaje natural y las relaciones semánticas entre las palabras.
A diferencia de los sistemas tradicionales de conversión de voz a texto, esta aplicación no utiliza el aprendizaje automático continuo: no evoluciona con el tiempo, sino que funciona de forma constante y precisa gracias a su capacidad para interpretar el contexto en tiempo real.
La interfaz es sencilla, moderna e intuitiva. Durante una conversación, muestra la transcripción en directo y la lista de invitados participantes, identificándolos a medida que intervienen.
Una vez finalizada, la transcripción se puede exportar en formato DOCX, lista para compartir o utilizar en informes y documentación oficial.
Un modelo ideal para empresas como ITT que apuestan por herramientas fiables, seguras y perfectamente integrables en los flujos de trabajo cotidianos.
Gestión inteligente de homónimos
Uno de los aspectos más avanzados de la plataforma es la capacidad de gestionar los homónimos.
Cuando varios interlocutores comparten el mismo nombre, la inteligencia artificial no se confunde: analiza el contexto, la secuencia de las intervenciones y la estructura del diálogo para distinguir correctamente a cada participante.
De esta manera, la transcripción mantiene la coherencia y la precisión, incluso en situaciones complejas o con varias voces similares.
Un resultado posible gracias al enfoque lingüístico y contextual del sistema, que no reconoce la voz, sino el significado.
Accesibilidad e inclusión
Esta aplicación web también supone un avance en materia de accesibilidad.
Gracias al reconocimiento contextual de los interlocutores, el sistema también permite a las personas con dificultades auditivas, como las personas sordas o hipoacúsicas, seguir con precisión quién está hablando durante una conversación.
Cada intervención se identifica y se asocia al interlocutor correcto, lo que permite al lector de la transcripción comprender inmediatamente el flujo del diálogo y distinguir claramente las voces presentes.
De esta manera, la plataforma no solo simplifica la comunicación, sino que hace que la información sea más accesible e inclusiva, garantizando una experiencia verdaderamente universal.
Un enfoque que demuestra cómo la inteligencia artificial, cuando se diseña con cuidado, puede derribar barreras y fomentar la participación en cualquier contexto.
Porque es una revolución
La verdadera innovación reside en la capacidad de reconocer a los interlocutores sin ninguna base vocal.
La IA se basa únicamente en la comprensión del lenguaje y del contexto, una perspectiva que da un giro radical al paradigma de los sistemas tradicionales de reconocimiento de voz.
Las ventajas son concretas:
-
No se recopilan datos de voz – la privacidad está totalmente protegida.
-
Reconocimiento contextual – la IA entiende quién habla basándose en las frases y la dinámica de la conversación.
-
Eficiencia inmediata – no requiere formación ni configuraciones previas.
-
Resultado profesional – la transcripción está lista para descargar y compartir.
