Hace décadas que prometemos una relación distinta con nuestros dispositivos móviles. Los fabricantes hablan de asistentes inteligentes, de máquinas que comprenderían nuestras necesidades y actuarían en consecuencia. Pero hasta ahora, esos anuncios quedaban en el terreno de las aspiraciones, de las demostraciones pulidas en escenarios controlados. Ahora, por primera vez, ese futuro dejó de ser una promesa de laboratorio y comenzó a materializarse en los bolsillos de los usuarios. Gemini, el asistente de inteligencia artificial de Google, acaba de cruzar un umbral tecnológico fundamental: puede ejecutar tareas reales dentro de aplicaciones en tu teléfono. No es perfecto. De hecho, es lento y tosco en varios aspectos. Pero representa un salto cualitativo que alguien alguna vez tenía que dar.
Durante las últimas semanas se ha podido constatar el funcionamiento de esta capacidad en dispositivos de última generación como el Pixel 10 Pro y el Galaxy S26 Ultra. La funcionalidad permanece en fase experimental, lo que explica sus limitaciones actuales. Por el momento, Gemini puede intervenir en un catálogo reducido de servicios: algunas plataformas de comida para llevar y aplicaciones de transporte compartido integran esta capacidad. Pero ese abanico restringido es apenas el punto de partida. Lo relevante no es lo que puede hacer hoy, sino lo que evidencia que podrá hacer mañana. Este es el primer caso documentado de un asistente de inteligencia artificial genuino operando dentro del ecosistema de un smartphone en condiciones reales de uso, alejado de las demostraciones cinematográficas que predominan en las presentaciones de grandes corporaciones tecnológicas.
Un paso tímido pero decisivo
La lentitud es evidente. Los procesos no fluyen con la velocidad a la que estamos acostumbrados. En varias ocasiones durante las pruebas, el sistema vacila, repite pasos innecesarios, o requiere correcciones. Quienquiera que haya probado sistemas de automatización rudimentarios reconocerá estos síntomas: es el típico comportamiento de una tecnología que está aprendiendo, que aún no domina completamente el entorno en el que opera. Los movimientos no son elegantes. A menudo parecen burdos, como si Gemini estuviera palpando cada botón, cada campo de texto, sin la fluidez que esperaríamos de una máquina que supuestamente comprende interfaces gráficas. No obstante, esa torpeza inicial no disminuye la magnitud del logro. Es comparable a los primeros pasos de cualquier tecnología transformadora: los automóviles iniciales eran lentos, impredecibles y constantemente se averiaban, pero nadie podría negar que inauguraban una era.
Desde una perspectiva pragmática inmediata, esta capacidad no resuelve un problema urgente que no tuvieras antes. Si quieres pedir comida, todavía puedes hacerlo con pocos clics en la aplicación correspondiente. Si necesitas un viaje, abres la app de transporte y listo. Nadie despierta pensando: "Qué pena que no pueda delegar esta tarea en mi asistente de IA". La fricción que genera usar estas aplicaciones directamente es mínima. Entonces, ¿por qué importa? Porque los sistemas que automatizan tareas cotidianas abren puertas que permanecían cerradas. Personas con discapacidades motoras podrían beneficiarse de forma radical. Usuarios con acceso limitado a tecnología podrían optimizar procesos complejos. Y desde una perspectiva sistémica más amplia, estamos viendo por primera vez a una inteligencia artificial saliendo del terreno conversacional o generativo para convertirse en un agente ejecutor dentro del ecosistema digital.
El laboratorio se vuelve realidad cotidiana
Durante años, los eventos de lanzamiento de productos tecnológicos han presentado versiones idealizadas de lo que sus sistemas pueden lograr. Salas de convenciones abarrotadas, demostraciones cuidadosamente coreografiadas donde todo funciona a la perfección, conexiones de internet óptimas, dispositivos completamente cargados, condiciones que rara vez prevalecen en la vida real. Eso contrasta radicalmente con lo que sucede cuando estos sistemas enfrentan la complejidad del mundo real: aplicaciones que se actualizan frecuentemente, interfaces que varían entre dispositivos, conexiones inestables, pantallas con brillo deficiente, usuarios que no siguen siempre el flujo esperado. Gemini ahora enfrenta todos esos desafíos simultáneamente, y la mayoría de las veces logra completar sus tareas. Eso es substancialmente diferente de cualquier cosa que hayamos visto emerger de un departamento de investigación o de un escenario de presentación corporativa. Es messy, imperfecto, pero auténtico. Es como cuando alguien finalmente logra que un prototipo funcione no en las condiciones ideales del laboratorio, sino en el caos de una fábrica real.
La arquitectura técnica detrás de esta capacidad revela un cambio importante en cómo los desarrolladores conciben la relación entre software y usuarios. Tradicionalmente, las aplicaciones han sido intermediarios: tú das instrucciones a través de la interfaz, la aplicación ejecuta esas instrucciones, y te presenta un resultado. Ahora, Gemini actúa como un intérprete que puede navegar esas interfaces en tu nombre. Para que esto funcione, el sistema necesita comprender visualmente lo que ve en pantalla, predecir dónde están los botones, anticipar qué sucede después de cada acción, y corregir el curso si algo no sale como se esperaba. Son capacidades que hace apenas cinco años parecían ciencia ficción implementable apenas en laboratorios especializados. Hoy están operando en millones de dispositivos.
Los fabricantes de smartphones y servicios tecnológicos evidentemente entienden las implicancias a largo plazo. Por eso las pruebas comenzaron con sectores específicos: comida para llevar y transporte. Estos dominios tienen interfaces relativamente predecibles, flujos de usuario estandarizados, y un número limitado de variables. Son el equivalente a entrenar un sistema de conducción autónoma en una pista cerrada antes de soltarlo en calles urbanas. Una vez que Gemini domine completamente estos entornos, la expansión hacia otras categorías de aplicaciones seguirá de manera casi inevitable. Compras en línea, reservas de hoteles, gestión de cuentas bancarias, trámites administrativos digitales: todos estos espacios podrían convertirse en dominios donde el asistente actúe por cuenta propia, reduciendo la brecha entre la intención del usuario y su ejecución.
Las implicancias que apenas comenzamos a vislumbrar
Lo que sucede ahora mismo representa un momento de inflexión en la relación humana con la tecnología, aunque pocos lo reconozcan de inmediato. No es el primer asistente de voz, ni la primera inteligencia artificial generativa, ni el primer sistema de reconocimiento visual. Pero es el primer caso donde una IA general comienza a actuar de manera autónoma dentro del ecosistema que ya dominamos completamente. Las consecuencias de esta transición se despliegan en múltiples direcciones. Por un lado, existe potencial liberador: tareas tediosas, repetitivas, que absorben tiempo valioso de usuarios podrían ser delegadas, especialmente para poblaciones con capacidades limitadas. Por otro lado, surgen interrogantes sobre privacidad, control, y la naturaleza misma de la agencia digital. ¿Cuándo un sistema que actúa en tu nombre deja de ser una herramienta y se convierte en algo más? ¿Qué ocurre con tus datos cuando intermediarios digitales los procesan a escala masiva? ¿Cómo se distribuyen responsabilidades cuando una máquina ejecuta acciones que generan consecuencias legales o financieras? Estas preguntas no tienen respuestas simples, y la tecnología avanza más rápido que la capacidad regulatoria de gobiernos y sociedades para responder a ellas. Lo que es seguro es que hemos entrado en territorio inexplorado, y los próximos años determinarán si esta capacidad se convierte en un instrumento de empoderamiento generalizado o en un mecanismo que profundiza desigualdades existentes.
