La IA que vive fuera de tu ordenador: cómo la caja HDMI de Violoop rompe el muro de permisos

Configura un agente de IA de escritorio en un Mac y te topas con el mismo muro cada vez: Terminal pide controlar Finder, aparece un botón Permitir, y el agente de software —ChatGPT, Claude, da igual— no puede pulsarlo. Desde Mojave en 2018, macOS descarta silenciosamente los eventos sintéticos de ratón y teclado cuando apuntan a diálogos de seguridad o privacidad; si un programa pudiera aprobar su propio aviso de permiso, el aviso no tendría sentido. En la demo de Alex Ziskind, los agentes de escritorio se atascan exactamente por esa razón, e incluso la documentación de OpenAI señala que el uso del ordenador no puede autenticarse como administrador ni aprobar esos avisos de privacidad.

Una caja de 90 milímetros que observa por HDMI y escribe por USB

Violoop invierte el enfoque: en lugar de instalar software en el PC, añades una caja pequeña al lado. Un solo USB-C transporta datos y vídeo, con HDMI separado opcional, y el anfitrión no ve nada más sofisticado que un teclado y un ratón —enumerados como un dongle inalámbrico. Bajo el capó, un flujo de lectura de pantalla vigila la pantalla, averigua qué pide la aplicación abierta, y escribe y hace clic de vuelta por USB. Piénsalo como un KVM con una capa de interpretación encima, convirtiendo el pulsar teclas a distancia en interpretación en el dispositivo.

Dos chips, dos trabajos: uno para ver, otro para retener

Dentro hay dos piezas de silicio distintas. La primera, construida alrededor de un RK3576 con un acelerador dedicado, ejecuta un modelo local de 8 mil millones de parámetros a 26 TOPS para leer los fotogramas de la pantalla; según los informes, el procesamiento ocurre en la caja, los fotogramas se descartan, y solo quedan unos pocos megabytes de contexto textual. El segundo es la única parte conectada al Mac: un microcontrolador de seguridad STM32H563 que posee el teclado USB HID y la tecla de aprobación física en la parte superior. BVIO dice que abrirá el firmware de ese segundo chip; lo que era demostrablemente cierto en el vídeo es más limitado —el modelo puede seleccionar archivos para borrar todo el día, pero el flujo se detiene hasta que un humano pulsa esa tecla, porque la tecla no está conectada al modelo.

Elige tu cerebro: DeepSeek local, Claude en la nube

La aplicación de Violoop es sobre todo un enrutador de cerebros. Cualquier cosa que hable la API compatible con OpenAI se puede conectar: Anthropic, OpenAI, Google, OpenRouter, tu propia clave, modelos personalizados. Ziskind apunta el suyo a DeepSeek V4 Flash corriendo en su propio hardware, de modo que la lectura de pantalla se queda en la caja mientras el razonamiento se queda en máquinas que él posee y ningún tercero interviene a menos que añada uno. Los trabajos pueden dividirse por coste y dificultad: el grafo de memoria que conecta trabajo, personas y observaciones de pantalla puede correr en un modelo local barato, mientras que las tareas más difíciles se enrutan a un modelo de frontera. Todo queda registrado —qué modelo corrió dónde, cuántos tokens se gastaron y cuánto costó— y aconseja fijar un límite diario al usar claves de nube.

La primera demo en directo hace tangible el avance en permisos. El mismo diálogo de Finder que detiene a los agentes de software reaparece, y un pequeño cursor azul de Violoop salta al botón Permitir y hace clic mientras Ziskind levanta las manos ante la cámara. Un Rubber Ducky también es un teclado, una caja KVM-over-IP también es un teclado, y ambos pueden pulsar botones remotos si los manejas a mano; lo nuevo aquí es la capa de interpretación que lee la pantalla, decide qué botón significa el aviso, y pulsa el correcto sin manos remotas.

La tecla que detiene lo irreversible

La segunda demo cruza hacia territorio irreversible. Al pedirle que borre todo lo que tenga más de un mes en una carpeta de Finder abierta, el agente reconoce el repositorio de GitHub en la ventana, elige los candidatos, y luego se detiene. Borrar está en la lista de acciones que Violoop no realizará sin un humano. Para continuar, pulsas la tecla física en la parte superior —accesible desde la app o la pantalla táctil pero semánticamente propiedad del chip separado que posee el teclado. La IA decide qué borrar; tú decides si borrar, y el modelo no puede pulsar esa tecla por sí mismo por mucho que quiera.

Un cron en una frase: vigilando la beta de Xcode

El mismo patrón de aprobación se extiende a una vigilancia web. Tras visitar Apple Park para el lanzamiento del iPhone Duo, Ziskind quiere la beta de Xcode 27.1 en cuanto sea descargable y le pide al agente en una frase: vigila esta página y avísame al instante cuando la beta para desarrolladores esté disponible. Sin script, sin cron manual, sin API. El agente construye el trabajo, lo programa aproximadamente cada seis horas, y lo muestra en la lista de tareas del dispositivo y en la app donde se puede activar e inspeccionar. Al momento de la grabación la beta no había llegado, pero la intención es que el teléfono vibre cuando lo haga, convirtiendo la actualización manual en vigilancia delegada.

La textura del día a día llena los huecos. Algunos estados pasan por la Isla dinámica y se pueden apagar o separar, la memoria se acumula como un grafo de conceptos con controles de inspección y borrado, y una pista de auditoría lleva la contabilidad de tokens y costes. La realidad del hardware también se hace notar: la unidad probada es una beta V3 y los ventiladores se oyen bajo carga, mientras que la nota del editor dice que el V4 que viene es silencioso. Sobre la cuestión de la verificabilidad, Ziskind es explícito —vio personalmente el clic de permiso y la parada antes de borrar, pero no pudo auditar de forma independiente la afirmación de que los fotogramas se procesan en la caja y se borran sin salir del dispositivo; esa parte sigue siendo la palabra de la empresa hasta que el firmware sea público y otros puedan probarlo.

La comparación con Recall y por qué importa

La analogía más común es Microsoft Recall, y la diferencia, tal como se describe, es arquitectónica. Recall conserva capturas de pantalla para construir un historial desplazable y corre con los recursos del anfitrión. Violoop, según su relato, tira los fotogramas, guarda solo unos pocos megabytes de texto, corre el trabajo pesado en el dispositivo, y actúa en lugar de solo recordar —por eso necesita una tecla. Si ese diseño cumple en la práctica —cuánto se guarda, con qué rapidez se borran los fotogramas, qué tan aislada está realmente la caja— es difícil de verificar desde una sola prueba sin acceso al código, así que una lectura cautelosa separa el comportamiento demostrado de la arquitectura declarada.

El cierre trata sobre la adecuación y las piezas que faltan. Si necesitas una mano en una máquina en la que no estás sentado —pulsar un aviso de permiso desde otra habitación, depurar archivos, o vigilar una página de lanzamiento— este hardware hace algo que los agentes de software en el Mac no pueden hacer de otra forma; si buscas un chatbot más inteligente, no es el producto, aunque el chat existe encima. La función de sugerencia proactiva, que se supone que te observa repetir una tarea y ofrece encargarse de ella, nunca se activó en las pruebas, ni una sola vez; BVIO dice que está en un software actualizado. El vídeo es patrocinado y la unidad prestada es una V3, mientras que lo que se envía es el V4 que se lanzó en Kickstarter el 15 de septiembre —early-bird a 399 dólares frente a una referencia minorista de 699— y las notas de cobertura de financiación mencionan rondas semilla de decenas de millones de yuanes detrás del discurso de computación agéntica personal de BVIO.