Descubre cuál es el mejor agente de IA: mi experiencia tras un día de pruebas intensivas

El año pasado, en una conversación con mis colegas, expresé mis frustraciones sobre el funcionamiento ineficaz de los agentes de inteligencia artificial. A pesar de las promesas de muchos desarrolladores sobre la automatización de tareas tediosas, la realidad era que estos agentes apenas cumplían su función. Sin embargo, un año después, la situación ha cambiado drásticamente y estos agentes están en auge, con grandes empresas lanzando sus propias versiones en un intento por captar a los primeros usuarios.

La aceptación de estos asistentes virtuales en la cultura general ha crecido, en parte porque han mejorado su funcionalidad. Aunque siguen cometiendo errores, han demostrado avances significativos en la ejecución de tareas y en el manejo de navegadores. Para ayudar a aquellos que buscan aprovechar al máximo estos agentes de IA, decidí probar seis de los más destacados en mi iPhone: Muse de Meta, Dots de OpenAI, Instinct, Claude Duet de Anthropic, Gemini Spark de Google y Grok Bot de xAI.

Variedad y funcionalidad de los agentes de IA

Cada uno de estos agentes presenta diferencias en precios y capacidades. Muse es gratuito y ha sido el líder en descargas desde su lanzamiento en septiembre. Instinct también es gratuito, aunque requiere un código de invitación de otro usuario. Dots, el más costoso de la lista, tiene un precio de 100 dólares al mes y está integrado en ChatGPT. Gemini Spark, que se encuentra en versión beta, cuesta 20 dólares mensuales, mientras que Grok Bot se ofrece a 30 dólares. Finalmente, Claude Duet, que es el más reciente, también cuesta 20 dólares al mes y se lanzó como una vista previa de investigación justo antes de mis pruebas.

Curiosamente, OpenClaw no fue incluido en mi evaluación, ya que su complejidad de configuración podría desanimar a los usuarios promedio. No obstante, podría ser relevante en clasificaciones futuras junto a otros agentes emergentes como Hermes de Nous Research y Poke.

¿Qué es un agente de IA?

Para aquellos que no han utilizado un agente de inteligencia artificial, la experiencia es comparable a enviar un mensaje de texto a un asistente digital para que realice diversas tareas. Esto puede incluir revisar correos electrónicos en busca de mensajes importantes, buscar ofertas para tus vacaciones o asistir en decisiones de compra cotidianas. A diferencia de los chatbots tradicionales que responden a comandos, estos agentes son más proactivos, notificando al usuario sobre oportunidades para ser útiles. Las conversaciones con estos agentes se agrupan en hilos que se asemejan a chats de grupo, y funcionan controlando un navegador virtual que actúa como su propia computadora para acceder a internet.

Evaluación de agentes de IA

Con años de experiencia en la evaluación de software de IA desde una perspectiva no técnica, diseñé cinco pruebas básicas para cada agente, simulando un día caótico durante el cual evaluaría su proactividad, capacidad de seguir instrucciones y habilidades de navegación. Cada prueba fue calificada en una escala del 1 al 5, y al final, se coronó a un ganador y se otorgó un premio al más molesto. Es importante señalar que esta no es una recomendación de los agentes de IA, ya que el software aún enfrenta desafíos en términos de privacidad y seguridad.

La efectividad de estos agentes suele depender de su acceso a datos personales, como correos electrónicos y calendarios, lo que puede generar inquietudes sobre la confianza en su uso. Durante mis pruebas, compartí solo mi Google Calendar y Gmail personales, lo que limitó la exposición total que tuvieron los agentes de IA a mis datos.

Pruebas en contexto

En una de las pruebas, envié a cada agente una solicitud para elaborar un resumen de las noticias tecnológicas. Aunque muchos prometen ser ideales para mantenerte al día con la información, solo Muse y Dots se tomaron el tiempo para investigar antes de responder. Los resultados, sin embargo, no fueron bien recibidos en la reunión editorial, donde mis colegas mostraron desinterés por los titulares generados.

La prueba de compra de almuerzo fue otro escenario crítico. Al delegar la tarea a los agentes, la mayoría eligió opciones de restaurantes vietnamitas cercanos. Sin embargo, Gemini Spark falló al sugerir solo un rollo, lo que resultó en un pedido insuficiente para mi jefe, quien es vegano. Mientras tanto, Muse y Grok Bot se acercaron a las expectativas con pedidos variados y completos.

Resolviendo conflictos de agenda

Otra ventaja de estos agentes es su capacidad para identificar conflictos de agenda. Después de crear un evento en mi calendario para una reunión importante, solo Dots y Claude Duet lograron detectar el solapamiento con un recordatorio personal para llamar a mi madre. Aunque otros agentes no detectaron el conflicto, ofrecieron consejos sobre cómo evitar problemas similares en el futuro.

Planificación de vacaciones

Al planificar un viaje, decidí probar cómo los agentes podían asistir en la logística. Al solicitar un itinerario para un viaje a China, todos los agentes generaron rutas similares, lo que sugiere un posible efecto de homogeneización en las recomendaciones turísticas. Muse obtuvo la mejor puntuación por su presentación clara y organizada, mientras que otros agentes, aunque útiles, no alcanzaron el mismo nivel de detalle.

Reflexiones finales sobre los agentes de IA

Finalmente, después de evaluar cómo estos agentes responden a solicitudes más abstractas, descubrí que, aunque algunos ofrecieron consejos útiles, otros carecieron de la empatía que un asistente humano podría proporcionar. En resumen, Dots de OpenAI se destacó como el mejor rendimiento general, aunque su costo puede ser un factor limitante para muchos usuarios. Muse de Meta emergió como una opción accesible y fácil de usar, mientras que Claude Duet mostró un potencial significativo a pesar de ser un producto nuevo. En contraposición, Instinct demostró ser el menos atractivo debido a sus limitaciones en la comunicación.