¿Qué herramienta de IA escoger? Los 4 perfiles y la herramienta ideal para cada uno
Hasta este momento, muchas personas están aprendiendo IA para crear aplicaciones, y casi todo el mundo tiene la misma pregunta cuando recién empieza: ¿qué herramienta debería escoger? La respuesta honesta es: depende de lo que ya sabes.
Si estás saturado por la enorme cantidad de herramientas que existen —has escuchado de Claude Code, de Lovable, de v0, de Hermes, de OpenClaw— y al final todo se te ha entreverado, este artículo trata de darle un orden. He identificado cuatro perfiles muy comunes este año, cada uno con sus propias herramientas y los conceptos que vale la pena aprender.
Primero, una aclaración importante
Un error muy común es creer que existe un solo tipo de usuario y un solo tipo de herramienta de IA. No es así. Hay distintos tipos de usuario, y las herramientas están diseñadas para usuarios específicos (o a veces para varios a la vez, y ahí es donde nace la confusión).
Los cuatro perfiles que vamos a ver son:
- El usuario: no sabe nada de software, herramientas ni protocolos.
- El vibe coder: no sabe de código, pero entiende cómo funciona internet (APIs, bases de datos, suscripciones).
- El programador: conoce el desarrollo de aplicaciones a profundidad.
- El builder: un rol más avanzado que orquesta agentes y arma su propia infraestructura.
La idea es que trates de identificarte con uno de estos perfiles para saber qué herramienta te conviene.
Perfil 1: El usuario
Aquí me refiero a la gran mayoría de personas que usan alguna herramienta de IA básica: roles de oficina, administradores, asistentes, personas que hacen reportes, generan archivos o hacen cálculos. No desarrollan aplicaciones.
Las herramientas típicas: ChatGPT, Claude (en su versión Desktop), Gemini o incluso GitHub Copilot, que muchos usan porque viene incluido en las suscripciones de Microsoft que ya paga su empresa.
Mi recomendación: si lo pagas individualmente, ve por Claude o ChatGPT, que son los más comunes. Si tu empresa ya paga integraciones de Google o de Microsoft, probablemente no te quede otra que usar esas. Y honestamente, para tareas de oficina no hay mucha diferencia: resumir un documento, generar un PDF o un PowerPoint es algo que cualquiera de estos modelos hace sin problema. El foco de los modelos hoy está en tareas más complejas (cálculos matemáticos, código, análisis), no en las tareas básicas.
También vale la pena mencionar las alternativas chinas, que ofrecen casi lo mismo a un precio mucho menor: DeepSeek, Kimi, GLM. Cada uno tiene su propio entorno de chat, algunos hasta con opciones para crear sitios web. Mi consejo: escoge uno y quédate con ese si tu trabajo es normal de oficina.
Para darte una idea del nivel: un usuario puede preguntarle a ChatGPT cómo crear un sitio web, y este le va a guiar paso a paso con WordPress o Shopify. He conocido personas que armaron su propia tienda virtual solamente siguiendo instrucciones de un chat. Se demoraron, sí, pero lo lograron.
Perfil 2: El vibe coder
El vibe coder no sabe de código, pero por el uso que le da a internet tiene nociones: sabe qué es una base de datos, sabe que hay que pagar un Supabase o un Firebase para guardar datos, que hay que pagar un hosting y comprar un dominio. Cosas básicas de cómo funciona subir algo a internet.
El término, por cierto, viene de Andrej Karpathy, una figura muy reconocida en el mundo de la IA, y hoy hace referencia a personas que crean sitios web o proyectos sin saber de código. Y ojo: he conocido varios vibe coders que han vendido aplicaciones, y algunos hasta viven de eso sin entender todo lo que hay debajo.
Las herramientas típicas: plataformas de vibe coding como Lovable, v0 o Bolt.new. Todas hacen básicamente lo mismo: te dan un chat donde pides "crea un landing page para reserva de hoteles", te generan el sitio, lo conectan con una base de datos (por lo general Supabase), te dan el hosting y te permiten publicarlo con una URL. Por unos cuantos dólares al mes puedes ir haciendo modificaciones.
¿Vale la pena? Para empezar, sí, está bastante bien. Es una forma rápida de generar herramientas pequeñas. El problema es que quien nunca ha visto una plataforma grande no dimensiona lo que significa "pequeña": un sitio con algunas páginas conectado a Supabase es un proyecto relativamente chico. Los proyectos con varios backends o varios frontends son muy complicados de manejar con puro vibe coding.
El siguiente paso: los agent managers de escritorio
Después de generar tus primeros proyectos, mi sugerencia es saltar a un administrador de agentes de escritorio: GPT Codex Desktop, Claude Desktop, Cursor, Antigravity, OpenCode Desktop y similares.
Este es el puente entre el vibe coding y algo más serio. La diferencia clave es que plataformas como Lovable o v0 ejecutan tu proyecto en su nube y tú solo tienes un chat para pedir cosas. En cambio, con una aplicación de escritorio, el agente tiene acceso a tu sistema: puede generar archivos en tus carpetas, instalar programas, ejecutar el proyecto en un servidor local, abrir el navegador, tomar screenshots para verificar cómo se ve la página en desktop y en móvil, y hasta trabajar en varias tareas a la par (por eso se llaman agent managers). Puedes descargar el código que generaste en esas plataformas web, tenerlo en tu máquina y a partir de allí hacer cosas más complejas: usar cualquier base de datos, generar un backend por separado, proyectos más grandes.
Aquí es donde entran conceptos como skills, CLIs y MCPs, que son lo que extiende las capacidades de estos agentes.
Mi opinión: si estás empezando, ve por GPT Codex. Si quieres entrar más al mundo de generar código, ve por Cursor. Claude también es muy bueno generando código, aunque su aplicación de escritorio no está al nivel de otra herramienta que ellos tienen (y que considero la mejor de todas, pero eso lo vemos en el siguiente perfil).
Y algo adicional: una cosa es la herramienta y otra es lo que tú sabes. La información está en internet, los agentes te la pueden resumir y buscar, pero sentarte a leer, entender y practicar depende de ti. Muchas personas se estancan en pedir y no aprenden. Pedir está bien para generar un proyecto y hasta venderlo, pero si no quieres estudiar cómo funcionan estas cosas internamente, te vas a quedar en este nivel.
Perfil 3: El programador
Aquí hay algo muy importante que aclarar. Se repite mucho que "el código está resuelto" y que los agentes hacen todo. Pero cuando las empresas venden herramientas de IA, quieren la mayor cantidad de usuarios posible, así que lo pintan simple. Es marketing, y se nota.
La realidad es esta: escribir código ya no es el trabajo, pero diseñar aplicaciones sí lo es. Durante años se creyó que programar era aprender un lenguaje y hacer un trabajo mecánico, como un transcriptor. Ese estereotipo murió: hoy con los agentes prácticamente nadie escribe código a mano. Pero todo lo demás sigue igual:
- Saber qué es una base de datos y la diferencia entre SQL y NoSQL.
- Entender APIs, protocolos y consideraciones de seguridad.
- Conocer el control de versiones, las herramientas de consola, los comandos de tu sistema operativo.
- Saber qué servicios de la nube usar y qué lenguajes elegir para cada caso.
Y no se trata de memorizar. Antes aprendíamos los comandos de memoria por pura repetición; hoy los agentes los ejecutan. Pero sí necesitas entender la lógica de cada sistema, porque no entenderla es riesgoso: hay gente que le da acceso total a su base de datos a un agente, o crea APIs sin seguridad, o usa herramientas que reinventan el control de versiones cuando integrar Git resolvería todo mejor.
Si estás estudiando programación y has escuchado sobre "el fin de la escritura de código", mi consejo sencillo: ignóralo. Las herramientas cambian, pero eso no significa que no tengas que saber cómo funcionan las cosas.
Las herramientas del programador: agentes de terminal
Los editores con chat como Cursor o Antigravity están bien, pero mi sugerencia fuerte es que aprendas un agente de terminal: Claude Code, GPT Codex, OpenCode, el que quieras. La razón es que los agentes no solo generan código; también te dan una idea de lo que podrías crear tú mismo.
Aquí entra el término de moda, harness engineering. Sí, lo han vendido bastante, pero lo relevante es que puedes generar tus propios agentes de consola. Mira lo que pasó con Vercel: siempre se vendió como la nube para desplegar aplicaciones web, y hoy su mensaje es "infraestructura agéntica". Hace poco lanzaron un framework —no un framework web, porque a este punto ¿a quién le importa un framework web?— sino uno para crear agentes: tu propio Claude Code adaptado a tus tareas. Según ellos mismos, usan alrededor de 4,000 agentes dentro de su propia plataforma.
Pero fíjate en algo: ahí hay código. Bibliotecas, APIs, partes que tienes que entender. No es pasarle la documentación y que aparezca el agente por arte de magia.
Además de los agentes, hay tres piezas que hoy son prácticamente estándar:
- CLIs: herramientas de consola que los agentes pueden invocar para interactuar con otros sistemas.
- MCPs: para conectar agentes (o aplicaciones de escritorio) con servicios externos.
- Skills: básicamente prompts gigantes donde defines cómo debe comportarse la IA y qué consideraciones debe tener. Es sorprendente cómo cambia el comportamiento de la IA con solo darle un skill.
Eso sí: estas son herramientas para que la IA haga algo, no son el producto final. El producto final sigue siendo el software: un ERP, un CRM, un sistema de ventas, un sistema de inventarios. El trabajo es el mismo de siempre, solo que ahora lo creas mucho más rápido. En la práctica, las empresas eventualmente van a necesitar menos personas para crear sistemas comunes, pero menos personas no significa cero personas.
¿Y los modelos?
Los agentes van de la mano con los modelos, y conviene saber cómo evolucionan. Actualmente uno de los más populares es Claude Opus 4.8 (y en cualquier momento sale la versión 5), y del otro lado GPT va por sus versiones 5.5 y 5.6. También están Gemini (de Google) y Grok (de xAI), pero en mi opinión personal no están al mismo nivel para proyectos grandes: para una aplicación sencilla funcionan, pero de forma general la conversación siempre es Claude contra GPT, y son los modelos más altos. Esto además se puede respaldar con los benchmarks que hay por ahí.
Ahora, los modelos chinos están mejorando bastante y se van acercando en calidad:
- MiniMax: hace un buen trabajo, responde bien, es barato y te dice exactamente cuántos tokens te da tu suscripción.
- DeepSeek: bastante bueno generando código web y de aplicaciones.
- GLM: está muy popular últimamente; dicen que está a nivel de Opus 4.8 a menor precio (lo tengo pendiente de probar a fondo).
- Kimi: más o menos; yo lo usaría para tareas por lotes, es decir, cuando tienes una planificación grande, quieres producir en masa a bajo costo y lo combinas con otro modelo.
En resumen: si vas a ser programador, escoge un buen harness. Yo sugiero Claude Code, que en mi opinión sigue siendo el mejor. Su competencia open source es OpenCode, que es más barato porque usa modelos abiertos —decentes, pero no al nivel de los grandes, aunque para aplicaciones comunes pueden ser más que suficientes—. Y ojo con lo de "gratis": estos dan planes gratuitos, pero si vas a generar algo en serio, eventualmente vas a pagar.
Lo importante es que entiendas y configures tu agente a tu gusto —eventualmente hasta puedes crear el tuyo propio, y eso te enseña muchísimo—, pero también sé realista: hay que trabajar de algo, el tiempo no alcanza para probarlo todo, así que elige uno y ve con ese durante un buen tiempo.
Perfil 4: El builder
Este es el que más llama la atención en redes sociales y el que más venden de forma equivocada: el típico que ves en Twitter con tres pantallas y 50 agentes corriendo. No es tan así, pero sí es cierto que con un entorno local bien configurado y orquestadores puedes lograr lo mismo que un programador en menos tiempo y ganando más. Yo lo veo como una especie de freelance senior (si es que existe el término): alguien que ya sabe programar, conoce servicios de la nube, conoce agentes, y trata de hacerlo todo con puros agentes. Aquí probablemente estemos hablando de empresas de una sola persona, lo cual me parece bastante interesante.
Orquestar agentes
El tema nuevo en este nivel es la orquestación de agentes. Suena simple —lanzar múltiples agentes al mismo tiempo—, pero si trabajas para una empresa y te dan varias tareas, hacerlas una por una con un agente es un mal chiste. Hay varias propuestas actuales:
- UIs en formato Kanban, como la de Hermes: colocas una tarea, el agente la ejecuta, la mueve de estado y pasa a la siguiente, todo automático. En lo personal ese flujo no me termina de convencer, pero entiendo la idea.
- Planificaciones grandes en Notion, Linear o Jira, donde le das acceso al agente a través de un MCP o un CLI, y este va tomando tareas, haciéndolas, cambiándolas de estado e iterando.
- Los loops de IA, que están recontra publicitados. Y creo que a la larga eso les hace daño, porque los venden como la solución a todo cuando en la práctica la gran mayoría no los necesita todo el tiempo. Hay casos donde sirven, sí, pero no es la regla.
Los asistentes de IA: Hermes y OpenClaw
¿A través de qué aplicaciones se hace esto? Irónicamente, aquí entran los asistentes de IA como Hermes y OpenClaw. Estos no son agentes de código como OpenCode; son asistentes: les hablas en lenguaje natural y ellos delegan. En Hermes puedes decirle a Claude Code o a GPT Codex que hagan una tarea; cuando terminan, se lo devuelven a Hermes y este continúa con la planificación. Mientras tanto, con el mismo asistente podrías estar manejando tus correos o generando scripts de scraping por otro lado.
Si vas a ir por uno de estos, mi recomendación clara es Hermes: está mucho mejor producido, tiene más calidad y su equipo trabaja con más orden. OpenClaw, honestamente, no me gusta. Su instalación es pesada e incómoda, y hace poco lanzaron una aplicación móvil desastrosa. Pero el problema más serio es la seguridad: OpenClaw es uno de los proyectos más inseguros que he visto, y creo que es porque es AI slop —está generado completamente con IA—. La idea era novedosa cuando surgió, pero se notó al llegar a producción: un montón de fallos de seguridad y un montón de cuentas robadas.
Parte del problema fue su marketplace abierto (ClawHub), donde cualquiera podía publicar skills. Si tienes un marketplace abierto a todo el público, también van a entrar los que quieren robar datos, y eso fue exactamente lo que pasó hace unos meses. Hermes lo resolvió de mejor forma: todo pasa primero por el filtro de su equipo de desarrollo, y es mucho más fácil confiar en eso que en un marketplace abierto.
Un consejo general: vayan con calma y no instalen de todo. Estos asistentes todavía están en desarrollo, y como se conectan a tus cuentas reales, una mala configuración puede terminar dándole acceso a tus cuentas a través de estos agentes.
Modelos locales
El builder, además, por lo general tiene claros los modelos, y muchos le suman a estos asistentes un modelo local: Qwen, algún fine-tune de un modelo open source de GPT, DeepSeek, etc. En Hugging Face hay una enorme cantidad de modelos publicándose constantemente —hasta Google despliega ahí modelos que va probando— y muchos los van adaptando y afinando para crear nuevos modelos. Eso sí, aquí ya entra el tema de tener el hardware adecuado, que da para otro artículo completo.
El builder es, básicamente, el programador de esta época: conoce los programas, sabe automatizarlos, se arma sus propios clústers y su propia infraestructura, y prueba servicios y conceptos nuevos. Es un nivel más avanzado, pero se puede aprender, y es un siguiente paso natural después del rol de programador.
La ruta resumida
Si estás empezando, no te rompas mucho la cabeza:
- Empieza con plataformas de vibe coding: v0, Bolt.new o Lovable. Todas hacen lo mismo.
- Escala a los agent managers de escritorio: GPT Codex Desktop, Claude Desktop y similares, para controlar distintas sesiones desde tu máquina.
- Pasa a los agentes de terminal: Claude Code, Codex, OpenCode. Este salto es el que más te va a servir.
- Y de ahí, los asistentes de IA: Hermes, OpenClaw y similares, para orquestar todo.
Todo esto se suma a lo que ya deberías saber: servicios de internet, APIs, plataformas, lenguajes de programación, servicios de la nube. Aquí solo hablamos de las herramientas para seguir aprendiendo, pero detrás de todo esto hay mucho más.
Y un último recordatorio: estamos en un entorno donde las empresas compiten inventando términos, productos y servicios para aumentar ventas o valor de mercado. Si el año pasado se hablaba de MCPs, este año se habla de CLIs, y el próximo probablemente se hable de otra cosa (ya empezó lo del "loop engineering"). Ponte al día con las herramientas, entiéndelas, date una idea de qué hacen, pero no te obsesiones: eso rota. Lo que no rota son los fundamentos.