Cohere enseñó a Compass a encontrar el minuto exacto en un vídeo: el top-10 de resultados mejora 4,4 puntos
Las grabaciones de reuniones son un recurso que nadie consulta: para saber cuándo se decidió aplazar una publicación hay que revisar una hora de vídeo. Cohere ha enseñado a su buscador Compass a entender el habla y la pantalla, y a devolver el minuto exacto con su marca de tiempo. En 11 conjuntos de datos superó a siete modelos competidores: los clips relevantes aparecen en el top-10 de resultados 4,4 puntos por encima (métrica nDCG@10). Para RAG y agentes, el vídeo ahora se busca como cualquier otro documento.
Procesado por IA desde Cohere Blog; editado por Hamidun News
Imagínese que necesita averiguar cuándo el equipo acordó trasladar la publicación al tercer trimestre. El documento aparece en segundos, pero la grabación de la llamada hay que revisarla durante una hora. Por eso, casi nadie vuelve a ver los archivos de reuniones, conferencias y seminarios web.
Cohere aborda este problema en Compass, su buscador empresarial: la nueva función Video Intelligence no devuelve la grabación completa, sino el minuto exacto en el que se dio la respuesta, con marca de tiempo, transcripción del habla y descripción de la imagen. Cuando el titular dice «el top-10 de resultados mejora 4,4 puntos», significa lo siguiente. Cohere midió la métrica nDCG@10, que indica cuán arriba aparecen en los diez primeros resultados los momentos realmente relevantes.
De media, Compass quedó 4,4 puntos por encima del mejor de los siete modelos alternativos.
Qué hace exactamente Compass
La idea central es buscar momentos, no archivos. En lugar de una grabación de una hora, el sistema devuelve un fragmento corto que responde a la pregunta.
La transcripción por sí sola no basta. El ponente puede decir que los indicadores crecen mientras la gráfica de la diapositiva baja. Una sola imagen de un futbolista abandonando el campo no permite afirmar que haya sido expulsado: eso solo se aprecia por la secuencia de acontecimientos. Compass tiene en cuenta las palabras, la imagen y cómo evolucionan los hechos a lo largo del tiempo.
Hay además un detalle técnico. Muchos sistemas trocean el vídeo de antemano en fragmentos de longitud fija. Así, un clip puede empezar dos minutos antes de lo necesario o cortarse antes de la respuesta, y la persona acaba teniendo que adelantar o retroceder la grabación de todos modos. En Compass, el inicio y el final del fragmento se calculan en el momento de la consulta, según la pregunta concreta.
El vídeo, al mismo nivel que los documentos
El vídeo no vive en un almacén aparte. Una sola consulta devuelve tanto el fragmento de la grabación como las páginas, diapositivas y tablas relevantes de los documentos relacionados. Todo procede de un índice único que respeta los permisos de acceso: el empleado solo verá aquello a lo que tiene autorización.
Para los desarrolladores hay dos aspectos prácticos:
- El vídeo puede conectarse a una canalización RAG existente y a escenarios con agentes, sin construir un sistema aparte.
- Un agente puede conectarse mediante el servidor MCP de Compass y razonar sobre lo que aparece en pantalla (diapositivas, gráficos, demostraciones), no solo sobre lo que se dice.
Cada resultado enlaza con la grabación original, así que la respuesta puede verificarse. Para asesores jurídicos y de cumplimiento normativo esto es fundamental: no hay que fiarse de un resumen, sino abrir el minuto en el que se dijo algo. Cohere menciona también otros escenarios: asistentes sobre grabaciones de reuniones, presentaciones, llamadas de resultados e informes para analistas; búsqueda de respuestas en bibliotecas de formación; y localización de jugadores, jugadas y marcas en archivos deportivos y de medios.
Qué mostraron las mediciones
Cohere comparó Compass con siete modelos de embeddings de vídeo en 11 conjuntos de datos y 11 133 consultas. El corpus incluyó seis benchmarks abiertos, tres conjuntos empresariales (reuniones, conferencias y formación en seguridad laboral) y dos conjuntos con retransmisiones de fútbol. El competidor líder cambia según el ámbito, pero Compass encabeza en todos:
- Benchmarks abiertos: ventaja de 2,4 puntos sobre Amazon Nova Multimodal Embeddings.
- Deporte: ventaja de 5,1 puntos sobre Gemini Embedding 2.
- Conocimiento corporativo: ventaja de 2,0 puntos sobre Qwen3-VL-Embedding-8B.
Limitaciones
Las cifras proceden de la propia Cohere, parte de los conjuntos son internos y todavía no hay una verificación independiente. Una ventaja de entre 2 y 5 puntos es apreciable, pero no es un abismo. En los datos de cada organización el resultado puede diferir, sobre todo si las grabaciones son ruidosas o la pantalla aporta poca información.
El producto todavía no está disponible de forma abierta: la compañía está captando socios de diseño. Podrán probar Compass con sus propias grabaciones y consultas, desplegarlo en la nube gestionada de Cohere o en su propio entorno, e influir en la hoja de ruta. No se han anunciado precios ni fechas para el lanzamiento general.
Conclusión práctica: si su empresa tiene cientos de horas de grabaciones que nadie revisa, lo más útil ahora mismo es reunir entre 50 y 100 preguntas reales sobre ellas. Con ese conjunto se puede comparar de forma honesta Compass con cualquier alternativa, sin fiarse solo de las presentaciones comerciales.
- 21 nov 2026Apple prepara un agente de IA y complica el acceso a los de terceros: el permiso ahora requiere 14 pasos, no 4
- 21 nov 2026Gemini 4 Neon redujo el binario de TS Rust de 47,44 a 7,97 MB en menos de 10 horas
- 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
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué hace exactamente Compass?
La idea central es buscar momentos, no archivos. En lugar de una grabación de una hora, el sistema devuelve un fragmento corto que responde a la pregunta. La transcripción por sí sola no basta. El ponente puede decir que los indicadores crecen mientras la gráfica de la diapositiva baja. Una sola imagen de un futbolista abandonando el campo no permite afirmar que haya sido expulsado: eso solo se aprecia por la secuencia de acontecimientos.
¿Qué se sabe sobre El vídeo, al mismo nivel que los documentos?
El vídeo no vive en un almacén aparte. Una sola consulta devuelve tanto el fragmento de la grabación como las páginas, diapositivas y tablas relevantes de los documentos relacionados. Todo procede de un índice único que respeta los permisos de acceso: el empleado solo verá aquello a lo que tiene autorización. Para los desarrolladores hay dos aspectos prácticos: El vídeo puede conectarse a una canalización RAG existente y a escenarios con agentes, sin construir un sistema aparte.
¿Qué se sabe sobre Qué mostraron las mediciones?
Cohere comparó Compass con siete modelos de embeddings de vídeo en 11 conjuntos de datos y 11 133 consultas. El corpus incluyó seis benchmarks abiertos, tres conjuntos empresariales (reuniones, conferencias y formación en seguridad laboral) y dos conjuntos con retransmisiones de fútbol. El competidor líder cambia según el ámbito, pero Compass encabeza en todos: Benchmarks abiertos: ventaja de 2,4 puntos sobre Amazon Nova Multimodal Embeddings. Deporte: ventaja de 5,1 puntos sobre Gemini Embedding 2.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
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.