Un relato publicado el 9 de octubre cuenta que una periodista probó Meta Muse y OpenAI dots durante una semana de mudanza. Muse la ayudó a encontrar una mesa en Facebook Marketplace; después de que ella diera a dots acceso a Facebook, Meta señaló al agente como bot y bloqueó temporalmente su acceso a Instagram, Facebook y WhatsApp. Son episodios de una experiencia concreta, junto con otras tareas que salieron mejor y una reserva que acabó modificándose.
Qué ocurrió en la prueba de una semana
Un agente de IA puede ir más allá de contestar una pregunta: con acceso a servicios y cuentas, puede buscar, preparar mensajes o vigilar tareas mientras la persona se ocupa de otra cosa. En esta prueba, la periodista puso a Meta Muse y OpenAI dots a trabajar durante una mudanza de piso.
La prueba duró una semana; el relato no precisa las fechas del ensayo. Sus ejemplos abarcan búsquedas, recomendaciones, acceso a cuentas y gestiones cotidianas.
Búsqueda, cuentas y recomendaciones
Meta Muse buscó muebles en Facebook Marketplace, redactó mensajes para que la periodista los aprobara y gestionó las respuestas de los vendedores. La búsqueda terminó con la compra de una mesa de comedor.
Con OpenAI dots, la secuencia fue distinta. Cuando la periodista le facilitó su acceso de Facebook para buscar en Marketplace, Meta marcó al agente como bot y bloqueó temporalmente el acceso de ella a Instagram, Facebook y WhatsApp. La cuenta del episodio es específica: describe lo ocurrido después de ese intento, no un resultado que pueda darse por habitual.
También variaron los accesos de cada agente en la configuración de la periodista. Muse pudo acceder a su correo electrónico, cuentas bancarias, redes sociales y Spotify. Dots tuvo más dificultades y dijo que no podía acceder a algunas cuentas, entre ellas las bancarias.
La prueba de preferencias dejó otro contraste. Al preguntarle a dots cómo gastar 50 dólares, sugirió un libro usado que la periodista ya le había pedido buscar. Muse recomendó un concierto de Jess Williamson a partir de una canción guardada en Spotify, y también insistió con una lámpara y una membresía de Target: según el relato, repitió esa sugerencia siete veces en tres días. La periodista sospechó que podía estar relacionada con una visita a la web de Target, pero el motivo de la recomendación no quedó establecido.
Una pregunta lógica, un camión y tareas en segundo plano
En una pregunta sobre un lavadero de coches situado a unos 30 metros, dots recomendó ir en coche para llevarlo a lavar; Muse aconsejó ir andando. Fue una respuesta a una única pregunta, no una medida general de la capacidad de razonamiento de los agentes.
La gestión del camión tuvo una consecuencia más práctica. Ambos agentes encontraron una sucursal de U-Haul más alejada con camiones de unos 4,6 metros. Dots reservó uno. A la mañana siguiente, la periodista se enteró de que había camiones de unos 3 metros disponibles para quienes acudieran sin reserva y cambió a uno de esos.
La ayuda en segundo plano también apareció en tareas menos visibles. Dots sacó a la luz un correo que había acabado por error en la carpeta de spam y un formulario que la periodista había olvidado completar. Muse vigiló anuncios de conciertos de artistas presentes en su biblioteca de Spotify.
Qué permite concluir esta experiencia
La semana relata resultados distintos según la tarea: Muse ayudó con la búsqueda de muebles y el seguimiento de conciertos; dots encontró mensajes y tareas pendientes, pero también estuvo implicado en el incidente de acceso a cuentas y reservó un camión que la periodista cambió. Como se trata de una experiencia individual, no permite ordenar a los dos agentes por fiabilidad para todos los usuarios o situaciones.
Para ampliar el contexto sobre pruebas de seguridad en agentes de IA, NeoTeo aborda otro escenario en su artículo sobre incidentes de agentes de IA.
