Gemini ya ve por ti

Resumen:

Google comenzó el 1 de octubre de 2026 el despliegue de Guided Vision, una función de Gemini Live que utiliza la cámara del teléfono para interpretar objetos y espacios y comunicar los resultados mediante audio.

La función está disponible en dispositivos Android 9 o posterior en los mercados donde Gemini Live tiene soporte. Desarrollada en colaboración con la comunidad de personas ciegas y con baja visión, sus aplicaciones van mucho más allá de la accesibilidad.

Detalles:

Cómo funciona exactamente

La función opera dentro de Gemini Live mientras se comparte la imagen en tiempo real. Una vez habilitada, se activa desde los ajustes de la app de Gemini mediante la opción "Usar Visión guiada en Live". Después se inicia una conversación y se comparte la cámara.

A partir de ahí, Gemini actúa como un narrador conversacional: describe lo que ve, responde preguntas de seguimiento y te guía si la cámara no está bien enfocada.

Qué puede hacer

Guided Vision puede ayudar con tareas cotidianas como leer etiquetas pequeñas, identificar controles de electrodomésticos, encontrar un auricular caído, localizar algo en un armario desordenado, combinar colores de ropa, o describir una habitación desconocida.

También proporciona indicaciones habladas para mejorar el encuadre. Si la cámara está demasiado cerca, apunta fuera del objetivo o no muestra suficiente contexto, Gemini puede pedir al usuario que incline el teléfono, retroceda o mueva la cámara hacia un lado.

Nacida en accesibilidad, útil para todos

Guided Vision fue desarrollada en estrecha colaboración con la comunidad de accesibilidad, incluyendo más de 1.000 miembros de la red de Trusted Testers de Aira. Está integrada con TalkBack, el lector de pantalla de Android, lo que permite activarla directamente desde los controles de accesibilidad del sistema.

Pero sus aplicaciones no se limitan a personas con discapacidad visual. Cualquier usuario puede aprovecharla para leer letra pequeña, identificar objetos en entornos con poca luz, traducir texto visible en la cámara o entender mejor un entorno desconocido.

La privacidad que conviene tener en cuenta

El Centro de privacidad de Gemini señala que la información compartida con el servicio puede incluir grabaciones y transcripciones de interacciones, además del vídeo enviado durante una sesión de Gemini Live. Es decir: lo que apuntas con la cámara se procesa en los servidores de Google. Para uso cotidiano con objetos o entornos públicos, sin implicaciones. Para entornos privados o con información sensible, vale la pena tenerlo en mente.

Llega un año después que Apple

Apple añadió Live Recognition al iPhone y al Vision Pro el año pasado, y aproximadamente un año después Google presenta su respuesta. No es la primera vez que lo hace — pero cuando Google integra algo en Gemini Live, lo integra dentro del asistente conversacional más distribuido del mundo en Android.

Por qué es importante: 

Esta función importa en tres niveles:

1. La IA ya no solo escucha — ahora también ve y explica. Durante años, los asistentes de voz respondían preguntas sobre el mundo de forma abstracta. Guided Vision los conecta con el mundo físico real en tiempo real. Es el primer paso hacia una IA que entiende tu entorno, no solo tus palabras.

2. Es accesibilidad convertida en tecnología mainstream. Las mejores funciones de accesibilidad siempre acaban siendo útiles para todos — el control por voz, el texto predictivo, el zoom de pantalla. Guided Vision seguirá ese mismo camino: nació para personas con baja visión pero acabará siendo la forma natural de "preguntar" sobre lo que tienes delante.

3. Tu cámara se convierte en una interfaz de IA. La pantalla táctil lleva 20 años siendo la forma en que interactuamos con el móvil. La cámara combinada con IA conversacional en tiempo real es la siguiente capa de esa interfaz. Guided Vision es todavía una versión temprana — pero apunta exactamente a dónde va la interacción humano-máquina en los próximos años.