Enrique Dans

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.

ACTUALIZACIÓN (14/04/2021): Marimar Jiménez me envió algunas preguntas sobre este tema y me citó en su artículo titulado «Microsoft-Nuance: la apuesta por la voz como interfaz de futuro» (pdf). A continuación, las preguntas que cruzamos sobre el tema:

P. ¿Qué mueve a Microsoft a pagar 19.700 millones por Nuance? ¿Sólo posicionarse en el sector sanitario o hay detrás el apostar por la voz como interfaz de cara a futuro? ¿Dónde piensas que podría Microsoft aplicar esta tecnología?

R. Según la teoría clásica, las cosas valen lo que alguien está dispuesto a pagar por ellas, y en el caso de Microsoft, la magnitud de la inversión, su segunda compra más importante después de adquirir un gigante como LinkedIn por 26,200 millones, indica que para la compañía, el control de las tecnologías relacionadas con el reconocimiento de voz es muy importante. Obviamente, por mucho que algunos analistas o la propia Microsoft digan que la finalidad de la compra es posicionarse en el sector salud, ninguna compañía en su sano juicio lleva a cabo una inversión de esa magnitud para seguir haciendo lo que ya hacía anteriormente. Para el posicionamiento en el sector salud, Microsoft solo tenía que seguir colaborando con Nuance como ya colaboraba. Lo lógico es pensar que Microsoft, con la adquisición de Nuance, pretende desarrollar a sus principales clientes, los entornos corporativos, incorporando la voz y su procesamiento a todas las herramientas su integración en Office, en Teams, etc., y a través de Azure. Sobre todo, es interesante ahora, dado que la pandemia nos ha llevado a hablar constantemente delante de un micrófono en videoconferencias, y la propuesta de valor de entornos en los que toda esa información pueda ser convenientemente registrada, indexada y localizada posteriormente es potencialmente muy interesante.


P. ¿Vale Nuance, en cualquier caso, esos 19.700 millones o está pagando en exceso? ¿Por qué?

R. Nuance es el resultado de más de dos décadas de consolidación de mercado, de innumerables adquisiciones y de un trabajo enorme en multitud de industrias para desarrollar soluciones verticales de todo tipo. La llegada al mercado corporativo de Nuance es fantástica, y Microsoft podría, por supuesto, capitalizarla muy bien. En ese sentido, la adquisición y su dimensionamiento económico, aunque enorme, podría estar bien motivada. Sin embargo, debemos tener en cuenta que Nuance es, en muchos sentidos, la aproximación «clásica» al reconocimiento de voz mediante metodologías probabilísticas para el reconocimiento de patrones temporales basadas en técnicas matemáticas complejas como los modelos ocultos de Markov, mientras que en ese ámbito, los mayores desarrollos los han llevado a cabo otras compañías utilizando una aproximación diferente, la del machine learning. En ese ámbito se encuentran desde la mismísima Google, con muchísimo trabajo desarrollado en torno a su asistente y a otros productos, u otras como Otter.ai, utilizada por ejemplo por Zoom para hacer las transcripciones de sus videoconferencias. Todo parece indicar que el modelo de machine learning, basado en la educación de algoritmos mediante millones de muestras de voz etiquetadas, podría dar entrada a muchos otros competidores, y dejar en el aire el liderazgo en ese terreno, a pesar de la cuantiosa adquisición llevada a cabo por Microsoft.


P. Las últimas operaciones muestran a una Microsoft muy agresiva en adquisiciones. ¿Crees que el hecho de que los reguladores antimonopolio no hayan puesto a la compañía bajo su lupa está permitiéndoles tomar posiciones en nuevos mercados, mientras Amazon, Facebook, Google o Apple deben cuidar mucho más sus pasos?

R. Satya Nadella ha mostrado desde sus inicios una voracidad a la hora de plantear adquisiciones muy importante, similar a la que exhibe, por ejemplo, Dara Khosrowshahi en Uber (o anteriormente en Expedia). Desde el punto de vista de oportunidad, esa táctica de crecimiento agresivo podría parecer muy interesante particularmente ahora que la mayoría de las big tech han moderado el uso de ese arma para evitar la furia de los reguladores, mientras Microsoft, al menos por el momento, no ha sido siquiera llamada aún a testificar ante ningún comité en congreso o senado. Pero las adquisiciones, como es bien sabido, tienen un coste en términos de recursos, tanto por el premium que obligan a pagar, como por los potenciales costes de la integración.


P. ¿Ha perdido Satya Nadella el rumbo? Lo digo porque ahora compra Nuance, que puede encajarle bien con Microsoft, pero también quiso comprar TikTok, Pinterest y Discord (se desconoce si siguen negociando esta última adquisición)… ¿entiendes esta agresividad de Microsoft en adquisiciones? ¿Y encajarían todas por igual?

R. Satya Nadella se mira en el espejo de Tim Cook y de Apple, y aunque afirme que la valoración de mercado no le obsesiona, estaría encantado, tras heredar una compañía a la que el nefasto Steve Ballmer llegó a poner en peligro, de poder plantearse situar a Microsoft como la empresa más valiosa del mundo. La diferencia ahora, 1.94 frente a 2.23 billones de dólares, es importante, pero no insalvable, y los entornos corporativos, sobre todo tras una pandemia, pueden posibilitar cifras de ventas cuantitativamente importantes. Por otro lado, aprovechar la coyuntura que los reguladores parecen estar negando cada vez más a otras big tech podría ser una forma inteligente de plantear la competencia.

This article was also published in English on Forbes, «There’s nothing nuanced about Microsoft’s plans for voice recognition technology«