Tomadores de notas con IA ante los tribunales: qué significan las demandas contra Granola y Otter para tus reuniones

Dos de los tomadores de notas con IA para reuniones más conocidos afrontan hoy demandas colectivas de privacidad ante la justicia federal de EE. UU. Los casos, contra Otter.ai y Granola, no tratan de una filtración de datos. Nadie hackeó nada. Tratan de algo más básico: quién aceptó que lo grabaran y qué hizo después el proveedor con las palabras de la gente.

Si tu equipo usa un tomador de notas con IA, o participa en reuniones en las que lo usa otra persona, vale la pena entender estos casos. A continuación repasamos qué se ha presentado y decidido realmente hasta ahora, qué sigue siendo solo una alegación y qué preguntas debería hacer cualquier comprador antes de implantar un tomador de notas en toda una empresa.

Una aclaración, para ser justos: una demanda es un conjunto de alegaciones, no un veredicto. Nada de lo que se describe a continuación ha sido probado ante un tribunal, salvo cuando indicamos que un tribunal se ha pronunciado al respecto. Seremos precisos al distinguir una cosa de la otra.

El caso Otter: una jueza permitió que las reclamaciones centrales siguieran adelante

In re Otter.AI Privacy Litigation, No. 25-cv-06911-EKL (U.S. District Court, Northern District of California; el tribunal federal de primera instancia del Distrito Norte de California), acumula cuatro demandas colectivas presentadas inicialmente en 2025, empezando por Brewer v. Otter.ai. Los demandantes —personas que fueron grabadas por el tomador de notas de Otter— alegan que Otter grabó y transcribió sus conversaciones sin el consentimiento de todos los participantes en la llamada, y que utilizó los datos de las conversaciones para sus propios fines, entre ellos mejorar sus modelos de aprendizaje automático.

El 13 de agosto de 2026, la jueza Eumi K. Lee resolvió la moción de desestimación (motion to dismiss) presentada por Otter. El tribunal estimó la moción en parte y la rechazó en parte, y las reclamaciones centrales siguen en pie:

• Las reclamaciones que siguen adelante incluyen las basadas en la Wiretap Act federal (ECPA; la ley federal de escuchas), en la California Invasion of Privacy Act (CIPA §§ 631 y 632; la ley californiana contra la invasión de la privacidad) y en la Biometric Information Privacy Act de Illinois (BIPA; la ley de privacidad de la información biométrica), esta última a partir de alegaciones sobre huellas de voz y perfiles de identificación de hablantes, además de las reclamaciones por enriquecimiento injusto, de sentencia declarativa y al amparo de la Unfair Competition Law de California (su ley de competencia desleal).
• Las reclamaciones desestimadas, la mayoría con permiso para enmendar la demanda, incluyen las basadas en las leyes federal y californiana sobre acceso a sistemas informáticos (CFAA/CDAFA) y en la Washington Privacy Act, junto con la mayoría de las reclamaciones de privacidad basadas en el common law.

El razonamiento que más importa: el tribunal sostuvo que los demandantes habían alegado de forma plausible que Otter es un «tercero que escucha a escondidas» (third-party eavesdropper) conforme a la CIPA § 631 —y no un mero participante invitado ni una herramienta pasiva del anfitrión de la reunión— porque, según se alega, Otter «recopila, conserva y utiliza de forma independiente las comunicaciones para sus propios fines comerciales». Dicho de otro modo, la alegación de que el proveedor usa las grabaciones para sí mismo —entre otras cosas, para mejorar sus propios modelos— es lo que, en el análisis del tribunal, convirtió una herramienta de grabación en un tercero que escucha a escondidas en sentido legal.

Dos límites que conviene tener presentes. Primero, se trata de una resolución dictada en la fase de alegaciones: la jueza consideró que las reclamaciones eran lo bastante plausibles como para pasar a la fase de discovery (el intercambio de pruebas entre las partes), no que Otter haya infringido la ley. Ningún tribunal ha declarado responsable a Otter, y no se ha certificado ninguna clase (el grupo de afectados en cuyo nombre se litiga). Segundo, el caso sigue en curso, pero ya ha superado la fase en la que se descartan los casos débiles, y la exposición a las indemnizaciones fijadas por ley que se reclaman es considerable (la CIPA permite 5.000 dólares por infracción; la ECPA, la mayor de dos cantidades: 10.000 dólares por infracción o 100 dólares por día).

El caso Granola: demandada por no tener ningún bot

Chamberlain v. Granola, Inc., No. 3:26-cv-07926 (N.D. Cal.), se presentó el 30 de julio de 2026 ante el juez Edward M. Chen; el 19 de octubre de 2026 le siguió una demanda enmendada. La demandante es una participante en una reunión —no una usuaria de Granola— que afirma que nunca supo que la herramienta estaba en funcionamiento.

El diseño de Granola es el opuesto al de Otter: ningún bot se une a la reunión y nada aparece en la lista de participantes. Captura el audio del sistema en el propio dispositivo del usuario. La demanda alega que el problema es esa invisibilidad: apunta al propio marketing de Granola —el producto se ha promocionado con frases del estilo de «las demás personas de la sala no sabrán que está ahí»— y alega que las funciones de notificación dentro de la reunión y de marca de agua vienen desactivadas por defecto. La demanda formula reclamaciones al amparo de la Wiretap Act federal y de la CIPA §§ 631 y 632, y alega además una segunda cuestión, independiente de la anterior:

Entrenamiento de IA por defecto. La demanda alega que Granola utiliza las comunicaciones capturadas para entrenar modelos de IA por defecto. La propia documentación de seguridad publicada por Granola confirma el esquema general: Granola entrena con datos anonimizados, los usuarios individuales pueden excluirse (opt-out), la exclusión para toda la organización es una función del plan Enterprise y el entrenamiento solo viene desactivado por defecto en los planes Enterprise, lo que significa que en los planes estándar está activado salvo que alguien lo desactive. Granola reconoce además que, una vez que los datos se han incorporado a un modelo, no se pueden extraer, y que no puede garantizar que los datos no se hayan utilizado antes de que la exclusión surtiera efecto.

Este caso se encuentra en una fase inicial. A principios de noviembre de 2026, Granola no había respondido sobre el fondo del asunto, la parte demandante afronta obstáculos legales reales (el principal, el marco de consentimiento de una sola parte de la ley federal de escuchas) y ninguna de las alegaciones ha sido probada. También se ha presentado contra Fireflies.ai una propuesta de demanda colectiva paralela, basada en teorías similares.

El patrón: dos valores por defecto son los que hacen el daño

Si tomamos distancia de los expedientes, los dos casos alegan las mismas dos decisiones de producto:

1. Una captura que los demás no pueden ver. Un bot que se une sin un acuerdo claro, o ningún bot y ninguna señal en absoluto. En ambos casos, las personas que más tienen en juego —las que son grabadas sin haber elegido nunca la herramienta— son las últimas en enterarse.
2. Entrenamiento activado por defecto. En el momento en que un proveedor se reserva el derecho de aprender de tus conversaciones, deja de ser solo tu herramienta a ojos de los abogados de los demandantes y, en la resolución del caso Otter, a ojos de una jueza federal en la fase de alegaciones. La teoría del «tercero que escucha a escondidas» solo funciona porque el proveedor, presuntamente, conserva y utiliza los datos en su propio beneficio.

Ninguno de los dos casos trata en realidad de la calidad de la transcripción. Tratan de los valores por defecto: qué pasa con las personas que están al otro lado de la llamada y qué pasa con los datos cuando termina la reunión.

Cinco preguntas que hacerle a cualquier proveedor de tomadores de notas con IA (también a nosotros)

1. ¿La herramienta entrena con mis reuniones? Busca la respuesta en la política de privacidad, no en la página de marketing. Comprueba si el «no entrenamos» es contractual o solo una entrada de blog.
2. Si hay entrenamiento, ¿cuál es el valor por defecto? «Puedes excluirte» y «nunca lo hacemos» son respuestas muy distintas. ¿La exclusión es por usuario o para toda la organización? ¿Se aplica con carácter retroactivo?
3. ¿Cómo saben los demás participantes que se les está grabando? Un bot visible, un aviso, una marca de agua… ¿Y esas notificaciones vienen activadas por defecto o están enterradas en los ajustes?
4. ¿Quiénes son los subencargados del tratamiento? ¿Puede el proveedor nombrar a todas las empresas que tocan tu audio y tus transcripciones?
5. ¿Qué pasa cuando me voy? ¿Puedes exportarlo todo, eliminarlo todo y obtener una respuesta clara sobre cuánto tarda la eliminación, copias de seguridad incluidas?

La postura de Laxis

Seremos breves, porque este artículo trata de lo que consta en documentos públicos, no de un discurso de ventas. Laxis se compromete —en nuestra Política de privacidad y en nuestros Términos de uso— a lo siguiente: no usamos tus grabaciones, transcripciones, notas ni dictados para entrenar modelos de IA sin tu consentimiento. Los detalles, y nuestro razonamiento, están en el artículo complementario: Tus reuniones no son datos de entrenamiento: el compromiso de no entrenamiento de Laxis. En cuanto a la otra cuestión que plantean estos casos, en Laxis el bot es opcional: graba en tu propio dispositivo o activa un bot asistente con IA visible que se une a la llamada. Y como las obligaciones de consentimiento recaen en la persona que graba, también hemos publicado una guía en lenguaje claro: ¿Es ilegal grabar una conversación?

Los tribunales decidirán los casos de Otter y Granola. Pero las preguntas que esos casos plantean —¿aceptaron todos, y de quién son los datos después?— son preguntas que deberías hacerte antes de tu próxima reunión, no después de tu primera citación judicial.

Fuentes y lecturas complementarias

• In re Otter.AI Privacy Litigation, No. 25-cv-06911-EKL (N.D. Cal.), Order on Motion to Dismiss (resolución sobre la moción de desestimación), 13 de agosto de 2026 (Dkt. 68); expediente en CourtListener.
• Chamberlain v. Granola, Inc., No. 3:26-cv-07926 (N.D. Cal., presentada el 30 de julio de 2026; demanda enmendada del 19 de octubre de 2026).
• Barnes & Thornburg LLP, «AI Note-Taking Tools, Silent Recording, and the Consent Problem» (2026).
• Granola, documentación sobre el entrenamiento de modelos (valores por defecto del entrenamiento y opciones de exclusión según el plan).

Este artículo resume, con fines de información general, escritos judiciales públicos y documentación de los proveedores. No constituye asesoramiento jurídico, y las alegaciones formuladas en litigios pendientes no son hechos probados.