DIYgod lanza Pinky: un puente de código abierto para que un agente de IA controle iPhone y Android

Los agentes han aprendido a programar, navegar por sitios web y trabajar con archivos. Pero en cuanto la tarea depende del teléfono, todo se rompe: mensajes en una app de mensajería, un pedido en una aplicación de reparto, un pago en el cliente del banco. Buena parte de esto no existe en la web, y un agente de navegador corriente no llega hasta ahí. El desarrollador chino DIYgod ha publicado el proyecto Pinky, que intenta cerrar esa brecha.

Qué es

Según el autor, Pinky permite que cualquier agente de IA use tu iPhone o Android. La herramienta se ejecuta en Mac, Windows y Linux, es decir, el teléfono se conecta al ordenador y el agente trabaja a través de él. El proyecto es gratuito y de código abierto. Es una aplicación nativa, no una envoltura pesada: el paquete de instalación ocupa unos diez megabytes.

La fórmula clave es «cualquier agente». Pinky no está pensada como un asistente independiente más, sino como una capa entre el agente y el dispositivo. Eliges el modelo o el framework que prefieras, y Pinky le da manos para trabajar con el teléfono. El autor no revela en el post los protocolos de conexión concretos ni la lista de agentes compatibles; hay que consultarlos en el repositorio.

Por qué se insiste en el control

Entregar el teléfono a un agente da más miedo que entregarle un navegador: ahí hay dinero, conversaciones y datos personales. Por eso la mitad del anuncio se dedica a los frenos. Antes de un pago, Pinky se detiene y espera tu confirmación. Las mismas confirmaciones pueden activarse para el envío de mensajes y para el borrado. Es el esquema habitual de human-in-the-loop, pero aplicado a acciones realmente peligrosas y no a todo indiscriminadamente.

El segundo mecanismo es la posibilidad de retomar el control en cualquier momento. Si el agente se desvía, simplemente recuperas el teléfono. El tercero es la grabación de pantalla en cada paso. Para depurar es útil: ves no un registro abstracto, sino lo que el agente pulsó realmente. Y si algo sale mal, tienes la prueba de dónde exactamente.

Limitaciones y dudas

Por ahora es un post de anuncio, no un análisis. No sabemos con qué estabilidad maneja el agente aplicaciones complejas, cómo se comporta el proyecto frente a las protecciones de los clientes bancarios ni qué limitaciones impone iOS. Tampoco está claro cómo se gestionan los permisos ni dónde se almacena el vídeo, una cuestión importante cuando se graba una pantalla con datos personales. El alcance del post (unas 72 mil visualizaciones) indica interés, pero no madurez del producto.

Un riesgo aparte son las inyecciones de prompt. Si el agente lee en pantalla mensajes ajenos, estos pueden contener texto con instrucciones. La confirmación antes del pago atenúa las consecuencias, pero no elimina el problema en las acciones que no hayas puesto bajo confirmación.

Qué hacer con esto

Los desarrolladores de agentes deberían revisar el repositorio y ver cómo están construidas las confirmaciones y la grabación: estas técnicas servirán en otros proyectos. Los responsables de producto pueden tomar nota del patrón «pausa en acciones irreversibles más auditoría en vídeo» como estándar básico de confianza. Lo mejor es probarlo en un dispositivo de prueba o una cuenta secundaria, y activar las confirmaciones para todo lo relacionado con dinero, mensajes y borrado. Si Pinky resulta estable, los agentes de código abierto tendrán la capa móvil que les faltaba, sin depender de un único proveedor.