El fin de la era del "copiar y pegar en ChatGPT"
Rohit Patel pasó ocho años en Meta trabajando con aprendizaje por refuerzo y evaluando la fiabilidad de las salidas de modelos de inteligencia artificial. En octubre de 2026, dejó su puesto como director en Meta Superintelligence Labs para lanzar una alternativa radical a lo que Microsoft y Google han hecho hasta ahora: Ndoc, una suite de productividad construida desde cero con IA como núcleo, no como complemento.
La empresa, que opera con el mismo nombre del producto, está en piloto empresarial y ofrece acceso limitado a la versión alpha a través de una lista de espera. Patel planea lanzar la versión beta en las próximas semanas, con un lanzamiento completo previsto para 2027. Con un equipo de apenas tres personas y sin inversión externa, la propuesta es ambiciosa, y la intención es demostrar primero que la gente ama el producto antes de buscar financiación.
Tres pestañas, una experiencia
Ndoc combina tres componentes en una única interfaz. La pestaña Stage contiene presentaciones de hallazgos clave: diapositivas, paneles de datos, simulaciones o miniaplicaciones. La pestaña Narrative aporta análisis, citas numeradas, gráficos generados y el razonamiento detrás de los números. La pestaña Model alberga los conjuntos de datos subyacentes y los scripts de Python que los manipulan.
El diseño refleja la formación de Patel. Durante su tiempo en Meta, trabajó con aprendizaje por refuerzo —un tipo de machine learning en el que los agentes de IA aprenden a tomar decisiones por prueba y error— y en la evaluación de salidas de modelos. Llevó ese enfoque a Ndoc, permitiendo a los usuarios inspeccionar el código detrás de sus documentos y pedir al asistente de IA que explique scripts y fórmulas.
"Incluso si no sabes nada de Python, puedes pedirle al chat de IA que explique: '¿Qué hace este script? ¿Qué línea tiene mi fórmula?' Y puedes verificar esa fórmula", dijo Patel a TechCrunch. "No hay nada oculto detrás del telar aquí."
En la práctica, los usuarios pueden cargar un conjunto de datos y pedir a Ndoc que realice un análisis y escriba una narrativa sobre los resultados. También pueden añadir contexto específico del documento, incluyendo público objetivo, tono y memoria. "Mantiene una memoria a lo largo de tu persona, de ese documento específico, de tu equipo y de tu empresa", explicó.
El formato como declaración de principios
La ambición mayor de Patel es reinventar el propio archivo. Los documentos pueden exportarse como un único archivo ".ndoc.html", que cualquier navegador puede abrir —un formato que planea liberar como código abierto para que otros desarrolladores puedan construir aplicaciones compatibles sin quedar atrapados en Ndoc de la misma forma que quedaron atrapados con Microsoft o Google durante años.
Ese deseo de desarrollar un formato abierto de forma independiente fue lo que contribuyó a su decisión de dejar Meta. "En una empresa grande como Meta, conseguir que todos estén de acuerdo con un formato de código abierto sin duda requeriría la entrada de cientos de personas y opiniones sobre cómo debería verse el formato", dijo. "Quiero mover rápido. Los humanos solo pueden moverse al ritmo humano, mientras... yo puedo moverme al ritmo que la IA permite."
Por qué importa
La apuesta es audaz. Intentar convertirse en la plataforma donde ocurre el trabajo corporativo es una apuesta enorme para un fundador con un equipo de tres personas y sin financiación, especialmente cuando otros laboratorios de IA están intentando dominar el mismo espacio. Ndoc es solo otro contendiente en un mercado saturado de intentos de reposicionar el trabajo de oficina con IA.
Pero hay una diferencia fundamental. Los competidores —Copilot de Microsoft, Gemini de Google— son capas de IA aplicadas a herramientas que ya existen. Son características añadidas a hojas de cálculo, procesadores de texto y aplicaciones de presentaciones que ya habían sido consolidadas durante décadas. Ndoc nació para ser algo diferente: un espacio de trabajo unificado donde el pensamiento analítico, la visualización y la ejecución ocurren en el mismo lugar.
Patel no oculta que entiende la dificultad. Por eso, construyó conectores para importar datos de herramientas existentes. "Mi regla era que no iba a lanzar nada que no me encantara usar", dijo. "Tengo flujos de trabajo optimizados con IA para todo lo que hago. Si empiezo a usar esta herramienta y sigo volviendo a mis flujos de trabajo anteriores, significa que no construí una herramienta lo suficientemente buena. Tengo un cementerio de herramientas que no pasaron esa prueba."
El precio de la velocidad
El enfoque de Patel refleja una creencia casi gospel en el Silicon Valley de 2026: ejecución barata, planificación rápida. "Ejecuta un plan subóptimo y preocúpate después", dijo. "Cuando hagas el mejor plan, la ejecución ya habrá sido hecha por otra persona."
Ndoc está construido y ajustado con una combinación de modelos de código abierto. Patel dijo a TechCrunch que desarrollar la plataforma desde cero la hace considerablemente más barata de operar que las alternativas que dependen de modelos de IA de última generación.
El uso y los tokens serán cobrados después de la fase alpha gratuita. Para Patel, moverse lo más rápido posible es más importante que tener un producto perfecto desde el inicio.
La pregunta que queda
Si la IA va a construir las hojas de cálculo y los diapositivos con los que las empresas toman decisiones, alguien debería ser capaz de verificar el trabajo de ella. La transparencia de Ndoc —scripts visibles, fórmulas explicables, modelos de código abierto— puede ser lo que diferencie esta apuesta del resto de la carrera para dominar el espacio de productividad corporativa. O puede ser solo otra herramienta que los profesionales prueben y abandonen. El mercado dirá.
Fuentes: TechCrunch, Storyboard18, Indian Television
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
