- Capacidad de interactuar con cualquier texto o imagen en pantalla para resumir, traducir o editar sin cambiar de aplicación.
- Requiere hardware específico de Copilot+ con una NPU de 40 TOPS para procesar la IA de forma local y privada.
- Permite extraer tablas complejas directamente a Excel y realizar búsquedas visuales avanzadas con Bing.
Seguro que te ha pasado: estás navegando por la red o trabajando en un documento y, de repente, te encuentras con un dato, una imagen o un texto en otro idioma que necesitas procesar ya mismo. Lo habitual es hacer el baile de copiar, abrir otra aplicación, pegar y buscar, un proceso que corta el ritmo de cualquier persona. Pues bien, Microsoft ha querido acabar con este engorro mediante Click to Do, una herramienta impulsada por inteligencia artificial que básicamente convierte tu pantalla en un lienzo interactivo donde todo es accionable al instante.
Esta funcionalidad no es una simple utilidad de búsqueda; es una capa inteligente que se asienta sobre Windows 11 y que, gracias a la potencia de los equipos Copilot+, analiza lo que estás viendo en tiempo real. Lo más potente es que utiliza modelos locales, como el Phi Silica, lo que significa que gran parte de la magia ocurre dentro de tu propio ordenador sin que tus datos tengan que viajar a la nube obligatoriamente, dándote un control total sobre tu privacidad mientras vuelas en productividad.
¿Qué es exactamente Click to Do y cómo funciona?
En esencia, es una superposición interactiva que permite conectar acciones concretas al contenido visual (ya sea texto o imágenes). En lugar de saltar entre programas, el usuario simplemente selecciona un elemento y el sistema le sugiere atajos inteligentes basados en el contexto. Para activar esta función, los usuarios suelen mantener pulsada la tecla Windows y hacer clic, lo que despliega una interfaz visualmente atractiva que «congela» la pantalla para que puedas elegir qué procesar.
Desde el punto de vista técnico, los desarrolladores pueden integrar esta joya en sus propias aplicaciones mediante el esquema URI ms-clicktodo://. Esto permite que una app lance la capa de Click to Do programáticamente, facilitando que el usuario final acceda a las capacidades de IA sin fricciones. Es importante destacar que el análisis de la pantalla es local y el contenido solo se comparte si el usuario decide ejecutar una acción que requiera conexión externa.
Desglosando todas las acciones disponibles
Para que no se te escape nada, vamos a ver qué puedes hacer realmente con esta herramienta, porque la lista es bastante larga y variada:
- Gestión avanzada de texto: Si seleccionas un fragmento corto, puedes copiarlo o buscarlo en la web. Pero si el texto es más largo (más de 10 palabras), entra en juego el modelo Phi Silica para ofrecerte resúmenes automáticos, crear listas con viñetas o reescribir el contenido cambiando el tono a uno más formal, informal o refinado.
- Manipulación de imágenes: Al marcar una foto o un objeto, no solo puedes guardarlo en JPG o copiarlo. Puedes usar la búsqueda visual de Bing para hallar cosas similares, borrar objetos molestos del fondo, desenfocar el entorno para resaltar el sujeto o eliminar el fondo por completo sin abrir Photoshop.
- Extracción de datos estructurados: Una de las funciones más útiles es el Reconocimiento de Estructura de Tablas (TSR). Click to Do detecta tablas en pantalla y las convierte en datos estructurados que puedes copiar como HTML o enviar directamente a Microsoft Excel para analizarlas, ahorrándote horas de transcripción manual.
- Atajos de comunicación directa: Si el sistema detecta un correo electrónico, te lanza opciones para redactar un mensaje o programar una reunión en Teams al momento, integrándose con tus apps de mensajería predeterminadas.
- Conversiones rápidas: Al pasar el cursor sobre medidas (como «10 km»), aparece una ventanita con la conversión a otras unidades (como millas o pies), evitando que tengas que abrir el navegador para una duda matemática simple.
- Sinergia con Copilot: Para cualquier cosa que selecciones, existe la opción de «Preguntar a Copilot». Esto abre el asistente con el contenido ya cargado para que le pidas traducciones complejas, descripciones detalladas o análisis profundos.
Casos de uso reales: ¿en qué nos ayuda en el día a día?
Esta herramienta no es solo un juguete; tiene aplicaciones muy concretas en distintos sectores. Por ejemplo, en la administración pública, un funcionario puede resumir una propuesta legal de 20 páginas en segundos. En el ámbito educativo, un profesor puede simplificar un texto complejo para que sus alumnos lo entiendan mejor usando la opción de reescritura de tono.
En el mundo de los negocios, un analista puede pasar una tabla de precios de un PDF directamente a Excel sin errores de teclado. Incluso en el periodismo, se puede traducir un párrafo en francés al instante mientras se investiga una noticia internacional. Y para los que trabajan en marketing, la capacidad de limpiar fondos de imágenes de productos rápidamente es un ahorro de tiempo brutal.
Requisitos técnicos y limitaciones importantes
No todo el mundo puede usar Click to Do, ya que exige un hardware muy específico. Es imprescindible tener un PC Copilot+ o un PC en la nube compatible, lo que implica una NPU (Unidad de Procesamiento Neuronal) de al menos 40 TOPS, 16 GB de RAM y un procesador con 8 núcleos lógicos. Sin esta potencia, los modelos locales no podrían responder de forma instantánea.
En cuanto a las limitaciones, el sistema brilla más con el idioma inglés, aunque ya soporta español y francés. También puede flaquear con imágenes de bajísima calidad o tablas con diseños muy caóticos (celdas combinadas o estructuras irregulares). Además, hay que tener claro que no conserva el estilo visual (colores o fuentes) al extraer tablas, solo la estructura de los datos.
Privacidad, seguridad y control del sistema
Microsoft ha puesto mucho énfasis en que el procesamiento sea local mediante la NPU para garantizar la privacidad del usuario. Los datos no viajan a la nube a menos que uses funciones explícitamente web como Bing o Copilot. Para añadir otra capa de seguridad, existen filtros de moderación para evitar que la IA genere contenido inapropiado y controles específicos para cuentas infantiles.
Para aquellos que son más escépticos o necesitan un entorno ultra seguro (como en empresas con datos confidenciales), existen formas de desactivar esta función. Herramientas como optimizerDuck permiten apagar Click to Do, Recall y Copilot de un plumazo. Si prefieres la vía manual, se puede hacer modificando el registro de Windows, específicamente creando la clave DisableClickToDo con valor 1 en las rutas de Policies de WindowsAI.
Esta innovadora capa de inteligencia artificial redefine la interacción con Windows al eliminar la fricción entre ver un dato y actuar sobre él, apoyándose en un hardware potente y modelos locales que priorizan la velocidad y la privacidad. Desde la extracción de tablas hacia Excel hasta la edición rápida de imágenes y la reescritura de textos, Click to Do transforma la pantalla en una herramienta dinámica, siempre que se cuente con la NPU necesaria y se comprendan sus límites lingüísticos y de formato.
Redactor apasionado del mundo de los bytes y la tecnología en general. Me encanta compartir mis conocimientos a través de la escritura, y eso es lo que haré en este blog, mostrarte todo lo más interesante sobre gadgets, software, hardware, tendencias tecnológicas, y más. Mi objetivo es ayudarte a navegar por el mundo digital de forma sencilla y entretenida.