Durante décadas, el contrato social con la tecnología fue binario: un micrófono o una cámara estaban grabando o no lo estaban. Existía un archivo, un registro persistente en memoria o en la nube. Esa certeza se ha roto. La nueva generación de hardware con inteligencia artificial integrada —desde las gafas de Meta hasta el rumorado robot doméstico de Apple (conocido internamente como J594)— opera en un limbo donde “sentir” ya no equivale a “registrar”.

El núcleo del cambio radica en la computación perimetral (edge computing) y los motores neuronales (NPU). Estos dispositivos mantienen buffers circulares de segundos u horas en RAM, analizan el flujo de datos para detectar palabras de activación, gestos o rostros, y descartan el resto sin que toque nunca el almacenamiento no volátil. Técnicamente, no hay “grabación” porque no hay persistencia; legalmente, la definición empieza a tambalearse. El RGPD europeo, por ejemplo, define dato personal como “ualquier información sobre una persona física identificada o identificable”, sin exigir que esa información esté guardada en disco. Un fotograma procesado en milisegundos para autenticar al usuario sigue siendo dato personal, aunque el sistema jure que “olvidó” lo que vio.

Apple lleva años construyendo su narrativa de privacidad sobre el procesamiento local (on-device), pero su supuesto robot de mesa con brazo articulado y pantalla eleva la apuesta: un dispositivo que te sigue con la mirada, entiende el contexto de la habitación y anticipa necesidades. Si la cámara está siempre “atenta” para no perderse una orden, ¿dónde queda el indicador LED de grabación? La industria está adoptando eufemismos como “sensing” (detección) o “perception” (percepción) para evitar la palabra prohibida.

Para desarrolladores y responsables de cumplimiento (compliance), esto exige nuevos modelos de amenaza. Ya no basta con auditar qué se sube a la nube; hay que auditar qué ocurre en la caja negra del NPU durante esos milisegundos de “inferencia efímera”. Las APIs de sistema (como App Intents de Apple o ML Kit de Google) deben exponer controles granulares de qué sensores alimentan qué modelos, y los usuarios necesitan interfaces que distingan entre “micrófono activo para Siri” y “cámara analizando mi postura para ajustar la pantalla”.

La carrera por el “computing ambiental” nos obliga a inventar un nuevo vocabulario jurídico y de UX. Si un dispositivo me entiende sin “grabarme”, el consentimiento informado debe explicar qué significa “entender” en silicio. Hasta que la regulación alcance a la arquitectura, la confianza del usuario pende de un hilo semántico.