Dazzle: Mayer lanza un asistente de IA que aprende solo de tus fotos

Una foto vale más que mil correos: la tesis de Marissa Mayer

Marissa Mayer, ex CEO de Yahoo, presentó esta semana Dazzle, un asistente personal de IA con una premisa singular: todo lo que necesita para conocerte está en el carrete de tu teléfono. Frente a una nueva camada de agentes como Muse de Meta e Instinct, que piden acceso a correos, calendarios y mensajes, Dazzle apuesta por una sola fuente de contexto: las fotos que ya tienes guardadas.

Dazzle cerró una ronda semilla de US$8M en diciembre, y Mayer lo describe como “una fuente subestimada de información”. Analizando el historial de imágenes, la startup asegura poder entender si te gusta esquiar, dónde fue tu último viaje, qué hacen tus hijos y cuáles son tus gustos de comida, estilo y ocio.

Cómo funciona Dazzle y qué lo diferencia

Dazzle opera en dos modos. El primero es de tareas inmediatas: escanea fotos recientes para extraer detalles, como llenar tu calendario a partir de la foto de un flyer de evento, o recomendar un técnico tras ver la foto de una puerta de garaje rota. El segundo modo es de inspiración personalizada: mina tu librería fotográfica para proponerte ideas, desde vacaciones hasta regalos de cumpleaños.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Durante una prueba, el asistente sugirió varios destinos mediterráneos tras detectar viajes previos a España y Grecia, e incluso añadió Sicilia de un viaje de cuatro años atrás. También propuso una clase de cerámica local y un tour en kayak bioluminiscente en Tomales Bay. Eso sí, tiene puntos flacos: Dazzle olvidó que la hija del periodista ya sabía patinar cuando le pidieron recomendación para regalarle patines.

Para Mayer, la jugada contra Meta Muse no es solo de producto, es de privacidad por diseño. En un contexto donde los nuevos agentes piden permiso para leer correos, contraseñas y mensajes, ofrecer un asistente que aprende solo de fotos reduce la superficie de ataque.

El contexto: la nueva guerra de los asistentes personales

Dazzle no llega sola. Muse, el agente lanzado por Meta a inicios de septiembre de 2026, llegó al tope de la App Store en Estados Unidos con más de 2,5 millones de descargas poco después de su estreno (según CryptoBriefing). Zuckerberg lo presentó en Connect 2026 como un primer paso hacia la “superinteligencia personal”, con un modelo llamado Muse Spark ejecutándose en una Muse Secure VM, una máquina virtual aislada en la nube.

Pero el historial de Meta pesa. Como recoge ZDNET en su prueba a fondo, Muse solicita acceso a contactos, calendario, correo, mensajes, contraseñas y disco completo antes incluso del primer uso, y vuelve a pedir el micrófono cuando el usuario lo había descartado. Amazon, además, bloqueó al agente de compras de Meta por preocupaciones sobre credenciales y manejo de datos de clientes (Gizmodo).

Y los tropiezos no paran: Meta probó internamente un “concierge humano” para que contratistas tomaran llamadas en nombre de Muse, pero pausó la prueba por preocupaciones sobre filtración de datos sensibles (CryptoBriefing). En paralelo, OpenAI fichó al creador de OpenClaw, el agente viral que inspiró el enfoque accesible de Meta.

¿Por qué importa el carrete como fuente de datos?

La mayoría de los agentes personales entrenan su modelo de usuario sobre texto estructurado: correos, calendarios, historial de compras, listas de tareas. Las fotos, en cambio, son una mina de datos implícitos: dónde estuviste, con quién, qué compraste, qué cocinaste, qué leíste, cómo vistes. Computer vision permite extraer de ahí patrones de preferencia que el usuario rara vez declara explícitamente.

Es el mismo giro que dio el modelo Muse Glimmer, que Meta presentó en agosto para correr localmente en Mac y PC (CNBC). Si la tendencia es llevar la IA al dispositivo, el siguiente paso lógico es usar el sensor más rico del usuario, la cámara, como insumo principal.

¿Qué significa esto para tu startup?

La tesis de Dazzle apunta a una oportunidad concreta para founders hispanohablantes: construir sobre datos que el usuario ya tiene, no sobre los que tiene que entregar. Para una startup en LATAM o España con restricciones regulatorias (GDPR, LFPDPPP) o usuarios desconfiados, ese ángulo cambia la propuesta de valor.

Acciones que podés explorar desde hoy:

Auditar qué datos ya generás sin pedir permiso. Geolocalización, fotos, historial de apps, sensores: si tu producto corre en móvil, probablemente tenga acceso a señales que nunca usaste. Mapéalas.
Diseñar tu flujo de opt-in por capas, no por acceso total. Dazzle solo pide la cámara; Muse pide todo. Empezar con permisos mínimos y escalar según confianza sube conversión y baja churn.
Pensar en computer vision como feature, no como core. No necesitás entrenar un modelo desde cero: APIs de visión maduras (Google Vision, AWS Rekognition, Clarifai) más un LLM encima alcanzan para productos v1.
Usar la narrativa de privacidad como marketing, no como disclaimer. En un 2026 donde Meta pausa features por fugas de datos, “aprendemos solo de tus fotos” es un argumento de venta, no un asterisco legal.

Si estás construyendo un asistente, un coach, un recomendador o incluso un CRM personal, vale la pena preguntarse: ¿cuál es el equivalente del carrete de fotos en tu vertical? Ese dato implícito, gratis y abundante, probablemente sea tu ventaja competitiva.