La IA entiende mejor nuestras palabras, pero todavía no controla bien la casa

El problema de los asistentes domésticos impulsados por inteligencia artificial no es que no entiendan el lenguaje natural. El problema es que entender una petición y ejecutarla de manera fiable son dos retos de ingeniería muy distintos.

Alexa+ y Gemini para Home pueden mantener conversaciones más fluidas y crear automatizaciones complejas usando frases cotidianas. Sin embargo, usuarios y analistas siguen encontrando errores en las tareas más básicas que se esperan de un altavoz inteligente: apagar las luces, reproducir una canción concreta, responder una pregunta sencilla sobre la fecha, activar una rutina para preparar café o conservar una automatización que ya funcionaba. 167

El problema está en los fallos cotidianos

En una prueba con un Google Home Speaker equipado con Gemini, el asistente ignoró peticiones de música, cambió de tema durante las conversaciones, indicó el día equivocado y se negó a apagar unas luces inteligentes. 1 No eran casos extremos con dispositivos poco habituales: eran funciones esenciales de cualquier altavoz doméstico.

Alexa+ ha mostrado un comportamiento igual de irregular. Algunos informes describen una rutina para preparar café que fallaba repetidamente y quejas de usuarios que aseguraban haber perdido rutinas existentes después de actualizarse. 6734 La reproducción musical también puede salir mal: en una prueba, pedir música de Charli XCX terminó reproduciendo a otro artista, mientras que una petición menos específica de una canción de Lucy Dacus se repitió como texto de búsqueda en lugar de ejecutarse. 36

La imagen, aun así, no es completamente negativa. Alexa+ también ha conseguido crear mediante la voz una rutina que combinaba un sensor de movimiento, luces de una terraza, una franja horaria y una cámara Ring. 33 Ese acierto es importante: sugiere que el problema principal no es la falta total de capacidad, sino la inconsistencia. Pero un sistema que impresiona en una interacción y falla en la siguiente cuando recibe una orden familiar sigue siendo difícil de confiar en un hogar.

Por qué la conversación natural complica el control de la casa

Los asistentes de voz tradicionales solían funcionar mediante una cadena relativamente acotada: reconocimiento del habla, clasificación de la intención, identificación del dispositivo y ejecución de una acción predefinida. Una frase como «apaga las luces de la cocina» podía asociarse con una intención conocida y enviarse a una interfaz fija de control.

Un asistente basado en un modelo de lenguaje de gran tamaño —un LLM, por sus siglas en inglés— funciona de otra manera. Interpreta el contexto, infiere qué quiere decir el usuario y puede generar una propuesta de llamada a una herramienta o a una API. Google describe Gemini como «no determinista»: no sigue simplemente un guion fijo, sino que utiliza inferencia y razonamiento. 15

Esa flexibilidad es valiosa cuando la petición es abierta. Permite describir una automatización de varios pasos sin aprender una sintaxis exacta y mantener una conversación sin repetir todos los detalles. Pero también introduce riesgos cuando el resultado esperado es binario: la luz tiene que apagarse, el temporizador debe cancelarse y la rutina debe activarse.

El modelo puede elegir el dispositivo equivocado, enviar la solicitud a una integración incompatible, perder el contexto de la conversación o tardar demasiado en decidir qué hacer. Incluso dos peticiones casi idénticas pueden producir resultados distintos. Analistas han descrito esta falta de determinismo como un problema estructural para la domótica, donde la ejecución predecible importa más que una respuesta elocuente. 3

La fiabilidad y la rapidez pesan más que la personalidad

La crítica recurrente no es solo que estos asistentes se equivoquen. Es que, en algunas situaciones, son más lentos y menos fiables que los sistemas a los que sustituyen. Un informe sobre el mercado del hogar inteligente con IA identifica la fiabilidad, la velocidad y la relación calidad-precio como los principales desafíos. 12 Otras pruebas han recogido en Alexa+ respuestas con retraso, datos incorrectos y comandos que no llegan a ejecutarse. En el caso de Gemini para Home, también se ha señalado que es más lento que el antiguo Google Assistant y que no siempre controla dispositivos que debería reconocer. 56

La latencia resulta especialmente frustrante en una interfaz de voz. Quien pide apagar una luz normalmente espera una acción inmediata, no una explicación conversacional, una pausa larga o una invitación a repetir la orden. Incluso las mejoras recientes dejan claro que el problema sigue abierto: una actualización de Gemini para Home habría reducido entre un 30 % y un 40 % la latencia de los comandos, una señal de que la velocidad todavía es una cuestión activa del producto y no un asunto ya resuelto. 11

La arquitectura más segura sería híbrida. Un LLM puede interpretar el lenguaje flexible, pero una capa determinista debería validar el dispositivo solicitado, limitar las acciones disponibles, pedir confirmación para cambios potencialmente delicados y ejecutar la orden final mediante APIs fiables. El modelo de lenguaje debería ser la interfaz del sistema de control, no el único sistema de control.

Siri y Apple muestran el mismo problema de preparación

Apple tampoco ha quedado al margen. Sus funciones de una Siri más personalizada se toparon con problemas de ingeniería y errores de software, y la compañía retrasó la actualización después de haber previsto inicialmente su lanzamiento junto con iOS 18.4. 1820 Más tarde, Apple fijó internamente la primavera de 2026 como objetivo para las capacidades relacionadas con los datos personales y un control más preciso de las aplicaciones. 19

Los retrasos también han afectado a los planes de Apple para el hogar inteligente. Bloomberg informó de que Apple pospuso una pantalla doméstica en desarrollo desde hacía tiempo mientras esperaba la nueva Siri, que resulta fundamental para la interfaz del producto. 17 Otros informes han relacionado los retrasos con la dificultad de ofrecer las nuevas funciones de IA en dispositivos de la clase del HomePod ya existentes, aunque esos detalles de hardware siguen basándose en informaciones periodísticas y no deben considerarse especificaciones confirmadas. 2125

El despliegue más lento de Apple puede resultar frustrante, pero también pone de relieve el estándar que estos productos deben cumplir antes de llegar al mercado: comportamiento fiable en el día a día, tiempos de respuesta razonables, estados de error claros y un hardware capaz de sostener la experiencia prometida.

La lección general: una demostración no es un producto terminado

La IA generativa es muy buena produciendo lenguaje verosímil. Un asistente para el hogar inteligente debe hacer algo más exigente: producir el resultado físico correcto una y otra vez.

La diferencia importa más allá de las luces y la música. Un asistente que gestiona calendarios, compras, mensajes o dispositivos de seguridad también necesita comportarse de forma predecible y contar con mecanismos de respaldo seguros. Si esas protecciones no están listas, los clientes terminan descubriendo los fallos de integración, las rutinas desaparecidas, los problemas de latencia y los errores de ejecución después de haber pagado por el producto.

Por eso, la carrera de la IA doméstica no debería medirse solo por qué asistente suena más humano. La verdadera prueba es si las empresas pueden combinar el lenguaje probabilístico con una ingeniería de sistemas determinista. Hasta que lo consigan, los consumidores no serán únicamente usuarios: en la práctica, también formarán parte del programa de pruebas de fiabilidad.