Los asistentes de IA hablan mejor, pero todavía no controlan bien tu casa

La IA generativa ha conseguido que los asistentes del hogar inteligente suenen más naturales, pero no que sean igual de fiables. La contradicción se hace evidente en las órdenes más sencillas: encender una lámpara, fijar una intensidad o ejecutar una rutina. En esos casos, el usuario no quiere una respuesta convincente; quiere que el dispositivo correcto cambie de estado inmediatamente.

Los fallos aparecen precisamente en las órdenes básicas

Los problemas no se limitan a automatizaciones complejas con varios pasos. David Pogue aseguró que Alexa+ acertó “poco menos de la mitad” de 135 solicitudes y añadió que el asistente tenía dificultades para encender luces y establecer correctamente el nivel de un regulador. Se trata de una prueba anecdótica, no de un ensayo estandarizado, pero el resultado resulta llamativo para un asistente cuya función principal es controlar dispositivos.

Los usuarios de Google Home han descrito otro fallo concreto: Gemini puede activar rutinas de Home cuando el teléfono no está conectado a Android Auto, pero deja de ejecutarlas cuando Android Auto está activo. Algunas personas reciben respuestas aleatorias o genéricas en su lugar.

Otros análisis describen casos en los que Gemini se niega a apagar luces inteligentes y afirma que no puede controlar la iluminación ni otros dispositivos físicos. Android Authority también ha informado de varias actualizaciones destinadas a mejorar alarmas, temporizadores, controles de iluminación, velocidad de respuesta y distintos errores, incluido uno que hacía que las luces se encendieran o apagaran sin intervención del usuario.

Estos reportes no permiten establecer una tasa de fallos común para toda la industria. Sí muestran un patrón recurrente: la capacidad para conversar puede mejorar mientras la ejecución cotidiana sigue siendo irregular.

El lenguaje natural convierte el control en un problema técnico

Los asistentes de voz anteriores eran más limitados, pero sus rutas de control estaban más acotadas. Una orden reconocida podía convertirse en una intención conocida y en una operación previamente validada, por ejemplo:

setBrightness(device = kitchen, level = 50)

El usuario tenía que adaptarse a fórmulas de voz más concretas. A cambio, el sistema debía elegir entre menos interpretaciones y seguía un recorrido más repetible entre la frase y la acción del dispositivo.

Un asistente basado en un modelo de lenguaje de gran escala —o LLM— tiene que resolver muchas más cosas. Debe:

1. interpretar qué quiere decir el usuario;
2. resolver referencias como “aquí”, “esas” o “las luces”;
3. identificar la habitación, el dispositivo y la capacidad correctos;
4. seleccionar la herramienta o API adecuada;
5. proporcionar parámetros válidos;
6. tener en cuenta el estado actual del dispositivo; y
7. informar con precisión de si la acción se completó.

Un error en cualquiera de esas etapas puede producir un resultado incorrecto. El asistente puede elegir otro dispositivo, confundir una habitación, utilizar una función no compatible, enviar un parámetro inválido, basarse en información desactualizada o afirmar que la acción tuvo éxito sin comprobar que el dispositivo realmente cambió.

La investigación sobre el control de hogares inteligentes mediante LLM identifica como obstáculos la falta de determinismo, la latencia y el coste de inferencia, además de una personalización limitada. Estos sistemas funcionan mejor cuando las solicitudes son explícitas y estructuradas que cuando deben resolver un contexto amplio por su cuenta.

Conversar y ejecutar no requieren la misma inteligencia

Las capacidades que promocionan Amazon y Google son útiles. Alexa+ está diseñada para asociar una descripción hablada con el dispositivo y la función pertinentes, mientras que Google destaca las órdenes con varios pasos, las excepciones y las correcciones a mitad de una frase.

Estas funciones pueden ser valiosas para:

• describir el ambiente deseado y convertirlo en una escena propuesta;
• crear una rutina sin recorrer menús complejos en una aplicación;
• explicar qué hace una automatización; y
• transformar una petición ambigua en un plan estructurado.

Pero interpretar una orden no es lo mismo que ejecutarla. “Haz que la habitación resulte acogedora para la cena” admite cierto margen de criterio. “Pon las luces de la cocina al 50 %” tiene un resultado concreto. La primera tarea se beneficia de un modelo flexible; la segunda necesita una ruta de control estrecha y verificable.

Esa diferencia explica que un asistente pueda gestionar de forma brillante una frase compleja y fallar con una orden sencilla sobre una lámpara. La complejidad del lenguaje no equivale a la complejidad de la ejecución. Una petición con varios dispositivos puede salir bien si el modelo elige las herramientas y los parámetros adecuados, mientras que una frase corta puede fallar si se rompe la identificación del dispositivo o la detección de sus capacidades.

La latencia también determina cuánto confiamos en el sistema

La fiabilidad no depende únicamente de acertar. Una orden para el hogar inteligente también necesita un tiempo de respuesta razonablemente predecible. Si una luz tarda demasiado en encenderse —o solo responde después de repetir la orden— el sistema parece poco fiable aunque el estado final sea correcto.

Un análisis de Alexa+ registró respuestas de hasta 15 segundos, aunque algunas acciones básicas, como encender luces o ajustar el termostato, podían completarse más rápido en ciertos casos. La cobertura independiente sobre Gemini for Home también describió actualizaciones centradas en acelerar las respuestas y acortar las contestaciones para órdenes cotidianas, lo que sugiere que la latencia sigue siendo un asunto de ingeniería en desarrollo.

El procesamiento en la nube, la selección del modelo, la búsqueda de dispositivos y las llamadas a herramientas pueden añadir retrasos. El resultado es un sistema que quizá sea más capaz en teoría, pero menos predecible en el momento de usarlo.

¿Los primeros usuarios están haciendo de probadores?

El despliegue continuo es habitual en el software y puede ser razonable para funciones conversacionales de bajo riesgo. El control del hogar es distinto: los fallos afectan a dispositivos físicos y a rutinas que ya funcionaban. Si una actualización cambia el comportamiento de las luces, las alarmas o las automatizaciones, el usuario experimenta el problema dentro de su casa, no en la interfaz abstracta de un chatbot.

La sucesión de quejas tras los lanzamientos, seguida de correcciones y actualizaciones de fiabilidad, no demuestra que los fabricantes hayan comercializado intencionadamente productos sin terminar. Sí indica que los clientes están encontrando problemas mientras estos sistemas todavía se ajustan. Los reportes sobre automatizaciones omitidas, rutinas rotas, respuestas inconsistentes y quejas persistentes hacen que el modelo de “lanzar, recopilar datos y mejorar” resulte especialmente costoso cuando se aplica al control diario.

Un despliegue más seguro mantendría una ruta determinista y fiable para las órdenes habituales, y añadiría el comportamiento generativo alrededor de ella. Así, los usuarios podrían beneficiarse de una conversación más natural sin perder el contrato básico de la domótica: cuando dan una orden conocida, el dispositivo previsto debe alcanzar el estado previsto.

La solución más probable es una arquitectura híbrida

La respuesta práctica no consiste en eliminar los LLM del hogar inteligente, sino en limitar su papel allí donde los errores tienen consecuencias más importantes.

Un sistema sólido podría utilizar un LLM para comprender el lenguaje y preparar un plan, y después entregar ese resultado a una capa de control con:

• selección validada mediante esquemas para dispositivos y parámetros;
• permisos explícitos para acciones sensibles;
• comprobaciones del estado antes y después de la ejecución;
• reintentos y gestión clara de errores; y
• una confirmación que distinga entre una acción planificada y una acción completada.

Una línea de investigación propone un enfoque relacionado: el LLM genera artefactos ejecutables durante una fase de compilación y, después, un sistema de orquestación gestiona de forma determinista las bifurcaciones, la selección de herramientas, los reintentos y los errores durante la ejecución.

Aplicado al hogar inteligente, el principio es sencillo: el modelo puede ayudar a expresar la intención, pero no debería ser la única autoridad que decide qué acción física se ejecuta en cada ocasión. Cuanto más se parezca una orden a una transacción fija con un dispositivo, más limitada, comprobable y sometida a pruebas debería ser su ruta de ejecución.

La conclusión: hablar mejor no significa operar mejor

Alexa Plus y Gemini for Home ilustran una lección más amplia sobre la IA generativa: mejorar la conversación no equivale automáticamente a mejorar la operación. Los reportes de analistas, usuarios y publicaciones tecnológicas muestran asistentes capaces de entender más contexto y combinar órdenes ambiciosas, pero que todavía tropiezan con luces, reguladores, alarmas y rutinas.

El asistente doméstico que perdure probablemente combinará ambos enfoques. La IA generativa puede hacer más flexible la configuración y la conversación; el software determinista debe garantizar que la acción final sea precisa, rápida y verificable. Hasta que esa frontera esté bien diseñada, un asistente más conversacional puede parecer más inteligente y, al mismo tiempo, ejecutar con menos fiabilidad las tareas básicas que dan sentido a un hogar inteligente.