Wired probó 6 agentes de IA en un día: Dots lidera y Gemini Spark fracasa con el almuerzo

Hace un año, para Rhys, reportero de Wired, los agentes de IA eran una demo inútil, buena solo para presentaciones. Hoy los agentes always-on empiezan a salir de Silicon Valley porque son más fiables: completan mejor las tareas y manejan el navegador con más seguridad. El día anterior, Rhys configuró seis agentes en su iPhone, los puso a trabajar durante un día en cinco tareas y puntuó cada intento de 1 a 5. Tres de las pruebas ya muestran cómo se reparten las fuerzas.

Quiénes participaron y cuánto cuestan

Los agentes funcionan como un chat grupal: un único hilo de mensajes y un navegador virtual que actúa como su propio ordenador para acceder a internet. A diferencia de un chatbot, escriben ellos primero si ven una oportunidad de ayudar. En la prueba participaron:

• Meta Muse: gratuito. Salió en septiembre y desde entonces lidera las listas de descargas en smartphones.
• OpenAI Dots: integrado en ChatGPT, $100 al mes. Es el más caro de todos.
• Instinct: gratuito, pero requiere un código de invitación de otro usuario. Funciona por SMS convencionales, sin aplicación.
• Anthropic Claude Duet: $20 al mes. Es el más reciente: un research preview con lista de espera, lanzado la víspera de las pruebas.
• Google Gemini Spark: beta dentro de la aplicación Gemini, $20 al mes.
• xAI Grok Bot: aplicación independiente, $30 al mes.

OpenClaw no entró en la lista. Fue el que lanzó la ola de agentes a principios de año, pero resulta demasiado complicado de configurar para un usuario común. El autor promete incluir en futuros rankings a Hermes, de Nous Research, y a Poke.

Briefing y almuerzo: dónde tropiezan los agentes

La primera tarea consistía en preparar un pitch para la reunión de redacción de Wired, con su titular. Rhys pidió a los agentes que dedicaran 30 minutos a una investigación a fondo. Solo Muse y Dots trabajaron más tiempo que el resto; los demás entregaron el resultado casi al instante o al cabo de un par de minutos.

La mejor idea fue la de Gemini Spark (5/5): Walmart abre una plataforma para agentes de terceros, mientras que Amazon ha dejado fuera a Muse. Claude Duet obtuvo un 4 por un tema sobre los chats de ChatGPT protegidos con PIN, y Muse, un 3. Dots recibió un 2 por un texto «atemporal» sobre SHIFT, una aplicación contra el doomscrolling.

Grok Bot e Instinct sacaron 1 punto cada uno: el primero propuso una noticia antigua sobre el «gusto básico» de Muse, y el segundo, un experimento confuso con feeds de redes sociales.

La segunda tarea era pedir el almuerzo para dos. El jefe es vegano y quería comida vietnamita; Rhys necesitaba carne y cafeína; y el restaurante debía estar cerca de la oficina.

• Dots, 5/5. Eligió por su cuenta DragonEats a través de la web del restaurante: bánh mì con cerdo asado, café helado vietnamita y rollitos de tofu teriyaki. Total: $30,57 antes de impuestos.
• Muse, 4/5. DragonEats a través de DoorDash, $42,66 por los productos.
• Grok Bot, 4/5. Freshroll a través de DoorDash, $43,40.
• Claude Duet, 3/5. Freshroll; preguntó si usar DoorDash o Uber Eats. Rhys eligió Uber Eats: $49,25.
• Instinct, 2/5. Un carrito similar al de Claude Duet, pero $4 más caro: $53,73.
• Gemini Spark, 1/5. Al jefe le tocó un solo rollo por $5,85, con un subtotal global de $22,55. Es el único fracaso real de esta prueba.

Proactividad: el conflicto de las 14:00

Rhys creó en el calendario una reunión con una fuente a las 14:00 y se envió un correo diciendo que a esa hora tenía que llamar a su madre, a la que daban el alta del hospital. La tarea consistía en relacionar el correo con el calendario y avisarle con antelación.

• Dots, 5/5. Lo detectó de inmediato y propuso llamar antes de la reunión o después de las 15:00, teniendo en cuenta la hora del alta.
• Claude Duet, 4/5. Avisó con varias horas de antelación, pero no ofreció alternativas.
• Grok Bot, Instinct y Muse, 2/5 cada uno. No vieron el conflicto, pero reconocieron el error y propusieron cotejar el correo con el calendario en el futuro.
• Gemini Spark, 1/5. No encontró la coincidencia y tampoco propuso cómo evitar que se repitiera.

Solo dos agentes lo lograron, menos de lo que esperaba el autor.

Cómo elegir agente ahora

Tras las tres tareas, lideran Dots (12 puntos de 15) y Claude Duet (11), seguidos de Muse (9), Grok Bot y Gemini Spark (7 cada uno) e Instinct (5). Pero esta aritmética no refleja el precio ni los riesgos. Dots cuesta cinco veces más que Claude Duet y Gemini Spark, mientras que Muse es gratuito.

Los agentes necesitan acceso al correo, al calendario y a otros datos personales, y los errores en los permisos salen caros: un usuario de X conectó agentes a su cuenta bancaria y a su Slack de trabajo, y uno de ellos publicó su saldo a la vista de sus compañeros. El consejo práctico es empezar por el calendario y el correo y no dar acceso a bancos ni a chats corporativos. Conviene revisar los carritos y las rutas antes de pagar, sobre todo si el agente ha trabajado demasiado rápido.

En la prueba, Rhys conectó únicamente su Google Calendar y su Gmail personales, algo razonable para empezar.