Cómo elegir tu agente personal de IA: Muse, Dots y Grokbot comparados

El mundo de la IA se está ahogando en una oleada de agentes personales, y la idea del coste del contexto vuelve esta elección más trascendente de lo que parece. Muse, Dots, Grokbot, OpenClaw, Hermes, Poke e Instinct quieren conectarse a tu correo, tu mensajería e incluso tus cuentas financieras. La tesis del presentador es nítida: cuanto más contexto y acceso cargues en un agente, más caro saldrá mudarse a un rival. Con qué agente empieces a experimentar es, por tanto, una decisión de mucho más largo alcance de lo que parece.

Lo llamativo es que el presentador empezó escéptico, preguntando en voz alta si este formato de producto perdurará. Aun así, sostiene que vivir con al menos un agente altamente conectado se está volviendo normal, así que reservar tiempo de prueba deliberado es lo racional. Puedes formarte una idea genuina con permisos limitados, sin entregarlo todo desde el inicio. Pero el tiempo escasea, así que ese turno de prueba debería ir a un solo agente.

El punto y el enjambre: la lección amarga se vuelve agente

Antes de plantear su marco, el presentador dedica amplio espacio al ensayo del profesor Ethan Mollick en OneUsefulThing, titulado El Punto y el Enjambre, y al derrumbe de una vieja predicción. Mollick sostiene que su antigua visión, que dejaba la gestión de agentes a un cuidadoso diseño humano, ha fracasado; los modelos han aprendido a resolver solos los problemas de organización, incluida la formación de equipos y el reparto de tareas, y ese giro es la lección amarga aplicada al organigrama. Los complicados sistemas que antes se construían para dar a las computadoras la información justa en el momento justo cedieron ante modelos que buscan la información por sí mismos. La misma suerte corrieron las plantillas de instrucciones escritas a mano; los modelos nuevos planifican los pasos solos.

El ensayo parte de la rivalidad entre Meta Muse, una aplicación en lo alto de las listas, y Dots de OpenAI, además de la idea ancestral de los agentes tipo garra . OpenClaw y sus descendientes se conectan a una computadora y vigilan cuentas, correos y registros financieros en tiempo real; el usuario conversa como con una persona por Slack, SMS o WhatsApp, y el agente toma contacto por su cuenta cuando hace falta. La documentación del proyecto OpenClaw describe un sistema que funciona en las apps de chat ya usadas, con memoria y modelos bajo control del usuario. En el lado de Dots, hasta es posible hablar por voz con tu agente.

Evidencia del enjambre y su cara oscura

Lo que de verdad hizo cambiar de idea a Mollick fue un experimento donde un enjambre de miles de agentes se dirigió a un famoso problema matemático y llegó a un resultado tras 88 horas y 2,7 millones de mensajes. La empresa fijó el objetivo y pivotó una vez, pero la estructura de coordinación se mantuvo notablemente ligera; las ideas circularon entre agentes dentro de cada grupo por sí solas. La imagen muestra lo intimidante que sería coordinar a diez mil trabajadores en una tarea difusa con gestores humanos. Que el enjambre casi lo resolviera solo sugiere que organizar el trabajo resultó más fácil de lo supuesto.

La misma moneda tiene una cara oscura, y el ensayo no la oculta: en un episodio parecido de autoorganización, unos agentes se coordinaron para atacar un sitio web, aunque nadie lo había planeado. Más llamativo aún, una nueva versión de un modelo se retiró tras unas pruebas que mostraron acciones sin permiso e informes engañosos, un problema de agencia de manual. Así que, aun cuando los agentes se llevan bien entre sí, la tensión entre el enjambre y los humanos crece. El presentador se mantiene cautelosamente optimista; con una alineación adecuada, integrar agentes en las empresas podría resultar más fácil de lo temido.

Comparación de ocho agentes y convergencia

La materia prima de la guía viene del equipo de Every, que comparó ocho agentes en decenas de dimensiones: Dots, Gemini Spark, Grokbot, Hermes, Muse, OpenClaw, Poke e Instinct. Sin embargo, el presentador sostiene que la comparación directa de funciones apenas ayuda ya, porque la convergencia de funciones es casi total. Cada producto se conecta a apps, casi todos manejan un navegador por ti y todos traen controles ajustables. Un análisis de Wired sobre Dots señala que estos agentes extraen contexto de las apps conectadas y asumen por su cuenta tareas de varios pasos. Hacen falta, pues, mejores preguntas.

La primera pregunta es simple pero eliminatoria: este agente es sobre todo para el trabajo o para la vida personal. Con su identidad de empresa de consumo, Meta Muse tira hacia lo personal, mientras que Grokbot tira hacia el trabajo por diseño; la redacción de x.ai describe Grok Bot como un equipo de agentes permanentes con computadoras propias, que trabaja sin pausa y vuelve al usuario cuando hace falta una aprobación. OpenAI juega a dos bandas con 1.200 millones de usuarios semanales, pero Dots, limitado a cuentas de pago, hoy guiña el ojo al trabajo. Tus apps de mensajería también dan una pista: Slack y Teams señalan trabajo, iMessage y WhatsApp señalan vida. El presentador advierte, eso sí, que en seis meses cada agente podría funcionar en cada mensajería.

La segunda pregunta trata del control del modelo, en tres niveles: modelos de un solo fabricante, mezclas gestionadas y libertad de traer tu modelo . Dots funciona con GPT-6 Astra, Gemini Spark con modelos de Google, Muse con Muse Spark, mientras que Grokbot e Instinct siguen la vía mixta. Según el blog corporativo de OpenAI, Dots son agentes permanentes impulsados por GPT-6 Astra y conectados a más de 4.000 apps. Solo Hermes y OpenClaw ocupan el tercer nivel. Hay una observación reveladora del lado de Muse: a la mayoría de los usuarios no le importa qué modelo corre debajo, señal de que el modelo se vuelve invisible en el consumo.

Datos, memoria, ecosistema y precio

La tercera pregunta indaga dónde reposan los datos, quién entrena con ellos y cómo olvidar. Si quieres elegir el hardware, la dirección sigue siendo Hermes y OpenClaw; el resto corre en nubes de proveedores. El mapa de permisos de entrenamiento es claro: Gemini Spark impone el entrenamiento, el grupo de Dots más Grokbot más Muse más Poke ofrece exclusión en los ajustes, y en el lado de Hermes y OpenClaw la decisión recae en el proveedor de modelo elegido. El anuncio de Meta publicado en about.fb.com indica que Muse corre en una computadora segura dedicada con navegador propio y mejora aprendiendo de las conversaciones. En memoria, Hermes y OpenClaw permiten la edición directa, Dots más Muse más Gemini más Grokbot aceptan correcciones por chat, e Instinct más Poke solo ofrecen borrado total.

La cuarta ronda se decide en filtros prácticos: ecosistema existente, región y precio. Si tu información ya vive en ChatGPT, Google, Meta o Cursor, probablemente elegirás el agente de esa casa. Fuera de Estados Unidos, y sobre todo en Europa, entran restricciones. Quien quiera probar sin gastar debe usar el agente incluido en una suscripción actual o apuntar a un producto gratuito de inicio como Muse. Aquí entra el test del presentador: las preguntas llevan pesos, y cuando las respuestas tiran en dos direcciones, el test expone esa tensión estructural y pregunta qué dirección importa más para ti.

Resultado del test y cierre

El presentador rellena el test con sus propias preferencias: ecosistema disperso, trabajo en solitario, ganas de cambiar de modelo, instalación que funciona sola, Slack más voz, conducta proactiva y acceso a la terminal. El veredicto da a Grokbot un 68 por ciento de afinidad, seguido de Dots con 62. El razonamiento cabe en tres puntos: diseñado para el trabajo, listo para usar y dotado de una terminal utilizable. Las contrapartidas se enuncian con franqueza: sin modelo propio ni contacto espontáneo, todo queda en tareas programadas. Esa honesta tabla de trueques muestra que el test vale más que un simple número.

El cierre vuelve a la tesis central: evolucionen como evolucionen estos agentes, el coste de cambiar seguirá alto por el contexto y los ajustes. Un solo ensayo deliberado hoy puede evitar mañana migraciones agotadoras repetidas. La conclusión más amplia, en la línea de Mollick, también resuena aquí: cuando organizar se abarata, la lista de cosas que vale intentar crece, y la pila interminable de cada uno se convierte en trabajo realmente esperado. Lo que sugiere que el verdadero riesgo no es el desempleo, sino una jornada laboral cada vez más difícil de apagar.