“Vamos a hacer la app de IA” no es un brief. Es un eslogan de 2024 puesto sobre un producto que aún no existe. Una app no es “la de IA”. Es un producto con usuarios, datos, permisos y flujos que se pueden completar el martes a las siete, sin cobertura y sin un prompt.
La IA es una capa real. Bien hecha, cambia lo que el usuario puede hacer: resumir, clasificar, sugerir, completar. Mal puesta —o puesta antes de tiempo— es un chat encima de una base que no aguanta. El problema no es usarla. Es usarla sin producto. Hoy todo el mundo vende apps con IA. Las apps con IA producto que escalan no nacen del modelo. Nacen de lo de debajo.
En Truman construimos esa base: el desarrollo de la app, el dato, la sesión, el flujo. Este artículo marca el orden. No es un argumento contra la capa. Es el criterio para que la capa tenga dónde apoyarse.
Apps con IA producto: primero lo que aguanta
Una app con IA producto no se define por el modelo que llama. Se define por lo que el usuario puede hacer cuando el modelo falla, tarda o no aplica. Completar un pedido, ver un evento, subir una foto, recuperar una sesión. Eso es producto. La capa se diseña encima, cuando esas acciones ya existen y tienen un estado que se puede leer.
En Truman no vendemos “implementar IA”. Construimos la base. Weddle es una app social alrededor de una boda: usuarios, contenido, un flujo que se entiende sin un prompt. Klapper es web y app de entradas: aforo, cobro, el ticket que tiene que estar cuando se abre la puerta. Si un día hay una capa de IA sobre cualquiera de los dos, irá encima de eso. No al revés. El orden no es ideología. Es ingeniería.
El mismo criterio lo hemos escrito para software en software con IA que sí escala y en qué tiene que estar listo antes de meter IA. Aquí el objeto es la app: el dispositivo, la sesión, el offline, el permiso. La capa no cambia esas reglas. Las usa.
Qué tiene que existir antes de diseñar la capa
Cuatro suelos. Identidad: quién es el usuario y qué puede ver. Datos: un modelo que no sea un JSON suelto en una conversación. Flujos: las tareas que se completan sin IA, porque la IA no siempre va a estar o no siempre va a acertar. Contrato de error: qué se muestra cuando la capa no responde, alucina o se pasa de presupuesto. Sin el cuarto, la app se queda en un spinner eterno la primera vez que el proveedor falla.
| Capa | Si no está | Si está |
|---|---|---|
| Identidad y permisos | La IA ve de más o de menos | El contexto es el del usuario |
| Modelo de datos | El modelo inventa el estado | Lee y escribe en lo vuestro |
| Flujos sin IA | La app no se puede usar | La capa acelera, no sostiene |
| Error y timeout | Spinner o texto genérico | Salida útil, sin teatro |
| Coste y límites | La factura manda el diseño | La capa tiene techo |
| Nativo vs híbrido | Se decide por la moda | Se decide por el producto |
Lo de nativo o híbrido no lo resuelve la IA. Lo resuelve el producto: cámara, segundo plano, offline, stores. Eso ya lo desgranamos en app nativa vs híbrida. Meter un modelo no cambia esa decisión. A veces la complica: más payload, más latencia, más que explicar en la review de Apple si el modelo corre en dispositivo o en servidor.
Dónde sí encaja la capa (cuando hay algo debajo)
No vamos contra la capa. Al contrario: si el producto aguanta, la IA bien hecha es una ventaja real. Clasificar incidencias que ya están en un flujo. Completar un campo que el usuario ya iba a rellenar. Sugerir el siguiente paso de un proceso que existe. Resumir un historial que ya guardáis. En todos esos casos la capa acelera una tarea que se podía hacer a mano. No inventa la tarea.
01
Producto usable
Un flujo que se completa sin modelo. Usuarios reales, no un prompt de demo.
02
Dato y permiso
Qué se puede leer, qué se puede escribir, quién lo autoriza. Sin esto la capa es un riesgo, no una feature.
03
Un sitio concreto
Una tarea, un sitio en la UI, un criterio de acierto. No un chat genérico en la esquina.
04
La capa
El modelo, el fallback y el techo de coste. Encima de lo anterior. No en su lugar.
El chat genérico es la tentación barata. Queda bien en el App Store (“powered by AI”). En el uso diario, el usuario no quiere conversar con vuestra app. Quiere terminar. Un campo que se autocompleta bien vale más que un asistente que pide tres aclaraciones para hacer lo que un botón ya sabía. Diseñad el sitio de la capa, no el teatro.
Si mañana el proveedor de modelos cambia el precio o cae dos horas, ¿la app sigue siendo una app? Si la respuesta es no, todavía no tenéis producto. Tenéis una dependencia.
Lo que la capa no perdona en móvil
En una web el usuario espera. En una app, menos. Latencia, batería, red intermitente. Si la capa vive en un servidor y el móvil está en el metro, el diseño tiene que haber previsto el vacío: cola, cache, “lo intentamos al recuperar red”. Si la capa vive en el dispositivo, hay otro contrato: tamaño del modelo, privacidad, qué se puede hacer offline. Ninguno de los dos se improvisa en la semana del release.
También hay que decidir qué se envía. Un historial de chat no es un permiso. Fotos, audio, ubicación, datos de terceros en un hilo: eso es política de producto, no un checkbox de “mejor contexto”. La capa bien hecha es estrecha. Pide lo que necesita para esa tarea. No el volcado del teléfono. El usuario que se fía una vez y se arrepiente no vuelve. Y la store os lo va a preguntar.
Qué pedimos en un brief (y qué no)
Si llegáis a Truman con “queremos una app con IA”, la conversación vuelve al producto: quién la usa, qué tarea termina, qué dato existe hoy, qué pasa si la capa no está. Eso no es frenar la ambición. Es no construir una demo cara. La capa se puede planear desde el día uno —interfaces, huecos, flags— y encenderse cuando el suelo esté. Encenderla antes es enseñar un truco. El truco no escala.
Tampoco vamos a deciros que no la uséis. El mercado la pide y, en el sitio correcto, es una capa que hay que hacer bien: evaluación, fallback, coste, privacidad. Eso se diseña. Se construye encima. No se vende como el producto. Si alguien os vende solo la capa, pregunta qué queda cuando el modelo cambie. La respuesta debería ser: la app.
La IA bien hecha no es un parche ni una religión. Es una capa. En Truman construimos lo de debajo: la app que se puede usar el día que el modelo no contesta. Cuando eso existe, la capa tiene sentido. Antes, no.
Antes de llamar “app con IA” a un producto, verifica esto
- ¿La app se puede usar de punta a punta si el modelo no responde?
- ¿Hay identidad, permisos y un modelo de datos propio, no un hilo suelto?
- ¿La capa acelera una tarea concreta, o es un chat genérico en la home?
- ¿Está diseñado el error, el timeout y el techo de coste?
- ¿Sabéis qué se envía al modelo y con qué consentimiento?
- ¿La decisión nativo/híbrido viene del producto, no del modelo?
- ¿El brief describe usuarios y flujos, o solo “meter IA”?
Preguntas frecuentes sobre apps con IA y producto
¿Se puede lanzar una app cuya única función sea la IA?
Se puede publicar. Es difícil de mantener. El modelo cambia, el coste cambia y el usuario no tiene un flujo alternativo. Si el valor está solo en la capa, no tenéis un producto: tenéis una interfaz de un proveedor. El día que el proveedor se mueva, os movéis vosotros. Sin suelo.
¿Hay que esperar a tener muchos usuarios para añadir IA?
No. Hay que esperar a tener producto: dato, permiso y una tarea que ya se puede hacer. La capa puede estar prevista en el diseño desde el principio. Encenderla es otra fase. Mezclar las dos es cómo se construye una demo que no escala.
¿Truman implementa la capa de IA?
Truman construye la base: app, web, producto, sistemas que aguantan. La IA es una capa que tiene que ir encima de eso, y hay que hacerla bien. No es lo que contratas aquí como oferta. El orden —primero el producto, luego la capa— es el criterio. No un no a la herramienta.
¿Dónde suele encajar mejor la IA en una app?
Donde ya hay un flujo: completar, clasificar, resumir, sugerir el siguiente paso. No donde no hay navegación ni estado. Un sitio concreto en la UI, con fallback, vale más que un asistente que lo promete todo y no termina nada.