Kotlin Multiplatform y agentes de AI: cuatro plataformas, una crisis nerviosa

Mientras la industria tecnológica debate cuándo la inteligencia artificial sustituirá a los programadores, un desarrollador decidió invertir esta idea ciento ochenta grados. En lugar de construir IA que escriba código para las personas, creó un agente de IA diseñado para reemplazar a los propios usuarios. Suena paradójico, pero así es exactamente como se ve uno de los casos prácticos más interesantes del desarrollo de aplicaciones de IA multiplataforma, que apareció en Habr en febrero de 2026.

La historia comenzó hace seis meses, cuando un pequeño equipo se enfrentó a una tarea ambiciosa: crear dos productos a la vez. El primero es una aplicación de escritorio para macOS, cuya versión alfa ya está disponible para descargar. El segundo es un proyecto completamente multiplataforma que abarca Android, iOS, Web y un backend de servidor. Eligieron Kotlin Multiplatform como su base tecnológica: un framework de JetBrains que promete la capacidad de escribir código compartido para todas las plataformas objetivo. Promete — esa es la palabra clave.

En la práctica, el desarrollo multiplataforma de agentes de IA resultó ser un viaje a través de un campo minado. El principal punto de dolor fue el mecanismo expect/actual: la forma en que Kotlin Multiplatform maneja las diferencias específicas de la plataforma. La idea es simple: declaras una interfaz esperada en código compartido y luego la implementas por separado para cada plataforma.

En teoría, es elegante. En la práctica, cuando tales declaraciones llegan a decenas y cientos, el proyecto se convierte en un laberinto donde cada cambio en la lógica compartida requiere correcciones sincrónicas en todas las plataformas. Para agentes de IA, donde la integración con API nativas del sistema operativo es inevitable, esto crea una complejidad acumulativa que crece exponencialmente.

Un capítulo aparte en esta historia merece el enfrentamiento con XCode. El entorno de desarrollo de Apple ha ganado una reputación mixta entre los desarrolladores móviles, pero cuando se combina con Kotlin Multiplatform, demuestra una ingeniosidad particular para crear problemas. Compilar la parte iOS del proyecto a través de KMP añade una capa adicional de abstracción que periódicamente se rompe por razones no siempre susceptibles de explicación racional. El autor no duda en llamar a las cosas por su nombre, describiendo lo que sucede como «escenas de abuso a XCode»: y cualquiera que haya trabajado con desarrollo multiplataforma bajo Apple entiende que esto no es una exageración.

El tercer problema es la notarización de compilaciones en macOS. Apple requiere que todas las aplicaciones distribuidas fuera de la App Store pasen verificación automática en los servidores de la empresa. Para compilaciones de lanzamiento, este proceso puede llevar considerable tiempo, y cualquier fallo envía al desarrollador de vuelta al inicio del ciclo. Cuando se trata de un agente de IA de escritorio que necesita acceso profundo al sistema para automatizar acciones del usuario, el procedimiento de notarización se vuelve aún más impredecible. Apple controla estrictamente qué permisos recibe una aplicación, y un agente que pretende controlar la interfaz en nombre del usuario inevitablemente atrae una mayor atención del sistema de seguridad.

A pesar de todas las dificultades, este proyecto revela una tendencia importante. Los agentes de IA —programas capaces de ejecutar autónomamente tareas en nombre de un humano— se están convirtiendo en la próxima gran dirección de la industria. Si 2024 y 2025 estuvieron marcados por chatbots y modelos generativos, entonces 2026 se define cada vez más por el concepto de agencia.

Empresas desde Anthropic hasta Google están invirtiendo en frameworks de agentes, pero la infraestructura para entregarlos a usuarios finales en todas las plataformas sigue siendo inmadura. La experiencia de este equipo demuestra que crear un agente inteligente es la mitad del desafío. La segunda mitad es hacer que funcione igualmente bien en un smartphone Android, iPhone, en un navegador y en el escritorio.

El propio autor señala con auto-ironía que lanzar un proyecto KMP en múltiples plataformas sin consulta previa con un psicoterapeuta no es recomendable. Detrás de esta broma existe un problema real: las herramientas de desarrollo multiplataforma aún no han alcanzado las ambiciones de quienes las utilizan. Kotlin Multiplatform ha recorrido un largo camino y ha salido del estado de tecnología experimental, pero al escalar a cuatro o más plataformas, sigue requiriendo que los equipos estén preparados para desafíos de ingeniería inesperados.

Este caso es valioso precisamente por su honestidad. En una era en que prácticamente toda presentación promete «compatibilidad multiplataforma perfecta» e «IA que lo hace todo», la experiencia real de desarrollo muestra un cuadro completamente diferente. Los agentes de IA ciertamente pueden cambiar la forma en que las personas interactúan con la tecnología, pero el camino desde el prototipo hasta un producto estable en múltiples plataformas sigue siendo espinoso. Y por ahora, solo ese cinco por ciento de entusiastas —que el autor delicadamente llama masoquistas— pueden recorrer este camino.