Cuando la IA lo sabe todo de ti: el problema de la promesa vacía

A principios de junio, los periodistas David Pierce y Jay Peters, de The Verge, probaron en primicia Spark, el nuevo agente de IA de Google basado en Gemini. Sus conclusiones coincidieron en un punto incómodo: el agente sabía el nombre del perro de Pierce —Frida— y el nombre de pila de la mujer de Peters, sin que ninguno de los dos se lo hubiera facilitado explícitamente durante la sesión. No hubo alucinación, no hubo error. Spark simplemente lo sabía.

Ese detalle, aparentemente anecdótico, abre una pregunta más seria que cualquier benchmark de rendimiento: ¿a qué precio compramos la utilidad?

La eficacia como síntoma

Durante años el argumento para adoptar asistentes de IA fue que eran herramientas, no actores. Tú les dabas contexto, ellos procesaban. La frontera entre lo que el sistema conoce y lo que el usuario le ha dado era, en teoría, nítida.

Lo que muestra Spark —y lo que estamos viendo de forma creciente en agentes como los que se construyen sobre Claude Opus 4.7 con ventanas de contexto de 1 millón de tokens— es que esa frontera se ha vuelto porosa. Los agentes modernos no solo procesan lo que les dices en la sesión: acceden a correos, calendarios, historial de navegación, contactos y conversaciones anteriores para construir un perfil operativo que les permite actuar con una eficacia que, como bien describen Pierce y Peters, resulta inquietante.

El problema no es técnico. Es contractual y cultural.

La promesa que nadie leyó

Cuando un usuario activa un agente de IA con permisos amplios, acepta —a menudo sin leerlo— que ese sistema acceda a su ecosistema de datos. Las políticas de privacidad de estos productos llevan años advirtiéndolo en letra pequeña. Lo nuevo no es que ocurra: lo nuevo es que ya es visible. El agente ya no falla al recuperar ese dato personal; lo usa con fluidez, como lo haría un asistente humano que llevara años a tu lado.

Esa visibilidad es la que revela la promesa vacía que menciona The Verge en su titular. La promesa implícita era: la IA te ayuda sin saber demasiado de ti. Lo que tenemos en 2026 es lo contrario: la IA te ayuda precisamente porque sabe mucho de ti.

Para quién importa esto y en qué grado

Para usuarios domésticos que usan estos agentes en modo personal, la incomodidad es sobre todo psicológica. La pregunta es si están dispuestos a asumir esa intimidad a cambio de la utilidad.

Para equipos que despliegan agentes en entornos empresariales —algo que en ElephantPink vemos con frecuencia en integraciones con Claude Code y servidores MCP conectados a fuentes de datos internas— el problema es más estructural. Un agente que tiene acceso a correo corporativo, repositorios y CRM puede filtrar información sensible de formas que los controles tradicionales de acceso no anticipan. No por malicia, sino por diseño: ese es exactamente su valor diferencial.

Los hooks y las políticas de `PreToolUse` en Claude Code existen, en parte, para mitigar esto: permiten auditar y bloquear llamadas a herramientas antes de que se ejecuten. Pero son controles opt-in que requieren configuración activa, no comportamientos por defecto.

El debate que viene

El artículo de The Verge no lanza una acusación; constata una tensión. A medida que los agentes mejoran, la fricción que antes actuaba como salvaguarda informal —el agente no encontraba el dato, o fallaba al usarlo— desaparece. Lo que queda es la decisión real: cuánto contexto personal es aceptable ceder para obtener un agente verdaderamente útil.

Esa decisión no la están tomando todavía los reguladores ni los usuarios con información suficiente. La están tomando los equipos de producto de Google, Anthropic, Microsoft y otros, a través de los permisos que piden por defecto y los que no.

En nuestra opinión, el momento de establecer estándares claros de consentimiento granular para agentes con acceso persistente a datos personales no es cuando algo salga mal. Es ahora, mientras el debate aún cabe en un artículo de opinión y no en un sumario judicial.