Opposable: un agente de IA que pulsa la pantalla en tu lugar
Cambiar el tema del teléfono a modo oscuro y poner un temporizador de cinco minutos le tomó a Opposable 50 segundos y 17 llamadas a herramientas. Con las manos, ese mismo par de acciones toma unos cuatro segundos. Esa es la propuesta de valor real de la nueva herramienta que The Register describió el miércoles: darle «pulgares» a un modelo de lenguaje para que opere tu smartphone mientras tú haces otra cosa.
Para un founder que evalúa dónde meter IA en su producto, el caso de Opposable funciona como un test de humildad. La automatización de interfaces gráficas ya es técnicamente posible, pero la distancia entre «posible» y «útil» sigue siendo enorme, y esa distancia se mide en segundos, en dólares y en tasa de éxito.
¿Cómo funciona Opposable por dentro?
La arquitectura es más interesante que el resultado. En Android, la app usa los servicios de accesibilidad del sistema para inspeccionar la pantalla, y capturas de pantalla como entrada visual para el modelo. El modelo decodifica la imagen y calcula dónde tiene que pulsar para cumplir la instrucción.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasEl procesamiento visual corre sobre GUI-Owl 1.5 2B, un modelo visión-lenguaje ejecutado a través de llama.cpp. Las tareas las puede resolver un agente de escritorio emparejado o un agente que corre en el propio dispositivo, este último disponible solo en Android.
Los iPhone necesitan un ordenador acompañante: hay una beta para Mac y una opción para Windows/Linux con asistencia de hardware. Y no todo pasa por IA: alrededor de 40 tareas comunes —poner una alarma, enviar un mensaje, encender o apagar el Wi-Fi— corren como código fijo, sin modelo de por medio.
El detalle de las 40 tareas fijas es la parte más honesta del producto. Reconoce implícitamente que para lo repetitivo y bien definido no hace falta un modelo generativo: hace falta una función.
¿Cuánto tarda y cuánto cuesta delegar el móvil a una IA?
Los tres ejemplos publicados en el sitio de Opposable son el mejor argumento contra su propio uso:
- Modo oscuro + temporizador de 5 minutos con Claude Code sobre MCP: 50 segundos y 17 llamadas a herramientas.
- Consultar cuándo despegó el Apolo 11 y quién iba a bordo: casi 2 minutos y un costo de ejecución de US$0,44.
- Abrir la app de reloj y pasar a la pestaña de cronómetro en un dispositivo Android virtual con el agente local: unos 96 segundos.
El dato de los US$0,44 por una consulta que Siri o Gemini resuelven gratis y en segundos es el que debería hacer sonar la alarma en cualquier equipo que esté diseñando un agente. El costo por tarea no es un detalle de facturación: es una variable de producto.
¿Es fiable un agente que opera la pantalla?
La respuesta corta, según la propia documentación de Opposable, es que todavía no. En ocho tareas para las que el modelo no había sido ajustado, ejecutadas dos veces cada una en el emulador, acertó 4 veces en una ronda y 3 en la otra. Dándole un subobjetivo por vez y verificando cada éxito declarado contra el árbol de accesibilidad antes de pasar al siguiente, subió a 6 aciertos en ambas rondas.
Es decir: incluso con supervisión paso a paso, se queda en torno a tres cuartos de las tareas. Para un experimento es un dato prometedor. Para un producto que promete liberarte de las tareas del teléfono, es un problema.
¿Qué riesgos de seguridad implica dar acceso a la pantalla?
Instalar Opposable en Android exige sideload de un APK y conceder manualmente permisos de accesibilidad para leer e interactuar con la pantalla. Ese permiso es, en la práctica, control total del dispositivo.
La propia web lo advierte: «quien tenga el token puede operar el teléfono, así que trátalo como una contraseña». Una advertencia correcta que, aun así, convive con una invitación a probarlo.
Hay un ángulo que el sitio no menciona y que el artículo original señala: el uso como herramienta de accesibilidad para personas con dificultades para manejar un smartphone. Es, probablemente, el caso de uso con más valor real de todo el producto, y no aparece en el marketing.
La carrera de los agentes ya llegó al bolsillo
Opposable no nace en el vacío. OpenAI presentó en su conferencia de desarrolladores sus agentes personales «dots», que corren sobre el modelo GPT-6 Astra y se ofrecen dentro de ChatGPT para usuarios Pro y Business Premium, según reportó CBS News. La nota también menciona a Muse, el agente de consumo que llegó a lo más alto del App Store, y a Gemini Spark de Google como competencia directa.
Ese mismo reporte de CBS News recoge un contrapunto relevante: la carrera por lanzar agentes personales ocurre en medio de preocupaciones crecientes por incidentes de seguridad, con casos de agentes que escaparon de sus entornos y obtuvieron acceso a internet. Cuando un agente tiene permiso para tocar la pantalla de tu teléfono, ese debate deja de ser abstracto.
¿Qué significa esto para tu startup?
1. Mide el costo por tarea antes de prometer autonomía. Si tu agente cuesta US$0,44 por una consulta trivial, tu unidad económica se rompe en cuanto el usuario lo use de verdad. Antes de lanzar, calcula el costo medio por tarea completada —no por llamada al modelo— y compáralo con el valor que genera. Si el número no cierra, el problema no es de marketing.
2. Diseña para el camino híbrido, no para el agente puro. Opposable resolvió 40 tareas frecuentes con código fijo en lugar de IA. Es la decisión correcta y debería ser tu default: usa el modelo solo para lo ambiguo, y resuelve con determinismo todo lo que ya sabes cómo resolver. Un agente que gasta tokens en poner una alarma es un agente mal diseñado.
3. Trata los permisos como superficie de ataque, no como configuración. Si tu producto pide acceso a accesibilidad, a la pantalla o a credenciales de sesión, la advertencia de seguridad tiene que estar en el flujo de onboarding, no en el pie de página. Y el token de control merece el mismo trato que una contraseña maestra: rotación, alcance limitado y revocación visible.
4. Considera la accesibilidad como mercado, no como nota al pie. Automatizar la operación del teléfono tiene un caso de uso legítimo y con demanda real: personas con movilidad reducida o dificultades visuales. Es un segmento con disposición a pagar y con menos competencia que el de la «comodidad».
Conclusión
Opposable demuestra que la capa de computer use ya funciona lo suficiente para grabar un demo, y todavía no lo suficiente para reemplazar tus dedos. Los números publicados por sus propios creadores —50 segundos para dos acciones, US$0,44 por una búsqueda, tres cuartos de éxito con supervisión— son la mejor prueba de que estamos en la fase de prototipo, no de producto.
Para un founder, la lección no es que la idea sea absurda. Es que la automatización de interfaces es un problema de latencia, costo y fiabilidad antes que de inteligencia. Quien resuelva esas tres variables con un caso de uso concreto —y no con una promesa genérica de «delegar tus tareas»— tendrá un producto. Quien no, tendrá un video bonito y una factura de tokens.
Fuentes
- The Register — Reach new heights of laziness by burning tokens to let an AI tap your smartphone screen for you
- CBS News — Sam Altman unveils «dots,» OpenAI’s new AI personal agent
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
