Después de ver el nuevo xBubble del equipo de @dappOS_com, mi primera impresión es:

quieren resolver un problema más tangible: cómo la gente común realmente puede utilizar la IA.

He estado siguiendo a DappOS por un tiempo, el equipo anteriormente recibió inversión de YZi Labs y Sequoia China / HongShan. Claro, el fondo de financiamiento es un punto a favor, pero lo que realmente me importa es si esta vez su hoja de ruta del producto ha captado la demanda real.

Ahora hay muchos productos de IA que, en realidad, ya tienen capacidades bastante sólidas.

Pero el problema es:

los usuarios aún tienen que entender los Prompts, las diferencias entre los modelos y las herramientas;
Además, tener que desarmar tareas, ajustar el formato y corregir los resultados por tu cuenta.
En cierto sentido, la IA se ha vuelto más fuerte, pero muchos usuarios, en cambio, se convirtieron primero en “gerentes de proyectos de IA”.

Y en la ruta de low-prompt de xBubble, el punto interesante precisamente está aquí.

No quiere que los usuarios aprendan a “dirigir a la IA”, sino que solo expresen el objetivo y que el sistema se haga cargo de la ruta de ejecución a partir de ahí.

Lo más central aquí es su diseño en dos capas:

Bubble Engine

Bubble Pilot
Si lo entendemos de forma sencilla:

Los SOP son como un conjunto de “métodos para hacer las cosas” que se van consolidando.

Por ejemplo, hacer una presentación PPT de una industria: no es que cada vez se genere desde cero, sino que se va armando con:

investigación

diseño de la estructura
organización del contenido
generación de gráficos
entrega con maquetación
Estos pasos se van solidificando en un flujo estable.

Bubble Engine se parece más a una capa de aprendizaje en segundo plano.

Continuamente prueba distintos modelos, herramientas y rutas de ejecución, y va consolidando en SOP la solución que funciona con más estabilidad.

Y Bubble Pilot se parece más a una capa de planificación.

El usuario solo tiene que decir una necesidad; primero determina el tipo de tarea y luego encuentra el SOP más adecuado.

Si por el momento no hay un flujo correspondiente, también llama a una solución general para completar la tarea, y al mismo tiempo retroalimenta los nuevos requisitos al Engine para seguir aprendiendo y consolidando.

Creo que este diseño es más práctico que muchos proyectos que simplemente gritan “multi-agent”.

Porque lo que muchos usuarios realmente necesitan no es una “cadena compleja”, sino “resultados estables”.

Algunos casos que aporta el equipo del proyecto son bastante típicos:

Por ejemplo:

hacer una PPT de negocios (Repaso del mercado de café en China 2025 y perspectivas de tendencias 2026)

hacer un Dashboard de comparación de datos “BYD vs Tesla”
generar en una sola frase videos promocionales de productos como café helado y té de limón
El enfoque de estas tareas nunca es “si la IA puede o no generar contenido”.

Sino:

si puede manejar bien, junto con el contenido, la estructura, la estética y el formato de entrega.

Esto en realidad es muy clave.

Muchos Agentes genéricos son más adecuados para la exploración abierta.

Pero en escenarios como PPT, informes, paneles web y videos promocionales, lo que los usuarios realmente quieren normalmente no es una pila de procesos intermedios.

Sino un resultado que se parece mucho a “entrega directa”.

Además, mi comprensión anterior de Bubble Computer era un poco limitada.

Luego descubrí que, en esencia, Bubble Computer y Bubble Personal son dos entornos de ejecución distintos.

Bubble Computer se parece más a un espacio de proyecto en la nube.

Es adecuado para manejar:

PPT

informes
sitios web
videos
tareas de varios pasos.

El sistema completa la investigación, la generación, la verificación y la entrega dentro de un entorno sandbox.

En cambio, Bubble Personal se inclina más por el entorno local.

Con autorización del usuario, puede operar archivos locales, el navegador, aplicaciones y el calendario.

Por eso se parece más a un flujo de trabajo personal real.

Visto desde este ángulo, xBubble en esencia no se limita solo a ofrecer una entrada de chat.

Se parece más a convertir en producto la “experiencia de uso de la IA”.

Ahora, muchos Agentes de IA todavía enfatizan:

autonomía

cadenas largas
coordinación entre múltiples agentes
Pero xBubble elige primero ejecutar con estabilidad el flujo de tareas concreto.

Este enfoque quizá no sea tan “espectacular”.

Pero creo que en realidad se parece más a la IA que los usuarios comunes y las pymes realmente necesitan.

Por supuesto, ahora el producto todavía está en fase de pruebas internas.

Si los SOP pueden iterarse de forma continua, si pueden generalizarse de manera estable entre tareas distintas, y si los usuarios se quedarán a largo plazo: todo eso aún necesita validación con datos posteriores.

Pero al menos, en la dirección, yo creo que va bien.

El signo de que la IA se ha popularizado realmente quizá no sea que todos aprendan Prompt.

Sino que la mayoría, en realidad, ni siquiera necesita saber qué es Prompt.


Bienvenido a probar: https://t.co/VAzxujfs7U