Meta acaba de subir el listón del brain-computer interface no invasivo. Brain2Qwerty v2 decodifica frases enteras desde un escáner MEG con 61% de precisión media de palabra, frente al 8% que marcaban los mejores sistemas no invasivos anteriores. El mejor voluntario del estudio llegó al 78% (Word Error Rate de 22%), con casi la mitad de sus frases decodificadas con un solo error o menos.
Qué ha lanzado Meta
El 29 de junio de 2026 Meta publicó la segunda versión de Brain2Qwerty, el pipeline de investigación que lee actividad cerebral mientras alguien teclea y la traduce a texto. La v1 (febrero 2025) decodificaba carácter a carácter y mezclaba MEG con EEG. La v2 es solo MEG, trabaja con frases completas en tiempo real y reemplaza la detección de eventos hecha a mano por un pipeline end-to-end de deep learning.
La arquitectura se divide en tres módulos. Un encoder convolucional procesa la señal cruda de los 306 canales del MEG. Un transformer modela la estructura temporal en ventanas largas. Encima, un modelo de lenguaje a nivel caracter restringe la salida hacia texto plausible, rechazando secuencias que no forman palabras. El sistema corrige errores combinando información de caracter, palabra y frase a la vez.
Nueve voluntarios pasaron unas 10 horas cada uno dentro de un escáner MEG en el BCBL de San Sebastián, produciendo unas 22.000 frases tecleadas que sirvieron de entrenamiento. Es notable que v2 use menos voluntarios que v1 (que tenía 35) y aún así rinda mejor: la mejora viene del modelo, no del volumen de sujetos.
Meta libera el código de v1 y v2 más el paper en GitHub. El dataset v2 sigue embargado pendiente de aceptación de la publicación. La licencia es CC BY-NC 4.0, así que vale para investigación pero no para producto comercial todavía.
El salto técnico: cerca de quirúrgico, sin cirugía
Hasta ahora la barrera era clara. Los implantes invasivos tipo Neuralink o Synchron daban precisiones razonables pero requerían abrir el cráneo y colocar electrodos sobre el córtex. Los métodos no invasivos (EEG, MEG) eran un juguete de laboratorio: 8% de precisión por palabra es básicamente inservible para comunicación real.
Brain2Qwerty v2 cierra esa brecha. 61% de media y 78% en el mejor caso empiezan a acercarse a setups quirúrgicos. El WER del mejor voluntario (22%) sigue por debajo del que dan los implantes top, pero ya está en el rango donde un humano puede entender lo que se quiere decir con un par de palabras de contexto. The Register lo resumía con honestidad: "todavía no es bueno, pero ya no es despreciable".
El paper de Meta apunta otra cosa interesante: la precisión escala log-linealmente con el volumen de datos. Más horas de grabación por persona, más precisión, sin cambiar arquitectura. Es decir, el camino a +80% medio pasa por más datos, no por inventar un nuevo modelo. Eso es bueno para roadmap, malo para quien esperaba un breakthrough teórico.
Las limitaciones siguen siendo serias. El MEG requiere una habitación apantallada magnéticamente, el sujeto tiene que estar quieto, y el aparato cuesta cientos de miles de euros. No es un casco de consumo. Pero el camino a miniaturizar MEG (con sensores OPM, ópticamente bombeados, mucho más pequeños que los SQUID tradicionales) está abierto y empresas como Cerca Magnetics ya venden prototipos.
Por qué importa
Para un founder o C-Level español la lectura no es "voy a comprar un MEG mañana". Es que Meta acaba de empujar una categoría entera (neurotech accesible) de prototipo de laboratorio a algo cercano a producto. Cuando una big tech open-sourcea código y dataset, suele significar que el movimiento siguiente lo hace el ecosistema: hardware más barato, capas de servicio, integraciones clínicas.
Las verticales que se mueven primero suelen ser sanidad (rehabilitación post-ictus, ELA, lesiones medulares), accesibilidad corporativa y, a más largo plazo, interfaces de productividad. En España, una mutua o aseguradora con 50 empleados podría plantearse un piloto colaborativo con un hospital universitario por un coste relativamente contenido (200-300k EUR para acceso a equipo MEG existente y plaza de investigador). Una empresa de 300+ empleados con programa de accesibilidad podría destinar una fracción de su presupuesto de diversidad a un partnership con un centro como el BCBL o el Cinac (Madrid).
El ángulo geopolítico también pesa. Meta está open-sourceando lo que normalmente sería ventaja competitiva quirúrgica. Probablemente porque ya tiene Reality Labs trabajando en BCI no invasivo (la pulsera EMG presentada para Orion) y no quiere que la ventana se cierre con un proveedor cerrado tipo Neuralink dominando la conversación. Al abrir el código y la metodología, Meta convierte una ventaja propietaria en un estándar de facto, lo que beneficia a su capa de aplicación futura más que a competidores que necesiten fabricar hardware desde cero.
Otro vector relevante: las aseguradoras. Si la lectura no invasiva llega a precisión clínica en 3-5 años, la conversación con aseguradoras sobre rehabilitación cubierta cambia radicalmente. Hoy un paciente post-ictus con afasia recibe terapia logopédica durante meses; un BCI no invasivo podría convertir esa terapia en un dispositivo de comunicación funcional desde la primera semana. Eso reduce coste asistencial y mejora outcome, lo que para una mutua o aseguradora privada española (Adeslas, Sanitas, DKV) es un argumento de inversión defendible aunque la tecnología tarde en madurar.
Qué hacer
- Si trabajas en healthtech o accesibilidad: clona el repo de Meta esta semana, revisa el paper y plantea una reunión con un centro de neurociencia español (BCBL, Cinac, IDIBAPS). Si tu empresa factura más de 5M EUR, un piloto exploratorio de 50-100k EUR ya es asumible.
- Si tu empresa tiene programa de inclusión o accesibilidad (típicamente >200 empleados): mapea hoy 3 casos de uso internos donde un BCI no invasivo aportaría en 3 años (acceso para empleados con movilidad reducida, recuperación post-baja larga, formación adaptada).
- Si solo te interesa el panorama: marca esta noticia como referencia y revisa cada 6 meses. Cuando aparezca el primer producto comercial (3-5 años es razonable, antes si OPM-MEG madura), tendrás criterio para evaluar proveedores en lugar de comprar lo primero que llegue.