Varios medios habían informado ya sobre las avanzadas conversaciones de Microsoft de cara a una eventual adquisición de Nuance Communications, una de las compañías más destacadas en el ámbito del reconocimiento de voz, con una larga y embarullada historia detrás plagada de fusiones y adquisiciones en ese ámbito. La operación, que finalmente se ha anunciado esta mañana, se estimaba que podría ascender a los 16,000 millones de dólares, lo que la convertiría en la segunda mayor adquisición de Microsoft tras la de LinkedIn, en junio de 2016, por $26,200 millones, pero ha terminado cerrándose en los $19,700 millones, un 23% por encima de la cotización de la compañía el pasado viernes.
Nuance Communications es uno de esos casos de compañías que, a través de innumerables fusiones y adquisiciones, termina por casi monopolizar el mercado en productos de reconocimiento de voz. Originalmente, Kurzweil Computer Products, una compañía fundada por Ray Kurzweil en 1974 para el desarrollo de productos de reconocimiento de caracteres, fue adquirida por Xerox, que la rebautizó como ScanSoft y la independizó posteriormente. ScanSoft fue adquirida por Visioneer en 1999, pero la compañía consolidada mantuvo el nombre de ScanSoft. En 2001, ScanSoft adquirió la compañía belga Lernout & Hauspie, que previamente había adquirido Dragon Systems, creadores del conocido Dragon NaturallySpeaking, para tratar de competir con Nuance Communications, que llevaba en bolsa desde 1995, en el mercado del reconocimiento de voz. Dragon era la compañía líder absoluta en precisión en tecnologías vinculadas con el reconocimiento de voz gracias al uso de modelos ocultos de Markov como método probabilístico para el reconocimiento de patrones temporales. Finalmente, en septiembre de 2005, ScanSoft decidió adquirir Nuance y tomar su nombre.
A partir de ahí, la compañía resultante se dedicó a crecer de manera extraordinariamente activa mediante adquisiciones: ha llevado a cabo la incorporación de hasta 52 empresas en el ámbito de las tecnologías de voz, en todo tipo de industrias y mercados, ha dado forma a un conglomerado que ha acaparado prácticamente los desarrollos comerciales relacionados con el tema, y ha licenciado su tecnología a todo tipo de compañías. De hecho, desarrollos tan conocidos como Siri, en Apple, estuvieron basados originalmente en tecnología de Nuance – aunque no está claro el nivel de dependencia de la compañía que pueden tener ahora.
La compra de Microsoft supone una apuesta fundamental por la voz como interfaz. La pandemia, con la profusión del uso de videoconferencias, ha supuesto una explosión en el uso de este tipo de tecnologías vinculadas a la transcripción de reuniones: Zoom, por ejemplo, incorporó transcripción automática en abril del año pasado mediante el uso de Otter.ai, de manera que al terminar cada una de mis clases, recibo automáticamente no solo el vídeo de las mismas, sino también su transcripción completa (que funciona infinitamente mejor cuando la clase es online que cuando se desarrolla en modo cara a cara en un aula).
La idea de Microsoft, que se encuentra inmersa en un proceso de fuerte crecimiento mediante adquisiciones, podría ser la de utilizar la tecnología de transcripción para integrarla en productos como Teams o a lo largo de toda su nube, Azure, para poder ofrecer a las compañías la posibilidad de convertir los entornos empresariales en ámbitos completamente indexables, en los que poder generar registros de las interacciones en reuniones para poder localizarlos posteriormente.
Ahora, Microsoft tratará de alzar la voz y utilizarla para diferenciar sus productos en el mercado. Que una pandemia en la que las comunicaciones electrónicas se convirtieron, durante mucho tiempo, en la principal forma de interacción, se haya convertido en el estímulo para un futuro con más protagonismo de la voz como interfaz es, como mínimo, curioso.
