Exdirector de Meta lanza Ndoc, un sustituto basado en IA de Office y Google Workspace
Rohit Patel, exdirector de Meta, lanzó Ndoc tras ocho años en la compañía: una suite ofimática en la que la IA genera por sí sola hojas de cálculo y presentaciones. Todo vive en un mismo documento con tres pestañas: presentación, texto con conclusiones y enlaces, y datos con scripts en Python. Cualquiera puede abrir el código y comprobar de dónde sale una fórmula. Por ahora es una alfa de un equipo de tres personas, pero la verificabilidad de los resultados de la IA es una lección para cualquier producto empresarial.
Procesado por IA desde TechCrunch; editado por Hamidun News
Durante los últimos dos años, las grandes laboratorios de IA han integrado redes neuronales en las hojas de cálculo y los documentos habituales: el modelo rellena celdas, escribe párrafos y dibuja diapositivas. Rohit Patel, exdirector de Meta Superintelligence Labs, considera que este enfoque no tiene salida y abandonó la compañía para construir una suite ofimática desde cero. Su startup, Ndoc, aspira a ocupar el lugar de Microsoft Office y Google Workspace, pero con una particularidad: todo lo que hace la IA puede comprobarse.
Un solo documento en lugar de seis herramientas enlazadas
Patel llama al problema el «copia y pega de ChatGPT». Un analista toma datos de Excel, los pasa por un chatbot, pega el resultado en Word, dibuja gráficos en Tableau y arma las diapositivas en PowerPoint. Ndoc reúne todo esto en un único espacio de trabajo con tres pestañas.
La pestaña Stage es el escaparate: presentaciones, paneles, simulaciones y miniaplicaciones con las conclusiones principales. La pestaña Narrative contiene el texto del análisis con referencias numeradas, gráficos generados y una explicación de por qué las cifras son las que son. La pestaña Model incluye los datos de origen y los scripts en Python sobre los que se construye todo.
El funcionamiento es el siguiente: el usuario carga un conjunto de datos y pide un análisis y unas conclusiones. Puede definir el contexto del documento (audiencia, tono), y Ndoc conserva una memoria en cuatro niveles: sobre la persona, el documento concreto, el equipo y la empresa. Los colegas pueden abrir el resultado aunque no estén registrados en Ndoc.
La verificabilidad como argumento principal
En Meta, Patel trabajó en el aprendizaje por refuerzo (cuando un agente aprende por ensayo y error) y en la evaluación de si las respuestas de la IA son fiables. De ahí surge el diseño. Si una red neuronal construye tablas y diapositivas en las que las empresas basan sus decisiones, alguien debe poder revisar su trabajo.
Por eso los scripts no se ocultan. Incluso sin saber Python, se puede preguntar al chat integrado: «¿Qué hace este script? ¿En qué línea está mi fórmula?», y comprobar que el cálculo es correcto. Según Patel, «detrás de la cortina no se esconde nada». Para las tareas financieras y analíticas, donde un error en una sola celda cuesta dinero, este argumento pesa más que un punto más de precisión del modelo.
La segunda apuesta es el formato de archivo abierto. El documento se exporta en un único archivo .ndoc.html que se abre en cualquier navegador. Patel quiere publicar la especificación para que terceros desarrollen aplicaciones compatibles y los usuarios no queden atrapados en un solo ecosistema, como lo han estado durante años con Microsoft y Google. Según él, esto también explica en parte su salida: en Meta, aprobar un formato abierto habría requerido la opinión de «cientos de personas».
Economía, competidores y riesgos
Ndoc se ha construido y ajustado sobre una mezcla de modelos abiertos, no sobre modelos frontier. Patel afirma que esto resulta notablemente más barato de operar, aunque no hay confirmaciones independientes. Curiosamente, los primeros usuarios de prueba no preguntan por ello: les satisface que todo el proceso, desde los datos hasta la conclusión, esté reunido en un solo lugar.
Actualmente, Ndoc lleva a cabo un piloto corporativo y abre una alfa para un número limitado de clientes de la lista de espera. El registro es gratuito; se paga por el uso y los tokens. La beta está prevista para las próximas semanas, y el lanzamiento completo, para el año que viene. El equipo son tres personas y no hay financiación externa: Patel quiere demostrar primero que el producto gusta y solo después buscar dinero.
Los riesgos son evidentes. OpenAI, Anthropic, Google, Meta y otros ya han lanzado herramientas empresariales que se conectan con Google Workspace y Microsoft 365. Hace un mes, OpenAI presentó Space, un espacio de trabajo compartido dentro de ChatGPT, competidor directo de Ndoc. Cambiar los hábitos de empresas enteras es difícil, por eso Patel ha desarrollado conectores para importar datos desde los servicios existentes.
Para desarrolladores y responsables de producto hay dos conclusiones prácticas. La primera: en las herramientas de IA para el trabajo, la transparencia del resultado puede ser una función de venta y no un añadido técnico innecesario. La segunda: un formato de documento abierto es una forma de competir con los gigantes sin su distribución. Si esto funcionará para un equipo de tres personas, lo dirán la beta y los primeros clientes corporativos. Patel parte de una regla sencilla: hoy la ejecución es barata, así que es mejor lanzar un plan imperfecto que esperar al plan perfecto que alguien más acabe materializando.
- 21 nov 2026Capitana de un equipo de natación automatizó con ChatGPT tres tareas programadas y recortó la rutina varias veces
- 21 nov 2026La red neuronal MIRA dibuja Rocket League a 20 fps, pero el ping llega a 460 ms
- 21 nov 2026Google creó una copia cerrada de internet con bancos falsos para entrenar a los agentes de IA de Chrome
- 21 nov 2026En la prueba MLPerf participan por primera vez Nvidia Rubin y TPU Ironwood: 153 sistemas
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Un solo documento en lugar de seis herramientas enlazadas?
Patel llama al problema el «copia y pega de ChatGPT». Un analista toma datos de Excel, los pasa por un chatbot, pega el resultado en Word, dibuja gráficos en Tableau y arma las diapositivas en PowerPoint. Ndoc reúne todo esto en un único espacio de trabajo con tres pestañas. La pestaña Stage es el escaparate: presentaciones, paneles, simulaciones y miniaplicaciones con las conclusiones principales.
¿Qué se sabe sobre La verificabilidad como argumento principal?
En Meta, Patel trabajó en el aprendizaje por refuerzo (cuando un agente aprende por ensayo y error) y en la evaluación de si las respuestas de la IA son fiables. De ahí surge el diseño. Si una red neuronal construye tablas y diapositivas en las que las empresas basan sus decisiones, alguien debe poder revisar su trabajo. Por eso los scripts no se ocultan. Incluso sin saber Python, se puede preguntar al chat integrado: «¿Qué hace este script? ¿En qué línea está mi fórmula?», y comprobar que el cálculo es correcto.
¿Qué se sabe sobre Economía, competidores y riesgos?
Ndoc se ha construido y ajustado sobre una mezcla de modelos abiertos, no sobre modelos frontier. Patel afirma que esto resulta notablemente más barato de operar, aunque no hay confirmaciones independientes. Curiosamente, los primeros usuarios de prueba no preguntan por ello: les satisface que todo el proceso, desde los datos hasta la conclusión, esté reunido en un solo lugar. Actualmente, Ndoc lleva a cabo un piloto corporativo y abre una alfa para un número limitado de clientes de la lista de espera.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.