El 14 de septiembre, ByteDance lanzó la versión para consumidores de su asistente de teléfono Doubao, que debuta en el Nubia NaviX Ultra, un dispositivo desarrollado conjuntamente por ZTE y ByteDance. La presentación y el inicio de ventas están previstos para las 14:00 del 16 de septiembre, y las reservas ya están abiertas.
Ese mismo día se dio a conocer también un protocolo llamado SAEP, siglas de Screen Automation Execution Protocol (Protocolo de Declaración de Ejecución de Automatización de Pantalla), con un período de consulta pública de 30 días. Según la empresa, las apps de terceros pueden declarar por su cuenta los límites de operación, permitiendo o rechazando explícitamente que el asistente de IA realice automatización de pantalla dentro de su propia app; en el caso de las apps que la rechacen de forma explícita, el asistente no ejecutará esas acciones automatizadas.
Qué novedades trae esta versión del asistente
En lo más alto de la lista de funciones está la forma de activación: por voz, sumada a un botón de IA dedicado con autenticación por huella dactilar. Según la descripción oficial, ese botón funciona a la vez como punto de entrada y como punto de autorización: solo tras superar la huella dactilar continúa el proceso.
A continuación está la función de preguntas sobre la pantalla: se puede preguntar por lo que aparece en la página actual; la búsqueda de datos locales cubre álbum de fotos, mensajes de texto y notas. La grabación de audio se actualizó y ahora se conecta con Feishu Miaoji (la herramienta de transcripción de Lark). La parte de ejecución de tareas entre apps se llama “Operar el teléfono” y todavía lleva la etiqueta Beta.
Un escenario de demostración presentado por la empresa consiste en apuntar la cámara y decir algo como “según este estilo de decoración, ayúdame a elegir un armario de menos de 1,2 metros y precio no superior a 1.000 yuanes”, tras lo cual el asistente busca productos que cumplan esas condiciones en plataformas de comercio electrónico. Esa frase concentra tres restricciones —estilo, tamaño y precio—, que recaen respectivamente en las capacidades de visión, búsqueda y comparación de precios; para que funcione, el asistente debe entrar realmente en la app de comercio electrónico y navegar por sus páginas.
El procesamiento de datos usa un esquema combinado de dispositivo y nube. Entre las certificaciones de cumplimiento mencionadas están ISO 27001, ISO 27701, ISO/IEC 42001 y el Nivel 3 de Protección Clasificada de ciberseguridad de China. Los parámetros públicos del dispositivo incluyen un grosor de 7,62 mm y una batería de 7.100 mAh.
Sobre hasta dónde llegan realmente estas funciones en la práctica, la propia empresa reconoce límites: dependen de cuatro factores —modelo del dispositivo, versión del sistema, adaptación de la app y autorización del usuario.
Por primera vez, el lado operado tiene un interruptor
El camino de la automatización de pantalla lleva más de dos años recorriéndose, casi siempre con el mismo planteamiento: el asistente obtiene permisos de accesibilidad o de captura de pantalla, reconoce los elementos de la interfaz y simula toques y deslizamientos. El computer use de Anthropic, la operación de navegador de OpenAI y las soluciones de agentes de varias fabricantes chinas de teléfonos se mueven, en el fondo, dentro de ese mismo marco.
Este enfoque tiene un problema que nunca se ha resuelto: la app sobre la que se hace clic no tiene voz alguna durante todo el proceso. No sabe si del otro lado hay una persona o un asistente, ni cuenta con un canal formal para decir “no toques esta página”. Hasta ahora, la solución pasaba por que la propia app implementara detección antiautomatización, o por que el fabricante negociara la adaptación en privado con las apps principales.
Justo esa capa es la que cambia SAEP, al permitir que el lado operado exprese sus límites mediante una declaración. Para apps de transacciones, pagos o distribución de contenido, esto es una necesidad real: el tráfico automatizado mezclado con el tráfico real de usuarios afecta al control de riesgos, la facturación y los modelos de recomendación.
Sin embargo, la eficacia del protocolo dependerá de cómo se implemente. Durante los 30 días de consulta pública sigue sin definirse quién puede hacer la declaración, si la granularidad será por página o solo por app, y cómo se replegará el comportamiento del asistente tras un rechazo. Tampoco se ha aclarado si la tabla de declaraciones será pública. El propio protocolo lo crea y mantiene la empresa, no es producto de un organismo de estandarización del sector, así que la adopción por parte de terceros queda, en última instancia, a criterio de cada uno.
Algunas cuestiones prácticas para los usuarios en China
La primera es la vinculación al dispositivo. Esta versión del asistente debuta en exclusiva con el Nubia NaviX Ultra, y el comunicado no dice cuándo ni en qué medida llegará a otros modelos. Un patrón que se ha repetido varias veces en los últimos dos años con los asistentes de IA chinos es que la función corre primero en el hardware propio de la empresa y luego se expande hacia fuera; el ritmo de esta vez parece seguir el mismo camino.
La segunda son los permisos. La automatización de pantalla requiere un nivel de permiso superior al de una app normal, a lo que se suma la capacidad de búsqueda local en fotos, mensajes de texto y notas: el alcance de la autorización no es pequeño. El botón con autenticación por huella funciona como una barrera adicional en la entrada, pero hasta dónde llega el asistente en segundo plano una vez autorizado es algo que el usuario difícilmente puede verificar punto por punto.
La tercera es la usabilidad. “Operar el teléfono” sigue en Beta, y en el ecosistema de apps chino, los puntos donde este tipo de función suele atascarse más son precisamente los captchas, la confirmación de pagos y el estado de inicio de sesión, que son justamente los tres pasos menos adecuados para delegar en un asistente.
Fuentes: comunicado oficial de Doubao, IT Home, sitio oficial de Nubia, CocoLoop; se verificaron el período de consulta pública del SAEP, el calendario de lanzamiento del dispositivo y la redacción de las limitaciones funcionales.