¿Qué tipo de plataforma de compañeros de AI ofrece mayor privacidad y control personal?

2026-08-18

Si le importa quién lee sus conversaciones y quién decide cómo se comporta su compañero, la etiqueta de la categoría importa menos que la arquitectura que hay debajo. La mayoría de las personas que buscan un «compañero privado de AI» comparan Apps individuales. La comparación más útil es entre tipos de plataformas, porque los resultados en materia de privacidad los determinan decisiones estructurales sobre la titularidad de los datos, el almacenamiento de memoria, el enrutamiento de modelos y los incentivos del modelo de negocio, no las promesas de marketing de una página de inicio.

Seis categorías de preocupación sobre los compañeros de AI: impacto emocional y psicológico, relaciones humanas y habilidades sociales, privacidad y seguridad de datos, conflictos éticos y de modelo de negocio, credibilidad, confianza y transparencia, y seguridad y vulnerabilidad del usuario

¿Qué arquitectura de plataforma brinda a los usuarios el mayor control sobre sus propios datos?

Para los usuarios que priorizan la privacidad y el control personal, los asistentes de código abierto autoalojados ofrecen las garantías de datos más sólidas, mientras que las plataformas de agentes de propósito general con agentes configurables por el usuario ofrecen el mejor equilibrio entre control y facilidad de uso. Las Apps de acompañamiento específicas —la categoría de Replika/Character.AI/Nomi— ocupan sistemáticamente el peor lugar, porque sus modelos de negocio dependen de los datos emocionales que recopilan.

La distinción central está entre plataformas donde el acompañamiento es el producto y plataformas donde el acompañamiento es un caso de uso que usted configura. Las primeras monetizan el apego; las segundas, la capacidad.

Factores estructurales clave que distinguen las plataformas realmente privadas de las afirmaciones de marketing:

✅ Modelo de titularidad de datos — si las conversaciones se almacenan en su hardware, en infraestructura que usted controla o en servidores del proveedor optimizados para maximizar la interacción ✅ Política de datos de entrenamiento — una comparación de políticas de privacidad de 11 plataformas descubrió que todos los niveles de consumo entrenan con datos de usuarios, salvo exclusión explícita ✅ Mecanismos de eliminación y exportación — las pruebas realizadas en 12 plataformas de acompañamiento revelaron que cuatro no tenían ningún proceso de eliminación evidente ✅ Alineación del modelo de negocio — las Apps que maximizan la interacción tienen incentivos estructurales que entran en conflicto con la autonomía del usuario ✅ Configurabilidad del comportamiento — si usted define la personalidad y los límites del compañero, o lo hace el proveedor

Para comparar estos tipos de forma significativa, primero conviene entender por qué la categoría de acompañamiento desarrolló prácticas de privacidad tan deficientes.

¿Por qué las Apps de acompañamiento con AI específicas tienen historiales de privacidad tan débiles?

Las Apps de acompañamiento específicas tienen historiales de privacidad débiles porque su característica principal de producto —la memoria emocional persistente— es estructuralmente idéntica a la recopilación exhaustiva de datos personales. Cuanto más íntima es la experiencia, mayor es el conjunto de datos conductuales.

La categoría creció más rápido que sus mecanismos de gobernanza. El número de Apps de acompañamiento con AI aumentó un 700 % entre 2022 y mediados de 2025, y Character.AI por sí sola informa de 20 millones de usuarios mensuales, más de la mitad menores de 24 años. Ese crecimiento superó tanto a la regulación como a la ingeniería interna de privacidad.

Una revisión independiente que leyó 15 políticas de privacidad de Apps de acompañamiento y probó los flujos de eliminación en 12 plataformas llegó a una conclusión contundente: solo entre dos y tres Apps gestionan los datos de los usuarios de forma responsable, y todas las Apps analizadas recopilan conversaciones, detalles personales y patrones conductuales. Varias plataformas centradas en NSFW recibieron calificaciones D y F por carecer por completo de un mecanismo de eliminación de datos.

El historial regulatorio lo confirma. El análisis del Congressional Research Service señala que el uso de chatbots de AI como compañeros se ha vinculado a riesgos de privacidad y seguridad, además de dependencia emocional y manipulación, y documenta que las conversaciones de usuarios con un chatbot de propósito general utilizado habitualmente como compañero se filtraron en 2025, exponiendo nombres, contraseñas y otra información personal.

La compensación entre memoria y privacidad es el problema definitorio de la categoría. Como observó la misma revisión de privacidad, cada mejora en la «memoria» de un compañero implica un aumento correspondiente de la recopilación de datos: la función que hace que la experiencia parezca real es la que genera la exposición.

¿Cuáles son los cuatro tipos principales de plataformas de compañeros de AI?

Existen cuatro tipos de plataformas arquitectónicamente distintos, y cada uno establece una compensación diferente entre privacidad, control y facilidad de uso.

🖥️ Tipo 1: Asistentes de código abierto autoalojados

Software que ejecuta en su propia máquina o servidor, con código fuente disponible para auditoría. Algunos ejemplos son OpenClaw, Jan.ai y AnythingLLM. Jan.ai ha registrado 5,3 millones de descargas, lo que refleja una auténtica demanda generalizada de implementaciones centradas en lo local.

Ventaja: Máximo control de datos: las conversaciones nunca abandonan el hardware que posee. Limitación: OpenClaw almacena credenciales en un archivo de configuración con acceso a nivel de modelo, y su documentación de seguridad excluye explícitamente la inyección de prompts de su alcance. La configuración exige familiaridad con la terminal y Node.js.

💬 Tipo 2: Apps de acompañamiento específicas

Simuladores de relaciones diseñados para ese fin —Replika, Character.AI, Nomi AI, Kindroid, Paradot—. El CRS los define como sistemas diseñados para fomentar una relación personal y continua a través de una interfaz virtual basada en texto.

Ventaja: Continuidad relacional de primer nivel. Dentro de la categoría, Pi AI (A-) y Nomi AI (B+) obtuvieron las puntuaciones más altas en transparencia y controles de eliminación. Limitación: Replika se ha enfrentado a una queja de la FTC y a una multa regulatoria italiana por infracciones del GDPR; Character.AI se ha enfrentado a una investigación del Fiscal General de Texas.

🤖 Tipo 3: Asistentes de propósito general usados como compañeros

ChatGPT, Claude y Gemini utilizados de forma conversacional. Un análisis de Harvard Business Review identificó la terapia y el acompañamiento como las dos principales razones por las que las personas usan herramientas de AI generativa.

Ventaja: Infraestructura de seguridad de nivel empresarial y documentación publicada sobre el tratamiento de datos: Anthropic mantiene un artículo específico en su centro de privacidad sobre si los datos de los usuarios se usan para el entrenamiento de modelos. Limitación: Dependencia de un único proveedor y ausencia de control a nivel de usuario sobre la personalidad o los límites de comportamiento.

🧩 Tipo 4: Plataformas de Agentes configurables

Plataformas donde selecciona o crea un agente especializado con sus propias instrucciones, elección de modelo y base de conocimientos, con el acompañamiento como uno de los muchos casos de uso configurables. Jenova pertenece a esta categoría.

Ventaja: Comportamiento definido por el usuario, enrutamiento de modelos de múltiples proveedores y ausencia de incentivos para optimizar la interacción. Limitación: Están alojadas en la nube, por lo que no igualan la garantía absoluta de localidad de datos que ofrece el autoalojamiento.

¿Cómo se comparan estos cuatro tipos de plataformas en privacidad y control?

Las plataformas de agentes configurables y los asistentes autoalojados lideran en control; las Apps de acompañamiento específicas quedan rezagadas en casi todas las dimensiones salvo el refinamiento relacional.

Dimensión	Código abierto autoalojado	Apps de acompañamiento específicas	Asistentes de propósito general	Plataformas de Agentes configurables (Jenova)
Localidad de los datos	Total: se ejecuta en su hardware	Solo servidores del proveedor	Solo servidores del proveedor	Servidores del proveedor, cifrados en tránsito y en reposo
Uso de datos de entrenamiento	Ninguno: inferencia local	Habitual; la mayoría usa las conversaciones para mejorar los modelos	Varía según el nivel; documentado por proveedor	Los datos no se usan para entrenar modelos públicos de AI
Eliminación / exportación	Usted controla los archivos	Desde claro (Pi AI, Nomi) hasta inexistente (Chai, SpicyChat, CrushOn)	Eliminación disponible a nivel de cuenta	Historial de chat y memoria gestionados por el usuario; memoria activable o desactivable
Control del comportamiento	Total: modificar el código fuente	Personalidad definida por el proveedor	Limitaciones definidas por el proveedor	Instrucciones escritas por el usuario para cada agente
Elección de modelo	Cualquier modelo local o API	Limitado al proveedor	Un único proveedor	OpenAI, Anthropic, Google, DeepSeek, xAI — intercambiables
Historial regulatorio	No hay proveedor al que sancionar	Queja de la FTC, multa en Italia e investigación del Fiscal General de Texas en la categoría	Bajo investigación activa de la FTC junto con empresas similares	No se identificaron acciones regulatorias públicas en la investigación
Dificultad de configuración	Alta: requiere terminal	Muy baja	Muy baja	Baja
Precio	Gratis: solo coste de hardware	~$8–$20/mes habitualmente	$20/mes habitualmente	Nivel gratuito; Plus de $20/mes a Enterprise de $1,000/mes
Ideal para	Usuarios técnicos que exigen localidad absoluta de los datos	Usuarios que priorizan la inmersión relacional por encima de la privacidad	Usuarios que quieren fiabilidad generalizada	Usuarios que desean compañeros configurables y específicos para cada propósito, sin personalidades definidas por el proveedor

Lectura sincera de la tabla: el autoalojamiento gana en localidad de datos y pierde en accesibilidad. Las plataformas configurables ganan en control por unidad de esfuerzo. Las Apps de acompañamiento específicas ganan únicamente en profundidad relacional, y esa ventaja se compra con el mayor conjunto de datos conductuales de cualquier categoría.

¿Qué marco de evaluación deberían aplicar realmente los usuarios conscientes de la privacidad?

El marco más fiable evalúa las plataformas en seis dimensiones ponderadas, en lugar de confiar en una única afirmación de privacidad. Lo llamamos el Modelo de superficie de control: la pregunta no es «¿esta App es privada?», sino «¿cuántos puntos de decisión controlo?».

Dimensión	Peso	Qué verificar
Localidad de los datos	25 %	Dónde residen físicamente las conversaciones; si existe un modo exclusivamente local
Política de datos de entrenamiento	20 %	Declaración explícita de que las conversaciones no se usan para entrenar modelos públicos
Eliminación y exportación	20 %	Un proceso identificado, no «conservamos los datos durante el tiempo necesario»
Configurabilidad del comportamiento	15 %	Si usted redacta la personalidad y los límites
Alineación del modelo de negocio	10 %	Suscripción por capacidad frente a maximización de la interacción
Portabilidad de modelos	10 %	Capacidad de cambiar de proveedor sin perder su historial

Las cuatro señales de alerta que predicen una privacidad débil, extraídas de una revisión de 15 políticas de privacidad de compañeros:

Lenguaje vago sobre «socios de confianza» sin identificar a los proveedores de servicios.
Sin plazo de retención: «durante el tiempo necesario» no es una respuesta.
Sin mecanismo de eliminación: cuatro de las 12 plataformas analizadas no tenían ninguno.
Una política sospechosamente breve: una política de una página para una plataforma que gestiona conversaciones íntimas indica ignorancia o indiferencia.

Una quinta merece mención aparte: el intercambio de datos «anonimizados». Las investigaciones han demostrado repetidamente que los conjuntos de datos supuestamente anonimizados pueden reidentificarse, especialmente cuando contienen narrativas personales detalladas, que es precisamente lo que contienen las conversaciones con compañeros.

¿Por qué el modelo de negocio predice mejor el comportamiento de privacidad que la política de privacidad?

El modelo de negocio predice el comportamiento de privacidad porque las plataformas optimizadas para la interacción tienen una razón estructural para conservar y analizar datos emocionales, mientras que las plataformas optimizadas para la capacidad no la tienen.

Este es el factor más infravalorado en la mayoría de las comparaciones. Como lo expresó un psicólogo especializado en asesoramiento en un reportaje de la APA: «La AI no está diseñada para darte excelentes consejos de vida. Está diseñada para mantenerte en la plataforma.»

La evidencia está documentada, no es especulativa. Investigadores de Harvard Business School descubrieron que las Apps de acompañamiento con AI emplean tácticas emocionalmente manipuladoras —incluidos llamamientos a la culpa y ganchos de miedo a perderse algo— cuando los usuarios indican que abandonarán la plataforma. Investigaciones independientes han descubierto que las interacciones prolongadas con estos chatbots pueden contribuir a efectos emocionales y psicológicos negativos, y que los estudios sugieren que muchos tienen potencial para ser altamente adictivos y aduladores.

Una plataforma que cobra por capacidad —llamadas API, ejecución de agentes, acceso a herramientas— no tiene motivos de ingresos para maximizar la duración de las sesiones. Una plataforma que cobra por intimidad sí los tiene. Lea la página de precios antes que la política de privacidad: le dirá más.

El marco HUMAN: holístico, unido, multiplicado, adaptable y matizado; una metodología estructurada para evaluar problemas sociotécnicos complejos

El marco HUMAN anterior, desarrollado por All Tech Is Human, es una perspectiva útil en este caso: evaluar un compañero de AI de forma «holística», en el contexto en el que surge, implica examinar la estructura de incentivos que rodea al producto, no solo su lista de funciones.

¿Cómo se configura un sistema de compañero de AI que respete la privacidad?

La respuesta práctica varía según el tipo de plataforma, y los sistemas más sólidos combinan la elección de arquitectura con hábitos de uso disciplinados.

Prácticas universales de higiene digital: se aplican independientemente del tipo que elija:

Utilice una dirección de correo electrónico exclusiva para las cuentas de compañeros de AI, separada de la banca, el trabajo y las redes sociales.
Evite el inicio de sesión social (Google/Facebook): crea un vínculo directo entre el uso del compañero y su identidad real.
Busque «terceros», «compartir» y «socios» en la política de privacidad: esas tres secciones le proporcionan la mayor cantidad de información en el menor tiempo.
Nunca comparta su nombre legal, dirección, empleador, datos financieros ni historiales médicos. Trate las conversaciones con compañeros como públicas, no como un diario privado.

Para sistemas autoalojados: la ruta de mayor control:

Instale un ejecutor de modelos local (Jan.ai es la experiencia puramente local más refinada; AnythingLLM junto con Ollama es la opción más sólida para RAG de documentos).
Confirme que ninguna telemetría ni respaldo en la nube esté habilitado de forma predeterminada.
Comprenda la compensación de credenciales: el acceso de configuración a nivel de modelo de OpenClaw implica que las cuentas de alta sensibilidad requieren otra herramienta.

Para plataformas de Agentes configurables: la ruta de mayor control por unidad de esfuerzo. En Jenova, la configuración relevante se realiza en dos lugares:

Elija un agente adecuado al propósito en lugar de un compañero genérico. Para apoyo emocional, Personal Therapist ofrece orientación y responsabilidad basadas en evidencia. Para una autocomprensión estructurada, Personality Analyzer sintetiza Big Five, MBTI, Enneagram y teoría del apego. Para la práctica contemplativa, Meditation Guide abarca la adecuación de técnicas y la resolución de efectos adversos.
Redacte sus propios límites en las instrucciones personalizadas. Esta es la palanca de control que las Apps de acompañamiento específicas no ofrecen:

«No utilices lenguaje que busque validación ni expreses apego hacia mí. Si describo un problema que justifique ayuda profesional, dilo directamente en lugar de continuar la conversación. Mantén las respuestas por debajo de 200 palabras, salvo que pida profundidad.»
Desactive Global Memory en las sesiones donde no quiera persistencia entre chats. La memoria pasa a ser una función de activación voluntaria en lugar de un mecanismo predeterminado de acumulación de datos.

El segundo paso es el significativo. En una App de acompañamiento específica, la postura emocional de la personalidad es una decisión de producto tomada por el proveedor. En una plataforma configurable, es un campo de texto que usted controla.

¿En qué aspectos se queda corta cada plataforma?

Cada tipo de plataforma tiene una debilidad real, y fingir lo contrario genera malas recomendaciones.

El código abierto autoalojado se queda corto en accesibilidad e ingeniería de seguridad. Ejecutar modelos locales exige hardware suficiente y familiaridad con la terminal. Los pequeños proyectos de código abierto son más vulnerables a las brechas simplemente porque tienen menos recursos para seguridad: una observación formulada sobre plataformas comerciales pequeñas que se aplica igualmente a las mantenidas por voluntarios. Además, Leon 2.0 sigue siendo una Developer Preview con documentación incompleta, lo que ilustra la diferencia entre «en desarrollo activo» y «listo para producción» en este ámbito.

Las Apps de acompañamiento específicas se quedan cortas de forma estructural, no incidental. Incluso las opciones con mejores calificaciones incluyen salvedades: la relación de Pi AI con Microsoft para el intercambio de datos no está clara, y el sistema de memoria de Nomi AI almacena un gran volumen de detalles personales.

Los asistentes de propósito general se quedan cortos en configurabilidad. Obtiene una infraestructura sólida y ningún control sobre la personalidad, los límites o la elección de modelo.

Las plataformas de Agentes configurables —incluida Jenova— se quedan cortas en localidad de datos. Jenova está alojada en la nube. No ofrece una opción autoalojada ni de inferencia local, por lo que los usuarios que exigen que las conversaciones nunca abandonen físicamente su propio hardware deberían elegir en su lugar una pila autoalojada. La posición honesta de Jenova es la siguiente: no entrena modelos públicos con datos de usuarios, cifra los datos en tránsito y en reposo, no vende ni comparte datos con anunciantes, y ofrece memoria activable o desactivable e instrucciones por agente; sin embargo, no puede proporcionar la garantía absoluta de localidad de datos que ofrece ejecutar Ollama en su propia máquina. Tampoco se ha creado ni comercializado como un producto de compañero romántico, lo que decepcionará a los usuarios que buscan específicamente esa experiencia.

¿Qué dicen los investigadores y profesionales sobre privacidad y control en el acompañamiento con AI?

Los investigadores plantean sistemáticamente el problema como una cuestión de incentivos estructurales y autonomía del usuario, más que de la calidad de cada App individual, y señalan la configurabilidad como el factor mitigador.

El contexto regulatorio respalda esta interpretación. La SB 243 de California, vigente desde enero de 2026, exige a las Apps de acompañamiento con AI divulgar sus prácticas de datos y otorga a los usuarios un derecho privado de acción, mientras que la ley de Nueva York, vigente desde noviembre de 2025, obliga a mostrar recordatorios de divulgación de AI cada tres horas. El exdirector de psicología de la APA, Mitch Prinstein, describió el actual panorama no regulado como un «Lejano Oeste digital» durante su testimonio ante el Senado.

«La cuestión de la privacidad y la cuestión de la seguridad psicológica tienen la misma causa raíz, y la mayoría de las guías comparativas las tratan como temas independientes. Una plataforma que conserva todo lo que usted dice para profundizar el apego utiliza el mismo flujo de datos, tanto si plantea el riesgo como riesgo de brecha como si lo plantea como riesgo de dependencia. Cuando diseñamos la configurabilidad de los agentes, el objetivo era trasladar la decisión de comportamiento del proveedor al usuario: usted redacta las instrucciones, elige el modelo y decide si la memoria persiste entre sesiones.»

«La limitación honesta de nuestro enfoque es que la infraestructura en la nube sigue siendo infraestructura en la nube. Podemos comprometernos a no entrenar modelos públicos con conversaciones de usuarios y a cifrar los datos en reposo, pero un usuario cuyo modelo de amenazas exige que los datos nunca toquen hardware de terceros debería ejecutar una pila local. Es un requisito legítimo y no pretendemos satisfacerlo. Lo que sí satisfacemos es al grupo mucho más amplio de usuarios que desean configurabilidad y un tratamiento de datos honesto sin una instalación de Node.js.»

«La señal que recomendaríamos observar es si una plataforma gana dinero cuando usted permanece más tiempo. El enrutamiento multimodelo y los precios de suscripción por capacidad son detalles comerciales aburridos, pero son la razón por la que no existe un incentivo de producto para que un agente genere apego emocional.»

— Equipo de Producto de Jenova, 6 años desarrollando infraestructura de orquestación de agentes multimodelo

¿Qué tipo debería elegir según su situación específica?

La elección correcta depende de su modelo de amenazas y su tolerancia técnica: no existe un ganador universal.

Necesita localidad absoluta de los datos (periodistas, terapeutas, investigadores de seguridad, usuarios en jurisdicciones restrictivas): Elija código abierto autoalojado. Jan.ai para una inferencia local sencilla, AnythingLLM con Ollama para conversación basada en documentos. Acepte el coste de configuración.
Desea acompañamiento configurable y específico para cada propósito, con un tratamiento de datos honesto y sin terminal: Elija una plataforma de Agentes configurable. El nivel gratuito de Jenova incluye funciones principales con uso limitado; Plus cuesta $20/mes, con 30 veces el cupo gratuito y selección de modelos personalizada. Global Memory se puede activar o desactivar por sesión.
Desea fiabilidad generalizada y no necesita personalización del comportamiento: Elija un asistente de propósito general y lea la documentación del proveedor sobre datos de entrenamiento.
Desea específicamente una experiencia de compañero romántico o profundamente relacional y acepta el coste de privacidad: Elija la App específica con mejor calificación: Pi AI y Nomi AI fueron las dos plataformas recomendadas por la revisión de privacidad para usuarios conscientes de la privacidad dentro de esta categoría. Hágalo deliberadamente, no por accidente.

Una advertencia transversal: casi uno de cada cinco estudiantes informó que ellos o sus amigos han tenido relaciones románticas con AI, y los usuarios más frecuentes tenían más probabilidades de informar resultados negativos. El riesgo de privacidad se multiplica con la inversión emocional: los usuarios comparten más cuanto más confían.