--- title: "La próxima pantalla que aprende la IA está en tu bolsillo" description: "En un hackatón de creación de apps en París, encontramos la forma de saltar los muros del iPhone para que una app pudiera hacer tareas en tus otras apps. También me mostró un vacío. Todo el mundo enseña a la IA a usar teléfonos. Casi nadie tiene buenos datos sobre cómo los usan las personas." canonical: https://www.askgib.com/es/articles/the-next-screen-ai-learns-is-in-your-pocket last-updated: 2026-10-19 lang: es --- # La próxima pantalla que aprende la IA está en tu bolsillo > En un hackatón de creación de apps en París, encontramos la forma de saltar los muros del iPhone para que una app pudiera hacer tareas en tus otras apps. También me mostró un vacío. Todo el mundo enseña a la IA a usar teléfonos. Casi nadie tiene buenos datos sobre cómo los usan las personas. By Gibril Bachouchi. Filed 2026-10-19. 6 min read. Web page: https://www.askgib.com/es/articles/the-next-screen-ai-learns-is-in-your-pocket Languages: [en](https://www.askgib.com/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [fr](https://www.askgib.com/fr/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [ar](https://www.askgib.com/ar/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [es](https://www.askgib.com/es/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [ru](https://www.askgib.com/ru/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [pt](https://www.askgib.com/pt/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [it](https://www.askgib.com/it/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [de](https://www.askgib.com/de/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [ja](https://www.askgib.com/ja/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [ko](https://www.askgib.com/ko/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [hi](https://www.askgib.com/hi/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [he](https://www.askgib.com/he/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [zh](https://www.askgib.com/zh/articles/the-next-screen-ai-learns-is-in-your-pocket.md) · [tr](https://www.askgib.com/tr/articles/the-next-screen-ai-learns-is-in-your-pocket.md) Esto salió de un hackatón de creación de apps en París. El objetivo era crear una app. Tomamos una app de rutina de la mañana e intentamos que hiciera la rutina por ti: abrir tus otras apps y hacer los pasos en ellas. En un iPhone, eso es difícil. Cada app vive en su propio «sandbox», una caja cerrada que no puede ver las otras apps. Para abrir otra app, tienes que listar su enlace, su «URL scheme», antes de publicar. Necesitas uno por cada app a la que quieras llegar algún día. Eso lleva mucho tiempo. Y la lista no puede crecer con el usuario. Así que lo rodeamos. Screen Time nos dice qué apps usa de verdad una persona. Construimos un pequeño navegador dentro de nuestra app, y esas apps se abren ahí en su versión web. Dentro de ese navegador, nuestra app puede tomar un script, un prompt o indicaciones sencillas, y hacer la tarea por ti. Cuando llegamos, la gente nos dijo que no se podía hacer. Al final, les sorprendió que hubiéramos encontrado la forma. MWM, un estudio de apps de París, organizó el evento en sus oficinas. Nos cuidaron muy bien, y fueron el patrocinador más destacado. Su equipo técnico adoró lo que construimos y quedó impresionado por lo rápido que avanzamos. Gracias a ellos. Lo pasamos genial. También me mostró un problema más grande. Hay muy pocos datos sobre cómo usan de verdad las personas sus teléfonos. Piénsalo. El teléfono es la pantalla que más tocamos. Y cuando quieres saber cómo se mueve la gente por él de verdad, casi no hay nada que aprovechar. Así que me puse a buscar. ¿Quién enseña a la IA a usar un teléfono? ¿Y quién sabe de verdad cómo lo usan las personas? Resulta que son dos grupos distintos. Casi no hablan entre ellos. La «computer use» de la IA empezó en el escritorio. Esa era la versión fácil. El uso del teléfono es lo siguiente. En una página web, un agente puede leer el código y encontrar el botón. En un teléfono, las apps son cajas cerradas. A menudo, el agente recibe una captura de pantalla y un «árbol de accesibilidad» parcial, que es la lista oculta de elementos de la pantalla que usan los lectores de pantalla. Eso es todo. Después, el teléfono añade lo suyo. No haces clic, deslizas, mantienes pulsado, pellizcas y arrastras para actualizar, y cada gesto significa algo distinto. Los botones miden unos pocos milímetros y cambian de sitio con cada tamaño de pantalla. Los inicios de sesión, los pagos y los códigos de seguridad detienen a un agente en mitad de una tarea. Y hay dos mundos. Android permite que una app controle la pantalla si le das permiso. El iPhone está mucho más cerrado. El teléfono sigue siendo el premio mayor. Es donde vive la gente. Muchísima gente. Dueños de teléfonos, startups con financiación y laboratorios de investigación abiertos, muchos de ellos en China. | Quién | Qué está construyendo | En qué punto está | | --- | --- | --- | | [Google](https://www.nbcpalmsprings.com/2026/08/12/google-says-ai-agents-could-transform-how-we-use-smartphones) | Un Android en el que dices lo que quieres y un agente hace los pasos | Ese es el objetivo que el responsable del ecosistema Android dio a CNN en agosto de 2026. Se espera que una función llamada Halo muestre el progreso del agente. El Pixel 11 Pro tiene una luz trasera que se enciende cuando Gemini trabaja en una orden. | | Apple | Una nueva Siri que funciona entre apps y usa tu información personal | Salió en beta con iOS 27 en septiembre de 2026 | | [AGI, Inc.](https://techcrunch.com/snippet/3080183/agi-inc-s-android-app-can-use-your-phone-for-you/) | Una app para Android que usa tus otras apps por ti: pedir un viaje, añadir algo a un pedido de comida, enviar un mensaje | Se mostró en el CES de enero de 2026 como beta privada. TechCrunch informa de 10 millones de dólares recaudados de Menlo Ventures, Anthropic y otros, y de una valoración de 500 millones de dólares. La empresa dice que su agente obtuvo un [97,4 % en la prueba AndroidWorld](https://theagi.company/blog/android-world) en octubre de 2025, solo con capturas de pantalla. | | [ByteDance (UI-TARS)](https://github.com/bytedance/UI-TARS) | Modelos que ven la pantalla y tocan, deslizan y escriben | UI-TARS-1.5 es abierto. UI-TARS-2 salió en septiembre de 2025. | | [Zhipu AI (Open-AutoGLM)](https://github.com/zai-org/Open-AutoGLM) | Un agente de teléfono de código abierto y un modelo de teléfono de 9B | Unas 26.000 estrellas en GitHub. Te devuelve el teléfono en las pantallas de inicio de sesión y de captcha. | | [Ant Group (UI-Venus)](https://github.com/inclusionAI/UI-Venus) | Agentes abiertos que trabajan a partir de capturas de pantalla, más una prueba de referencia móvil | UI-Venus 1.5 en febrero de 2026, UI-Venus 2 en agosto de 2026 | | [Droidrun, ahora Mobilerun](https://github.com/droidrun/mobilerun) | Framework de código abierto que permite que cualquier modelo de IA maneje un teléfono | Android e iOS, con una versión en la nube. Unas 9.600 estrellas en GitHub. | | [MobileGym](https://github.com/Purewhiter/mobilegym) | Un teléfono falso con 28 apps falsas, para entrenar y probar agentes | Publicado en mayo de 2026. El mejor modelo que probaron sus autores, Gemini 3.1 Pro, completó el 58,8 % de las tareas. El mejor modelo abierto para teléfono completó el 20 %. | Mira la última fila, junto a la fila de AGI. En la prueba antigua, una startup dice que obtiene un 97,4 %. En una nueva y más difícil, el mejor modelo que probaron sus autores falla unas 4 tareas de cada 10. Así que el dinero está. El talento está. Los agentes siguen perdidos. Es otro grupo. Venden a equipos de apps, no a laboratorios de IA. | Empresa | Qué graba | Quién la usa | | --- | --- | --- | | [UXCam](https://uxcam.com/mobile-heatmaps/) | Session replay (reproducción de sesiones), mapas de calor de toques, «rage taps» (el mismo punto tocado una y otra vez por alguien enfadado) y abandonos | Hecha para móviles. Dice que funciona en más de 37.000 apps. | | [Contentsquare](https://contentsquare.com/) | Session replay, mapas de calor y «zonificación» de las partes de una pantalla que se ganan su sitio | Empezó en la web y tiene un SDK para móvil | | [Fullstory](https://www.fullstory.com/) | Session replay, señales de frustración, recorridos de los usuarios | Empezó en la web y tiene un SDK para móvil | Estos datos valen dinero. El propio sitio de UXCam dice que el banco de Carrefour redujo los rage taps un 50 % después de que un mapa de calor mostrara la causa. Eso lo dice el proveedor, así que tómalo como un argumento de venta. Pero los equipos de apps sí pagan por esto. Aquí es donde estas herramientas se quedan cortas. Te dicen lo que pasó. No te dicen lo que hará un nuevo diseño antes de que lo publiques. Y nada de lo que aprenden llega a un agente de IA. Ese es el vacío en el que caímos en el hackatón. Un grupo enseña a la IA a usar teléfonos. El otro observa cómo las personas los usan. Casi nadie une los dos. Cinco ideas que probaría. 1. **Usuarios falsos que tocan como los reales.** Entrena agentes con patrones de toque reales. Hazlos pasar por una nueva versión de tu app antes del lanzamiento. Te mostrarán la pantalla donde una persona se quedaría parada o haría rage taps, antes de que lo haga una persona. 2. **UXCam, pero para agentes.** Los agentes empiezan a usar apps por las personas. Los creadores de apps querrán saber qué sesiones son de agentes, dónde se atascan y por qué abandonan. No he encontrado a nadie que tenga esto. 3. **Una puntuación de preparación para agentes.** ¿Qué tan fácil es tu app para que un agente la use? Etiquetas claras, diseños estables, sin callejones sin salida. Si un agente no puede terminar el pedido en tu app, lo termina en la de otro. 4. **Datos táctiles con licencia.** Datos consentidos y respetuosos con la privacidad sobre cómo las personas se mueven de verdad por las apps. Los creadores de agentes los necesitan. Eso es un producto por sí mismo. 5. **Accesibilidad gratis.** Las etiquetas limpias que ayudan a un agente también ayudan a una persona con baja visión o con movilidad limitada en las manos. Mismo trabajo, dos beneficios. El hilo es el mismo en las cinco. Quien tenga los mejores datos sobre cómo las personas usan los teléfonos mejora tanto las apps como los agentes. Muchas cosas. **Las plataformas pueden hacerlo ellas mismas.** Google y Apple son dueñas del sistema operativo. Cualquier cosa que añadan gratis puede acabar con una startup. La apuesta más segura es servir a los creadores de apps. Ese es el cliente que las plataformas suelen dejar en manos de otros. **El iPhone está casi cerrado.** La app de AGI solo es para Android, por ahora. Las herramientas abiertas que llegan a iOS necesitan una configuración de desarrollador. Si tu negocio necesita el iPhone, tu negocio depende de Apple. **Privacidad.** El session replay graba las pantallas de las personas. Tienes que enmascarar los datos personales y necesitas consentimiento real. No basta con una casilla en la página nueve. **Confianza.** Gallup y la Universidad Bentley preguntaron a los estadounidenses en mayo de 2026 si confían en que las empresas usen la IA de forma responsable. El 27 % dijo que sí. Ahora pregúntales si le entregarían su teléfono a un agente. Y una pregunta a la que todavía no puedo responder. ¿Quién paga primero? ¿El creador de apps que quiere una app mejor, o el laboratorio de IA que quiere un mejor agente? Creo que es el creador de apps. Si construyes apps, dime si me equivoco.