Google utiliza tecnología de IA para traducir contenido a tu idioma preferido. Las traducciones realizadas con IA pueden contener errores.

Encuentra la solución de IA o AA adecuada para tu función

Esta guía te ayuda a encontrar la solución de IA o AA adecuada para tu caso de uso. Proporciona orientación para ayudarte a navegar por las diversas soluciones disponibles y elegir la que mejor se adapte a tus necesidades, según los requisitos de la función que quieras implementar.

En general, cuando elijas herramientas y modelos para implementar tu función de IA o AA, deberías usar el modelo más simple que satisfaga tus necesidades. Para identificar la solución óptima, debes pensar en lo siguiente:

¿La función necesita generar contenido nuevo (IA generativa) o predecir/categorizar de forma determinística (AA tradicional)?
Alcance de la función: ¿La tarea se puede realizar por completo dentro de tu app (inteligencia integrada en la app) o requiere varias apps para completarse (inteligencia a nivel del sistema)?
Ubicación del modelo: ¿La tarea se puede realizar sin conexión (modelo integrado en el dispositivo) o requiere interactuar con un servidor (modelo basado en la nube)?
Versión del kit de herramientas o del modelo: ¿Qué tan compleja es la tarea, desde tareas simples de inferencia única hasta la organización de varios agentes?

En el siguiente diagrama de flujo, se muestra el proceso de toma de decisiones a un nivel general:

Figura 1. Proceso de toma de decisiones de alto nivel para elegir una solución de IA o AA

Para fundamentar tu decisión en cada paso, consulta las secciones del resto de este documento.

IA generativa frente al AA tradicional

Los modelos de IA generativa crean contenido nuevo, mientras que los modelos de AA tradicionales predicen resultados o categorizan datos de una manera completamente determinística. Si tu función no implica generar contenido nuevo, las soluciones de AA tradicionales podrían ser suficientes. En la siguiente tabla, se resumen algunas soluciones de AA tradicionales:

Kit de herramientas/solución	Tipo	Caso de uso principal	Ejemplos
SDK de ML Kit	En el dispositivo	Tareas de procesamiento de lenguaje natural y visión precompiladas	Escáner de recibos con OCR Registros rápidos de eventos con código QR Traducción de menús sin conexión
LiteRT	En el dispositivo	Entornos de ejecución de modelos personalizados	Clasificación de imágenes médicas Predicción de palabras del teclado inteligente para temas específicos
MediaPipe	En el dispositivo	Tareas de percepción de transmisiones de video o audio en tiempo real	Asesoramiento en tiempo real sobre las posturas durante el entrenamiento Filtros y efectos faciales Reconocimiento de gestos con la mano
APIs de Google Cloud, incluidas la API de Cloud Vision y la API de Cloud Natural Language	Basado en la nube	Tareas de procesamiento de lenguaje natural y visión precompiladas	Subtitulado automático de videos Control de calidad y cumplimiento de las imágenes
Agent Platform	Basado en la nube	Entrenamiento y, también, implementación de modelos personalizados de extremo a extremo	Reconocimiento de imágenes especializado a gran escala Búsqueda de fotografías de stock

El resto de este documento trata sobre las soluciones de IA generativa.

Inteligencia en la app frente a inteligencia a nivel del sistema

Para identificar la mejor solución de IA generativa, decide si tu función potenciada por IA funciona por completo dentro de tu app o si requiere interactuar con otras apps o el SO Android, fuera de cualquier app. Si el sistema activa tu función, fuera de cualquier app, se considera inteligencia a nivel del sistema. En la siguiente tabla, se resumen las diferencias entre las funciones de inteligencia integradas en la app y las del sistema:

	Inteligencia integrada en la app	Inteligencia a nivel del sistema
Alcance de la tarea	En la app	En todas las apps (o activadas por el sistema, fuera de cualquier app)
Herramientas	SDK de ML Kit, LiteRT, Firebase AI Logic o backend alojado de forma independiente	AppFunctions
Casos de uso	Resumir, revisar o transcribir texto Descripción de imágenes Crea un chatbot integrado en la app Generar imágenes	Crear una lista de compras en una app de entregas según lo que escribiste en un documento de notas Reserva un viaje a la oficina y envíale un mensaje a tu compañero de trabajo con tu hora estimada de llegada Encontrar una recomendación de restaurante en tu bandeja de entrada de correo electrónico y hacer una reserva

Inteligencia integrada en la app

Las funciones de inteligencia integradas en la app no necesitan interactuar con otras apps ni con el sistema más allá de la app. Una vez que determines que tu función potenciada por IA es completamente integrada en la app, debes decidir si puedes ejecutarla por completo integrado en el dispositivo, usar un modelo basado en la nube o adoptar un enfoque híbrido que combine ambos.

Si realizas alguna acción que requiera entrada de video o tareas que involucren varios agentes, debes usar un modelo basado en la nube. En la siguiente tabla, se comparan las capacidades de los modelos integrados en el dispositivo con los basados en la nube:

	En el dispositivo	Nube
Herramientas	SDK de ML Kit o LiteRT	Firebase AI Logic o backend alojado de forma independiente
Tipo de entrada	Texto Imagen Audio	Texto Imagen Audio Video
Tipo de salida	Texto	Texto Imagen Audio
Sensibilidad de los datos del usuario	Alto	Inferior
Modelos	Gemma Gemini Nano	Gemini Flash Gemini Flash Lite Gemini Pro
Casos de uso	Procesar contenido breve, por ejemplo, resumir, revisar o reescribir un mensaje de chat o un correo electrónico cortos Descripción de imágenes Personalizar el resultado para los usuarios según sus intereses Maneja datos sensibles del usuario Transcribe un clip de audio corto	Crea un chatbot Generar imágenes Traduce conversaciones en tiempo real Edición de fotos en la app Tareas de varios agentes

Modelos integrados en el dispositivo

Es probable que los modelos integrados en el dispositivo sean preferibles si se aplica alguna de las siguientes condiciones:

Restricciones de costos
La función debe poder ejecutarse sin conexión.
Requisitos de privacidad
La tarea en cuestión es relativamente sencilla: no requiere organización de varios agentes.

Ten en cuenta que los dispositivos de tus usuarios deben poder admitir modelos integrados en el dispositivo. Los modelos integrados en el dispositivo suelen requerir dispositivos más premium que puedan admitir el procesamiento local.

Una vez que hayas determinado que los modelos integrados en el dispositivo son suficientes para tu función, el kit de herramientas o la solución óptimos dependerán principalmente de la complejidad de la tarea. En la siguiente tabla, se resumen las opciones de herramientas de IA generativa integradas en la app y en el dispositivo:

Complejidad de la tarea	Características de las funciones	Ejemplo	Kit de herramientas/solución
Baja	Inferencia única Generación pura	Resumir texto	SDK de ML Kit LiteRT para modelos ajustados (dominios de nicho)
Medio	LLM aumentado Llamada a función Historial de conversación	Consulta y respuesta	Glossary: API de Prompt de ML Kit
Alta	Bucle de un solo agente, que se repite hasta que se completa la tarea	Comentarios de los clientes o clasificación de errores	API de agente de IA generativa de ML Kit

Usa la API de Prompt de ML Kit para generar texto conversacional sencillo de un solo turno o de varios turnos. Cuando tu función requiera una ejecución autónoma en varios pasos integrado en el dispositivo, usa la API de GenAI Agent de ML Kit. La API de Agent admite bucles de razonamiento integrados en el dispositivo que pueden planificar, invocar herramientas con tipo con anotaciones de @Tool, conservar el contexto de la sesión en todas las interacciones y aplicar límites de turnos con maxTurns.

Modelos basados en la nube

Si tu función no se puede ejecutar por completo integrado en el dispositivo, debes usar un modelo basado en la nube. Existen dos opciones principales para usar un modelo basado en la nube:

Backend administrado con Firebase AI Logic. Si ya eres usuario de Firebase o quieres crear un prototipo de algo con relativa rapidez, Firebase AI Logic es probablemente la mejor solución.

Nota: El SDK de Firebase AI Logic solo admite modelos de Gemini.
Backend personalizado o servidor autoalojado Si quieres usar modelos que no sean de Gemini, tienes requisitos de privacidad estrictos o necesitas completar una tarea muy compleja, es probable que debas usar un backend personalizado. También recomendamos las siguientes herramientas para la configuración del backend personalizado:
- Haz que tu backend personalizado ejecute un framework de agentes, como el Kit de desarrollo de agentes.
- Conecta el frontend de la app al backend de agentes con AG-UI
- Permite que los agentes generen IU enriquecidas e interactivas con A2UI

En la siguiente tabla, se resume cuándo usar Firebase AI Logic o un backend personalizado para las herramientas de IA generativa integradas en la app y basadas en la nube:

Complejidad de la tarea	Características de las funciones	Ejemplo	Kit de herramientas/solución
Baja	Inferencia única Generación pura	Resumir texto	Firebase AI Logic Backend personalizado
Medio	LLM aumentado Llamada a función Historial de conversación	Consulta y respuesta	Firebase AI Logic Backend personalizado
Alta	Bucle de un solo agente, que se repite hasta que se completa la tarea	Comentarios de los clientes o clasificación de errores	Backend personalizado
Muy alto	Organización de varios agentes	Crear un equipo de agentes para administrar diferentes aspectos de un viaje	Backend personalizado

Enfoque híbrido

Usa un enfoque híbrido cuando tu función se pueda ejecutar de forma local, pero no todos tus usuarios tengan dispositivos que admitan modelos integrados en el dispositivo y necesites usar modelos en la nube como resguardo. Para obtener más información, consulta Inferencia híbrida.

Inteligencia a nivel del sistema

La inteligencia a nivel del sistema permite que la plataforma de Android actúe como un organizador de tareas. La inteligencia a nivel del sistema permite que los agentes del sistema, como Gemini, completen las solicitudes de los usuarios en varias apps y servicios web.

Para conectar tu app con el sistema de inteligencia de Android, elige un método de integración en función de si quieres un control programático o acciones automatizadas basadas en la IU:

Opción de integración	Caso de uso
AppFunctions	Haz que las funciones específicas de tu app estén disponibles para que los agentes las descubran y ejecuten integrado en el dispositivo.
Servidor de MCP remoto	Haz que las funciones específicas de tu app estén disponibles para integrarse directamente con el backend del agente. Es ideal para el desarrollo multiplataforma.
Control de la computadora	Permite que un asistente precargado por el OEM automatice tareas interactuando directamente con la IU de una app.

Para obtener más información sobre las opciones de herramientas de inteligencia a nivel del sistema, consulta Conecta tu app al sistema de inteligencia de Android.