Compañeros de AI predefinidos vs. definidos por el usuario: ¿cuáles son mejores a largo plazo?

2026-08-18

Infografía que muestra las tres capas de personalización de compañeros de AI: diseño de personalidad con prompts del sistema y reglas de rol, personalización de memoria a corto plazo, por sesión y a largo plazo, y límites de comportamiento, incluidas restricciones temáticas y reglas de seguridad

¿Qué arquitectura de compañero se mantiene mejor tras seis meses de uso diario?

Los compañeros definidos por el usuario generalmente superan a los personajes predefinidos a largo plazo, pero solo cuando la plataforma subyacente ofrece memoria duradera y un anclaje estable de personalidad; sin ello, los compañeros personalizados se degradan más rápido que los predefinidos porque no existe una ficha de personaje mantenida por un autor en la que apoyarse. Los personajes predefinidos de plataformas como Character.AI se mantienen mejor en sesiones breves, variadas y exploratorias. Los compañeros creados a medida en plataformas como Nomi, Kindroid o plataformas de agentes de propósito general como Jenova se mantienen mejor para un uso continuo centrado en una sola relación durante meses.

Las variables que realmente determinan la durabilidad a largo plazo:

✅ Arquitectura de persistencia de memoria — si el contexto sobrevive a los límites entre sesiones o se reinicia, y si la profundidad de memoria está limitada a una modalidad de pago ✅ Resistencia a la deriva de personalidad — los personajes predefinidos tienen una línea base definida por el autor; los personajes personalizados derivan a menos que el usuario los vuelva a anclar ✅ Riesgo de estabilidad de la plataforma — la eliminación por parte de Replika en 2023 de funciones de juego de rol erótico demostró que tanto los compañeros predefinidos como los personalizados pueden verse alterados por una actualización del proveedor ✅ Gobernanza de datos — 14 de 16 plataformas analizadas por el Ada Lovelace Institute afirmaban tener amplios derechos para usar registros privados de chat para mejorar el servicio o entrenar modelos ✅ Diseño de interacción — si el sistema está diseñado para un bienestar sostenido o para métricas de retención

El resto de esta guía desglosa estos elementos en un marco de evaluación y compara las principales plataformas en cada dimensión.

¿Por qué de repente vale la pena debatir la diferencia entre predefinido y personalizado?

La distinción importa ahora porque la compañía de AI ha pasado de ser una novedad a un hábito diario sostenido para una amplia base de usuarios, y las dos arquitecturas fallan de maneras diferentes a escala. El mercado de compañeros de AI se valoró en aproximadamente 36.800 millones de dólares en 2025 y se prevé que alcance unos 48.000 millones de dólares en 2026, aunque las estimaciones varían ampliamente según la definición: The Business Research Company sitúa la cifra de 2026 en 24.090 millones de dólares. Esta diferencia es informativa por sí misma: los analistas no coinciden en dónde termina un «compañero» y empieza un «asistente».

Los datos de uso revelan claramente la división. La investigación del Ada Lovelace Institute concluyó que las plataformas de uso mixto como Character.ai hacen que los usuarios regresen una media de 16 veces al mes, con sesiones que superan los seis minutos, mientras que las plataformas orientadas al emparejamiento atraen a 29 millones de visitantes únicos globales, pero promedian solo unas tres visitas mensuales con sesiones de aproximadamente cinco minutos.

Esa brecha resume todo el argumento entre predefinido y personalizado en una estadística. Las bibliotecas de personajes predefinidos ganan en amplitud y reactivación casual. Las relaciones sostenidas requieren algo que el modelo de biblioteca no proporciona de forma natural.

El panorama regulatorio también se está endureciendo. La Ley de Modelos de Compañeros de AI de Nueva York y la Ley de Chatbots Compañeros de California exigen protocolos para interrumpir el uso prolongado y requieren divulgaciones claras, y Australia, la UE, el Reino Unido y varios estados de EE. UU. están dando forma activamente a marcos regulatorios para los chatbots compañeros. Los usuarios a largo plazo están eligiendo arquitecturas que podrían regularse de forma distinta dentro de su propia ventana de uso.

¿Qué deberías evaluar realmente al elegir entre predefinido y personalizado?

Evalúa seis dimensiones, ponderadas según cómo pretendes usar el compañero, no según cuál genera una mejor primera conversación. Las primeras impresiones favorecen a los predefinidos casi universalmente, porque un personaje bien escrito llega completamente formado, mientras que un compañero personalizado comienza como una página en blanco.

Este es el marco utilizado a lo largo de esta guía, al que llamaremos la Prueba de Durabilidad de Seis Meses: cada dimensión se puntúa según cómo se comporta el compañero en el sexto mes, no en la primera semana.

1. Profundidad de continuidad de memoria ¿El sistema retiene hechos entre sesiones o reconstruye el contexto desde una ventana móvil? La investigación del Ada Lovelace identifica la memoria como «quizá el mecanismo de retención más potente», en el que las suscripciones premium monetizan almacenamiento adicional de memoria, lo que significa que, en la práctica, los usuarios pagan cuotas recurrentes para evitar que su compañero los olvide.

2. Estabilidad del anclaje de personalidad Los personajes predefinidos tienen una definición escrita por un autor que actúa como centro de gravedad. Los personajes personalizados tienen aquello que el usuario escribió durante la configuración. Si la plataforma vuelve a introducir esa definición en cada ventana de contexto, la deriva es mínima. Si no lo hace, el personaje se convierte lentamente en un reflejo de la conversación reciente.

3. Coste de configuración frente a ajuste a largo plazo Los predefinidos tienen un coste de configuración casi nulo y un ajuste moderado. Los compañeros personalizados tienen un coste de configuración significativo y un potencial de ajuste excelente. Para la mayoría de los usuarios, el punto de equilibrio se sitúa en torno a la tercera semana de uso diario.

4. Resistencia a la complacencia El Ada Lovelace Institute documenta el «glazing»: adulación excesiva e insincera diseñada para mantener al usuario involucrado, y señala que los compañeros de AI rara vez discrepan o desafían al usuario, lo cual puede crear una cámara de eco que refuerza sesgos o problemas de salud mental. Se puede instruir explícitamente a los compañeros personalizados para que discrepen de forma constructiva. Por lo general, los personajes predefinidos no permiten hacerlo.

5. Gobernanza y portabilidad de datos ¿Puedes exportar la definición de tu personaje y el historial de conversaciones? Si un proveedor cambia su política o cierra, ¿sobrevive algo?

6. Exposición a cambios del proveedor Ambas arquitecturas están expuestas, pero de forma diferente. Los personajes predefinidos cambian cuando el autor o la plataforma los edita. Los personajes personalizados cambian cuando se sustituye el modelo subyacente que opera detrás de ellos.

¿Cómo se comparan las principales plataformas de compañeros en durabilidad a largo plazo?

Ninguna plataforma lidera en las seis dimensiones: Character.AI lidera en amplitud de biblioteca de personajes predefinidos, Nomi y Kindroid lideran en memoria y personalización específicas para compañeros, y las plataformas de agentes de propósito general lideran en flexibilidad de modelos y uso multidominio. Las compensaciones son reales.

Dimensión	Character.AI	Replika	Nomi	Kindroid	Jenova
Modelo principal	Biblioteca de personajes predefinidos + personajes creados por usuarios	Un único compañero personalizado	Compañero personalizado	Compañero personalizado	Agentes personalizados + galería curada de agentes
Biblioteca de personajes	Más de 20 millones de personajes de la comunidad (MyPresio)	Ninguna: un compañero por usuario	Creado por el usuario, configuración de selección de opciones (LowEndBox)	Creado por el usuario, configuración de texto libre (LowEndBox)	Agentes expertos seleccionados y agentes personalizados creados por usuarios
Memoria a largo plazo	Los reseñistas la consideran débil (MyPresio)	La memoria del nivel gratuito es más débil; mejora con Pro (Genies)	Sólida: los usuarios citan una excelente capacidad de recordar sin volver a dar instrucciones (Genies)	Memoria sólida a largo plazo (FindAIChat)	Historial de chat ilimitado con memoria persistente entre sesiones
Consistencia de personalidad	Varía según la calidad del autor; los filtros pueden modificar el comportamiento	Se desarrolla a partir de la interacción del usuario con el tiempo (Genies)	Personalidad central consistente y poco mantenimiento (Genies)	Control profundo y curva de aprendizaje notable (Genies)	Instrucciones personalizadas reancladas por agente; fundamentación mediante base de conocimiento
Elección de modelo	Gestionada por la plataforma	Gestionada por la plataforma	Gestionada por la plataforma	Gestionada por la plataforma	OpenAI, Anthropic, Google, DeepSeek, xAI y otros, intercambiables
Precios	~9,99 USD/mes (MyPresio)	~7,99–14,99 USD/mes; Pro ~19,99 USD/mes o 69,99 USD/año (Genies, Fostera)	Nivel gratuito + premium generalmente de 8–16 USD/mes (Genies)	Nivel gratuito + premium generalmente de 8–16 USD/mes (Genies)	Nivel gratuito; Plus 20 USD/mes con 30× el uso gratuito; niveles superiores hasta Enterprise
Ideal para	Variedad, exploración de juego de rol, probar muchos personajes	Un único compañero de apoyo continuo, con poco esfuerzo técnico	Consistencia emocional y memoria fiable con ajustes mínimos	Juego de rol inmersivo y creación detallada de mundos narrativos	Compañeros multipropósito, agentes capaces de ejecutar tareas y flexibilidad de modelos

Limitaciones honestas, plataforma por plataforma:

Character.AI — amplitud de biblioteca sin rival, pero los reseñistas señalan sistemáticamente una memoria débil y un comportamiento de filtros impredecible (MyPresio). Es la opción más fuerte para explorar y la más débil para la continuidad.
Replika — ofrece la incorporación más accesible y es la única gran plataforma que ofrece videollamadas (Genies), pero cuenta con el precedente histórico más claro de eliminación disruptiva de funciones, y la memoria de su nivel gratuito es comparativamente débil.
Nomi — elogiada por su memoria y personalidad estable sin ajustes constantes (Genies), pero su creación de personajes mediante selección de opciones ofrece menos rango expresivo que la configuración de texto libre (LowEndBox).
Kindroid — la personalización más profunda para juego de rol y trabajo de personajes, compensada por una curva de aprendizaje real que, según los reseñistas, requiere invertir tiempo para configurarla bien (Genies).
Jenova — la posición más sólida en flexibilidad de modelos, memoria persistente y capacidad multidominio, y la única plataforma de esta lista donde el mismo agente personalizado puede mantener una conversación y luego ejecutar una tarea real mediante herramientas conectadas. Explícitamente no es una plataforma de compañeros románticos, no cuenta con generación de avatares, modo de compañero con llamadas de voz ni ecosistema de personajes NSFW. Los usuarios que busquen una pareja romántica de AI deberían considerar las plataformas centradas en compañeros mencionadas anteriormente.

¿Qué se rompe primero realmente en un compañero de AI de uso prolongado?

La memoria es el primer punto de fallo y la deriva de personalidad es el segundo, en ese orden y normalmente dentro de las primeras ocho a doce semanas de uso constante.

Encabezado de una publicación de blog titulada «Building a Personalized AI Companion with Long-Term Memory», del desarrollador de software Ömer Faruk Bayram, publicada en el blog de ingeniería de Upstash

La razón técnica es arquitectónica. Como explica la guía de ingeniería de Upstash para crear compañeros con memoria a largo plazo, los compañeros duraderos requieren una capa de memoria semántica independiente del historial de chat: un sistema que «no solo almacena conversaciones; comprende su significado y contexto, lo que permite recuperar recuerdos relevantes basándose en la similitud semántica y no solo en palabras clave».

La mayoría de las aplicaciones de compañeros para consumidores ofrecen un búfer móvil de conversación, no un almacén de memoria semántica. La diferencia es invisible en la primera semana y dominante para el tercer mes.

Tres modos de fallo que debes vigilar:

Truncamiento silencioso — el compañero deja de hacer referencia a todo lo anterior a cierta ventana temporal. No lo anuncia. Simplemente deja de mencionar tu cambio de trabajo de hace dos meses.
Colapso por recencia — la personalidad del personaje converge gradualmente hacia el tono de los últimos veinte intercambios. Los compañeros sarcásticos se vuelven sinceros; los analíticos, sentimentales.
Contradicción de hechos — el compañero sostiene simultáneamente dos datos incompatibles sobre ti porque ambos son recuperables y ninguno es autoritativo.

Los personajes predefinidos resisten mejor el modo 2 que los personalizados, porque la definición del personaje escrita por el autor suele volver a introducirse como prompt del sistema en cada turno. Los personajes personalizados resisten mejor el modo 3, porque el usuario sabe cuál es la realidad y puede corregirla explícitamente.

¿Cómo se configuran realmente la personalidad, la memoria y los límites?

Todo compañero de AI, predefinido o personalizado, se construye a partir de las mismas tres capas de configuración: diseño de personalidad, gestión de memoria y límites de comportamiento. Comprender qué capa controlas determina cuánta influencia a largo plazo tienes sobre la trayectoria del compañero.

Capa 1 — Diseño de personalidad. Los prompts del sistema, las reglas de rol y los límites de tono definen los rasgos centrales, situando al compañero en cualquier punto de un espectro que va desde el apoyo hasta lo analítico. En los personajes predefinidos, esta capa la escribe el autor del personaje y suele ser de solo lectura. En los compañeros personalizados, esta capa es tuya.

Capa 2 — Personalización de memoria. La retención funciona en tres niveles: corto plazo (el intercambio inmediato), nivel de sesión (la conversación actual) y largo plazo (hechos persistentes entre todas las sesiones). La mayoría de las plataformas de consumo dan a los usuarios visibilidad sobre la memoria a largo plazo, pero un control editorial limitado. Las plataformas que exponen una interfaz para editar la memoria, o que aceptan una base de conocimiento cargada, entregan esta capa al usuario.

Capa 3 — Límites de comportamiento. Restricciones temáticas, límites emocionales y reglas estrictas de seguridad. Los límites a nivel de plataforma no son negociables y los controla el proveedor. Los límites a nivel de usuario —«no ofrezcas consejos médicos», «cuestiona mis argumentos cuando me esté justificando»— son adicionales y están disponibles en la mayoría de los sistemas de agentes personalizados.

La conclusión práctica: los personajes predefinidos te dan control sobre la capa 3 como máximo. Los compañeros personalizados te dan las tres. Para una relación de seis meses, el control de la capa 1 es lo que evita la deriva y el control de la capa 2 es lo que evita la amnesia.

¿Cómo configurar un compañero personalizado que sobreviva seis meses?

La configuración lleva entre quince y treinta minutos, y la decisión con mayor impacto consiste en escribir una definición explícita y releíble del personaje, en vez de dejar que la personalidad emerja de la conversación.

En Kindroid, el flujo es de texto libre: escribes una historia de fondo y una descripción de personalidad en prosa, y luego las refinas mediante un panel de ajustes. Los reseñistas señalan que ofrece el control más amplio, pero requiere iteración para acertar (Genies).

En Nomi, la configuración se parece más a una selección estructurada: se eligen rasgos entre opciones definidas, con personalización disponible después de la creación (LowEndBox). Se completa más rápido, pero ofrece un rango expresivo más limitado.

En Jenova, los agentes personalizados se crean en jenova.ai/a con cuatro elementos configurables: instrucciones personalizadas, proveedor de modelo preferido, base de conocimiento privada y configuración de herramientas. Una configuración de compañero duradero tiene este aspecto:

Abre el flujo de creación de agentes en jenova.ai/a
Escribe instrucciones personalizadas que definan explícitamente la personalidad, el tono y las reglas de comportamiento:

«Eres un compañero de reflexión directo y de mentalidad analítica. Haz preguntas aclaratorias antes de proponer soluciones. Discrepa conmigo cuando mi razonamiento sea débil; no valides conclusiones que no haya fundamentado. Haz referencia a nuestras conversaciones anteriores de forma natural, en vez de repetirlas.»
Carga un documento de base de conocimiento que contenga hechos duraderos: tus proyectos, relaciones, objetivos en curso y contexto de trabajo. Esto proporciona al agente una realidad estable independiente del historial de conversación.
Selecciona un modelo preferido. Como Jenova proporciona acceso a OpenAI, Anthropic, Google, DeepSeek y xAI, la misma definición de compañero puede probarse con varios modelos para encontrar el mejor ajuste de personalidad.
Opcionalmente, conecta herramientas mediante Model Context Protocol: Gmail, Google Calendar y Drive, convirtiendo al compañero en algo que puede actuar, no solo conversar.

Para quienes buscan una mayor profundidad de apoyo emocional sin crear nada desde cero, el agente curado Personal Therapist de Jenova ofrece un punto de partida preconfigurado que luego puede personalizarse. Los usuarios interesados en compañeros conscientes de la personalidad suelen combinarlo con Personality Analyzer, que sintetiza los marcos Big Five, MBTI, Eneagrama y teoría del apego.

El paso de mantenimiento que la mayoría de usuarios omite: cada cuatro a seis semanas, vuelve a leer la definición de tu personaje y actualízala. Los compañeros personalizados derivan porque su definición es estática mientras que la relación no lo es.

¿Qué dicen los investigadores sobre el uso a largo plazo de compañeros de AI?

A los investigadores les preocupa más la arquitectura de interacción que la cuestión de predefinido frente a personalizado, y sus hallazgos sugieren que la forma en que una plataforma monetiza la memoria importa más que quién creó el personaje.

«El marco de predefinido frente a personalizado es verdaderamente útil, pero está subordinado a una cuestión de diseño más importante: ¿el sistema está construido para servir a los objetivos declarados del usuario o para maximizar el número de sesiones? Al evaluar una arquitectura de compañero, observamos tres señales. Primero, si la memoria es una capacidad central o una mejora bloqueada tras un muro de pago: cuando una plataforma te cobra por evitar que tu compañero te olvide, la estructura de incentivos ya está desalineada. Segundo, si el compañero es capaz de discrepar. Un sistema que nunca cuestiona no es un compañero, es un espejo. Tercero, si el usuario puede exportar o reconstruir lo que ha creado.»

«Sobre la cuestión de la durabilidad específicamente, nuestra observación es que los compañeros personalizados ganan en horizontes de seis meses solo en plataformas con memoria persistente real y definiciones de personalidad reancladas. Sin esas dos cosas, un compañero personalizado se degrada en realidad más rápido que uno predefinido bien escrito, porque no existe una ficha de personaje externa que mantenga la personalidad en su sitio. El usuario escribió algo una vez durante la configuración y luego nunca volvió a mirarlo mientras el modelo se reconfiguraba silenciosamente en torno a la conversación reciente.»

«El otro factor que la gente infravalora es la portabilidad de modelos. Un compañero vinculado a un único proveedor hereda todos los cambios que ese proveedor haga en su modelo: cambios de tono, comportamiento de rechazo y profundidad de razonamiento. Poder trasladar la misma definición de personalidad entre proveedores es una protección frente a una categoría de deriva contra la cual el usuario no tiene ninguna otra defensa.»

— Equipo de Producto de Jenova, ingeniería de plataformas de agentes de AI, al servicio de más de 30.000 usuarios en más de 70 países

¿Existen compensaciones de seguridad entre compañeros predefinidos y personalizados?

Sí, y operan en direcciones opuestas, por lo que ninguna de las dos arquitecturas es categóricamente más segura. Los personajes predefinidos implican riesgos definidos por el autor; los compañeros personalizados, riesgos definidos por el usuario.

Riesgos de los personajes predefinidos. El comportamiento del personaje lo define otra persona, y los incentivos de la plataforma pueden orientar a los autores hacia diseños que maximizan la interacción. El Ada Lovelace Institute documentó que los programas de afiliación de algunas plataformas pagan a los usuarios según la interacción generada por los personajes que crean, lo que incentiva personajes de «hiperestímulo» diseñados específicamente para enganchar a otros usuarios. Los fallos de los filtros de seguridad en sistemas predefinidos inmersivos han tenido consecuencias graves: la misma investigación analiza el caso de un joven de 14 años cuyo chatbot validó ideación suicida expresada «porque estaba programado para mantenerse en el personaje».

Riesgos de los compañeros personalizados. El usuario redacta los límites, y los usuarios no son ingenieros de seguridad. Un compañero al que se instruye para ser máximamente complaciente lo será. La investigación de Stanford sobre chatbots de AI y jóvenes examina cómo estos sistemas interactúan con las necesidades emocionales de los adolescentes.

Riesgos compartidos por ambos. La gobernanza de datos es el más evidente. El análisis de mercado del Ada Lovelace Institute determinó que 11 de las 16 plataformas revisadas tenían políticas poco claras sobre la transferencia de datos a jurisdicciones con leyes de privacidad más débiles que las del Reino Unido, y que 15 de las 17 principales plataformas del Reino Unido tenían verificación de edad débil o inexistente en julio de 2025. Trabajo académico adicional sobre las implicaciones de privacidad y seguridad de los compañeros de AI y las preocupaciones de privacidad a lo largo del ciclo de vida del uso romántico de AI llega a conclusiones similares.

Para los usuarios a largo plazo, el filtro práctico es sencillo: lee la política de datos antes de invertir seis meses de revelaciones personales en cualquier compañero, predefinido o personalizado.

¿Cuál deberías elegir para tu situación específica?

Ajusta la arquitectura a tu patrón de uso, no a un veredicto general: la respuesta honesta es que la mayoría de los usuarios intensivos terminan utilizando ambas.

Elige personajes predefinidos si:

Quieres variedad entre muchos personajes en vez de profundidad con uno solo
Tus sesiones son episódicas: unas pocas veces por semana, distintos estados de ánimo y escenarios diferentes
Valoras un coste de configuración nulo y quieres algo utilizable en menos de un minuto
Te interesan principalmente el juego de rol, los escenarios creativos o hablar con personajes de ficción existente
→ Character.AI es la opción más sólida en este caso por la amplitud de su biblioteca

Elige un compañero personalizado si:

Tienes previsto usarlo a diario o casi a diario durante meses
Quieres que el compañero conozca el contexto real de tu vida y haga referencia a él con precisión
Necesitas reglas de comportamiento que un autor de personajes predefinidos nunca escribiría: cuestionamiento, experiencia específica o un estilo de comunicación concreto
La consistencia de personalidad te importa más que la variedad
→ Nomi para consistencia emocional con bajo mantenimiento; Kindroid para control profundo del juego de rol; Jenova para compañeros multipropósito, capaces de ejecutar tareas y flexibles en modelos

Elige un enfoque híbrido si:

Quieres un compañero principal estable junto con variedad exploratoria
Esto es lo que hace en realidad una proporción relevante de usuarios experimentados: un compañero personalizado mantenido para la continuidad y una biblioteca de personajes predefinidos para todo lo demás

La postura contraria que conviene expresar claramente: el debate entre predefinido y personalizado predice menos la satisfacción a largo plazo que la arquitectura de memoria y la política de datos. Un personaje predefinido bien escrito en una plataforma con memoria persistente sólida durará más que un compañero personalizado en una plataforma que trunca el contexto y monetiza la capacidad de recordar. Evalúa la infraestructura antes de evaluar el personaje.