Underdog: Cuando la privacidad no es negociable

Vamos a ser sinceros. La mayoría aceptamos que nuestros asistentes de IA están enviando grabaciones de voz, consultas y patrones de comportamiento a servidores lejanos. Lo aceptamos porque la comodidad lo justifica. ¿Pero qué pasaría si existiera otra opción?

Sigil Wen, respaldada por pesos pesados de Silicon Valley, apuesta fuerte: los usuarios están listos para un modelo diferente. Su propuesta se llama Underdog—un asistente de IA que funciona completamente en tu dispositivo y que está causando revuelo no solo por sus capacidades, sino por su enfoque radical hacia la privacidad.

El problema de privacidad que nadie quiere discutir

Cuando le preguntas algo a Siri o chateas con Claude, esos datos viajan a servidores en la nube, se procesan y—dependiendo de las políticas de la empresa—pueden almacenarse, analizarse o usarse para entrenar modelos futuros.

Para el usuario promedio, esto suena abstracto. Pero para desarrolladores, startups con datos sensibles de clientes, o profesionales de salud y derecho, es una preocupación real.

Las consecuencias ya las hemos visto. Filtraciones de datos exponen conversaciones. Los datos de entrenamiento se cuestionan. Regulaciones como el GDPR y legislaciones emergentes específicas para IA están obligando a las empresas a reflexionar sobre cuánto están recolectando.

La apuesta de Underdog

Underdog propone algo curiosamente simple: tus datos nunca salen de tu dispositivo.

El asistente funciona completamente on-device, procesando todo de manera local ya sea en tu smartphone, laptop o hardware dedicado. Esto no es solo una característica de privacidad—es una filosofía arquitectónica.

Para desarrolladores que construyen aplicaciones conscientes de la privacidad, este modelo abre posibilidades interesantes. Imagina capacidades de IA que funcionan offline, mantienen tiempos de respuesta ultrarápidos y cumplen con los requisitos más estrictos de residencia de datos sin necesidad de arquitecturas complejas.

Los compromisos (y por qué podrían valer la pena)

Procesar todo en el dispositivo tiene sus desafíos. Modelos más pequeños típicamente no igualan la capacidad bruta de gigantes basados en la nube para tareas de razonamiento complejo. Los requisitos de hardware pueden ser exigentes. Mantener el modelo actualizado sin conectividad constante a la nube requiere soluciones creativas.

Pero aquí está el punto: para tareas cotidianas—programar recordatorios, redactar correos, responder preguntas rápidas, gestionar agendas—la mayoría de usuarios no necesitan razonamiento a nivel GPT-5. Necesitan algo rápido, confiable y que no trate su información personal como una oportunidad de recolección de datos.

Qué significa esto para la industria

Underdog no está solo en esta tendencia. Las funciones de IA on-device de Apple, los chips Tensor G3 de Google optimizados para procesamiento local, y varios proyectos de código abierto empujan en la misma dirección.

La pregunta no es si la IA on-device importará—es quién la ejecutará mejor.

Para negocios, esta tendencia tiene implicaciones reales. A medida que los usuarios se vuelven más educados en privacidad, las apps que procesan todo en la nube podrían enfrentar escrutinio que sus competidores enfocados en privacidad evitan. Para desarrolladores, entender frameworks de ML on-device como Core ML, TensorFlow Lite u ONNX es una habilidad cada vez más valiosa.

El panorama completo

Estamos presenciando un punto de inflexión. La era del "todo en la nube" que definió los años 2010 está siendo desafiada por una nueva filosofía: el procesamiento debe happen donde más sentido tenga. A veces eso es la nube. A veces es tu bolsillo.

Underdog representa este cambio en el espacio de asistentes de IA—una apuesta de que los usuarios abrazarán alternativas capaces y privadas frente al status quo que consume datos.

Comercialmente, su éxito está por verse. Pero la tesis de fondo es difícil de discutir: la privacidad no debería ser una característica premium por la que pagas extra.

Este "perdedor" podría terminar cambiando cómo pensamos qué asistente de IA merece un lugar en nuestros dispositivos.