El futuro de la casa inteligente llegó hace años y no funciona como se prometió. A pesar del revuelo en torno a la IA generativa, los asistentes de voz actuales son menos confiables que sus predecesores y tienen dificultades incluso con tareas básicas como encender luces o preparar café. El problema central no es la falta de inteligencia, sino un desajuste fundamental entre cómo funcionan estos nuevos sistemas de IA y lo que los hogares inteligentes necesitan que hagan.
La ilusión del progreso
En 2023, Dave Limp de Amazon insinuó un gran avance: un asistente de voz que entendía el contexto, se integraba perfectamente con dispositivos inteligentes y simplificaba la automatización del hogar. Si avanzamos hasta 2025, y aunque asistentes como Alexa Plus y Gemini for Home suenan más inteligentes, a menudo fallan en sus funciones principales. Las “actualizaciones” actuales priorizan la capacidad de conversación sobre la coherencia. Los usuarios informan que sus dispositivos no pueden ejecutar comandos de manera confiable, incluso después de años de configuración.
La situación está tan extendida que las empresas de tecnología reconocen el problema. El problema no se limita a los hogares inteligentes: incluso ChatGPT ocasionalmente tiene problemas con la lógica básica. Este fracaso no se debe a la pereza; es consecuencia de un enfoque defectuoso.
Por qué la IA no puede hacerlo bien
El cambio de asistentes de voz más antiguos que “coinciden con plantillas” a sistemas más nuevos basados en LLM creó una desconexión fundamental. Los asistentes mayores eran rígidos pero confiables; ejecutaron comandos precisos de manera predecible. Los LLM, aunque son más versátiles, introducen aleatoriedad. La misma consulta puede generar resultados diferentes cada vez, lo que hace que las tareas básicas no sean confiables.
“Los LLM simplemente no están diseñados para hacer lo que hacían los asistentes de voz anteriores de estilo comando y control”, explica Mark Riedl, profesor de Georgia Tech. Estos nuevos sistemas luchan por realizar de manera consistente acciones que los modelos más antiguos manejaban con facilidad. Los LLM ahora deben construir secuencias de código completas para las API, introduciendo más puntos de falla.
El costo de la “inteligencia”
Las empresas tecnológicas no están abandonando la vieja tecnología; Están persiguiendo un objetivo más ambicioso: una IA agente que comprenda el lenguaje natural y encadene las tareas de forma dinámica. Esto requiere sacrificar la confiabilidad en el corto plazo por el potencial de capacidades mucho mayores.
Dhruv Jain, director del Soundability Lab de la Universidad de Michigan, lo resume: “La pregunta es si… la gama ampliada de posibilidades que ofrece la nueva tecnología vale más que un modelo no probabilístico 100 por ciento exacto”. El enfoque actual es esencialmente una prueba beta en hogares del mundo real.
¿Qué sigue?
Las empresas están experimentando con modelos híbridos, como el Gemini Live de Google, para equilibrar potencia y precisión. Pero incluso estas soluciones siguen siendo imperfectas. El problema subyacente es que los LLM no han sido capacitados adecuadamente para distinguir entre situaciones que exigen precisión absoluta y aquellas en las que se valora la flexibilidad.
Los fallos en la IA de los hogares inteligentes plantean interrogantes más amplios sobre la preparación de la tecnología para aplicaciones más críticas. Si la IA no puede encender las luces de manera confiable, ¿qué confianza podemos tener en su capacidad para manejar tareas complejas? El camino a seguir implica dominar la aleatoriedad de los LLM, pero a costa de la profundidad de la conversación.
Esta promesa incumplida de la casa inteligente sirve como advertencia: moverse rápido y romper cosas no siempre es progreso. Las empresas de tecnología deben decidir si el potencial de la IA avanzada supera la frustración inmediata de los dispositivos poco confiables. Por ahora, muchos usuarios se quedan con una experiencia de hogar inteligente más inteligente, aunque más frustrante.
