En medio de este cambio, Samsung Electronics ha posicionado a Bixby a la vanguardia. Con su lanzamiento oficial el pasado 31 de marzo, Bixby ha evolucionado de un asistente de voz a un “agente de dispositivo”, capaz de comprender el contexto del dispositivo, conectar funciones y ejecutar tareas complejas en nombre de los usuarios. Con un control intuitivo mediante lenguaje natural, Bixby ofrece soluciones personalizadas basadas en el estado del dispositivo, junto con acceso fluido a información web dentro de un único flujo conversacional.

Entonces, ¿qué implica convertir a Bixby en algo más que un asistente de voz? Jisun Park, vicepresidente ejecutivo corporativo y líder del equipo de Language AI en el negocio Mobile eXperience (MX) de Samsung Electronics, lo explica.

▲ Jisun Park, vicepresidente ejecutivo corporativo y líder del equipo de Language AI, Mobile eXperience (MX) Business en Samsung Electronics.

¿Qué ha cambiado en el nuevo Bixby en comparación con el anterior?

Bixby ha evolucionado hasta convertirse en un agente de dispositivo más potente, superando el concepto de asistente tradicional. Optimizado para el dispositivo de cada usuario, comprende a profundidad el estado y las capacidades del dispositivo para ofrecer respuestas más relevantes y soluciones personalizadas. Con una comprensión mejorada del lenguaje natural, también permite un control del dispositivo más intuitivo y fluido.

▲ Jisun Park utiliza lenguaje natural para preguntarle a Bixby qué configuraciones del dispositivo ajustar para reducir la fatiga visual.

¿Cuáles son algunas de las experiencias clave que los usuarios pueden esperar del nuevo Bixby?

La mejora más notable es lo intuitivo que se ha vuelto el control del dispositivo.

Bixby comprende la intención del usuario y recomienda la configuración o función más adecuada, lo que elimina la necesidad de navegar por menús o conocer los nombres exactos de las funciones. Los usuarios pueden simplemente describir lo que desean en lenguaje natural.

Por ejemplo, si un usuario dice: “Haz que mi pantalla sea visible solo para mí”, Bixby activa la función Privacy Display.

Bixby también puede responder preguntas sobre el dispositivo y ofrecer soluciones personalizadas basadas en la configuración actual, esencialmente, un centro de servicio en tu bolsillo. Por ejemplo, al preguntar “Mis ojos están cansados, ¿cómo puedo hacer que la pantalla sea más cómoda de ver?”, Bixby recomendará y activará la función Eye comfort shield en ese mismo momento.

Los usuarios pueden obtener respuestas y soluciones simplemente haciendo preguntas durante una conversación, sin necesidad de buscar en configuraciones ni abrir aplicaciones separadas como un navegador o mapas.

Además, Bixby ya no se limita a consultas relacionadas con el dispositivo. Ahora puede analizar información web en tiempo real y ofrecer respuestas relevantes. Por ejemplo, los usuarios pueden preguntar: “Recomiéndame tres restaurantes coreanos en Seúl para una familia de cuatro personas” y recibir resultados directamente dentro de la conversación.

Esto permite a los usuarios hacer preguntas de seguimiento de forma natural y obtener la información que necesitan sin interrumpir su flujo ni cambiar de contexto.

¿Cuál fue la parte más desafiante del proceso de actualización de Bixby?

El mayor esfuerzo se centró en rediseñar la arquitectura de Bixby, pasando de un sistema basado en comandos a uno agéntico, lo que le permite comprender mejor la intención del usuario y ofrecer resultados óptimos.

Anteriormente, Bixby clasificaba la entrada del usuario y ejecutaba tareas basadas en escenarios predefinidos. Ahora, con un modelo de lenguaje grande (LLM) en su núcleo, puede interpretar la intención de forma más flexible y generar sus propios planes de ejecución.

Específicamente, transformamos funciones individuales en agentes invocables y las definimos de manera que el LLM pueda utilizarlas según sea necesario. Esto permite que el sistema combine múltiples funciones y APIs para completar tareas de forma más significativa, yendo más allá de la simple comprensión del lenguaje natural.

Como resultado, Bixby ahora gestiona solicitudes complejas de múltiples pasos de manera más natural y con mayor conciencia contextual, incluyendo escenarios que antes eran difíciles de procesar.

¿Hubo alguna experiencia memorable durante el desarrollo?

La mejora del rendimiento en el idioma coreano fue particularmente memorable. El uso extensivo de partículas y terminaciones verbales en el coreano genera una gran variedad de formas léxicas, mientras que su orden sintáctico flexible y su dependencia del contexto permiten que el significado varíe considerablemente. Estas características hacen que a los LLM les resulte difícil interpretar de forma fiable la estructura y la semántica de las oraciones.

Para captar mejor estos rasgos lingüísticos, perfeccionamos el enfoque de entrenamiento de nuestros modelos basados en LLM, mejorando la arquitectura del modelo y reforzando el aprendizaje basado en el contexto. Como resultado, elevamos el rendimiento del idioma coreano muy por encima de nuestros objetivos iniciales. Ese fue el momento en que todo el equipo realmente creyó que este nuevo Bixby es genuinamente diferente.

¿Qué papel desempeñará Bixby en la transición de Samsung hacia la era de la IA agéntica?

Bixby desempeñará un papel clave como agente de dispositivo, ayudando a los usuarios a acceder y utilizar los dispositivos Samsung con mayor facilidad y a su máximo potencial.

En esencia, la IA agéntica se trata de comprender la intención y el contexto para llevar a cabo tareas de forma autónoma en nombre de los usuarios, al hacer que las experiencias cotidianas sean más simples y convenientes. A través de esto, Samsung busca acelerar la adopción masiva de la IA e integrarla de forma fluida en la vida diaria, como si fuera una infraestructura esencial.

Con Bixby, los usuarios pueden descubrir y utilizar una amplia gama de funciones de Galaxy AI sin necesidad de conocimientos técnicos. De esta manera, Bixby reduce la barrera de entrada a la IA y ayuda a que más personas disfruten de experiencias de IA en su vida diaria.

▲ Jisun Park habla con Galaxy S26 Ultra para demostrar las nuevas capacidades agénticas de Bixby.

Bixby ahora se está expandiendo más allá de los dispositivos móviles Galaxy a otros dispositivos Samsung. ¿Puede contarnos más sobre esto?

Bixby ya está disponible en una variedad de dispositivos Samsung más allá del ecosistema Galaxy, lo que brinda mayor conveniencia a los usuarios.

Esta evolución de Bixby se está implementando gradualmente en más productos, para permitir a los usuarios de Samsung controlar múltiples dispositivos en el hogar de manera más conveniente.

A través de la integración con SmartThings, los usuarios también pueden controlar electrodomésticos de forma remota mediante dispositivos Galaxy. Por ejemplo, estando fuera de casa, pueden decir: “Comienza a limpiar el suelo” a una aspiradora robot, o “Enciende el aire acondicionado en modo deshumidificación” antes de llegar a casa.

Esto permite a los usuarios gestionar su entorno doméstico de manera más fluida, incluso cuando no están en casa.

A medida que Bixby continúa expandiéndose a más dispositivos, ofrecerá una experiencia más integrada y conectada, lo que ayudará a los usuarios a disfrutar de mayor comodidad en su vida diaria.

▲ Con Bixby, los usuarios pueden descubrir y utilizar una amplia gama de funciones de Galaxy AI en su vida diaria sin necesidad de conocimientos técnicos.

¿Cuál es la dirección futura y el objetivo de Bixby?

Nuestro objetivo es que Bixby se convierta en el principal punto de entrada para interactuar con los productos Samsung.

En el pasado los usuarios tenían que buscar la aplicación ideal, navegar por menús y moverse entre múltiples pantallas para completar una tarea.

Con Bixby hablar es suficiente para hacer las cosas. Esto representa un cambio de interacciones basadas en aplicaciones y menús hacia una experiencia más natural, impulsada por la conversación.

Para lograrlo estamos avanzando continuamente en capacidades clave de IA como la comprensión del lenguaje natural, el razonamiento basado en contexto y la planificación.

Al mismo tiempo, estamos expandiendo Bixby a más dispositivos. Como agente de dispositivo que comprende cada producto y lo conecta con la intención del usuario, Bixby se convertirá en un socio natural y fluido en la vida cotidiana.

A diferencia de los sistemas basados en servidor, los entornos en el dispositivo operan con limitaciones estrictas de memoria y capacidad de cómputo. Por ello, reducir el tamaño del modelo de IA y maximizar la eficiencia de ejecución resulta fundamental. Para superar este desafío, el Centro de IA de Samsung Research lidera el desarrollo de tecnologías esenciales, que abarcan desde la compresión de modelos y la optimización de software hasta el diseño de nuevas arquitecturas.

Samsung Newsroom conversó con el Dr. MyungJoo Ham, Master del AI Center en Samsung Research, para analizar el futuro de la IA en el dispositivo y las tecnologías de optimización que la hacen posible.

▲ Dr. MyungJoo Ham.

El primer paso hacia la IA en el dispositivo

En el corazón de la IA generativa, que interpreta el lenguaje del usuario y produce respuestas naturales, se encuentran los grandes modelos de lenguaje (Large Language Models, LLMs). El primer paso para habilitar la IA en el dispositivo consiste en comprimir y optimizar estos modelos masivos para que se ejecuten correctamente en celulares u otros dispositivos portátiles.

“Ejecutar un modelo altamente avanzado que realiza miles de millones de cálculos directamente en un smartphone o una laptop agotaría rápidamente la batería, aumentaría la temperatura y ralentizaría los tiempos de respuesta, lo que degradaría notablemente la experiencia del usuario”, dijo el Dr. Ham. “La tecnología de compresión de modelos se desarrolló para resolver estos problemas”.

Los LLMs realizan cálculos mediante representaciones numéricas sumamente complejas. La compresión de modelos simplifica estos valores en formatos enteros más eficientes mediante un proceso denominado cuantificación. “Es como comprimir una foto de alta resolución para reducir el tamaño del archivo sin perder calidad visual apreciable”, detalló. “Por ejemplo, convertir cálculos de punto flotante de 32 bits a enteros de 8 bits o incluso de 4 bits disminuye significativamente el uso de memoria y la carga computacional, lo que acelera los tiempos de respuesta”.

▲ La compresión del modelo cuantifica los pesos del modelo para reducir el tamaño, aumentar la velocidad de procesamiento y mantener el rendimiento.

Una caída en la precisión numérica durante la cuantificación puede afectar la precisión general de un modelo. Para equilibrar la velocidad y la calidad del rendimiento, Samsung Research desarrolla algoritmos y herramientas que miden y calibran cuidadosamente el desempeño después del proceso de compresión.

“El objetivo de la compresión de modelos no es solo reducir su tamaño, sino mantenerlos rápidos y precisos”, explicó el Dr. Ham. “Mediante algoritmos de optimización, analizamos la función de pérdida del modelo durante la compresión y lo reentrenamos hasta que sus resultados se mantienen cerca de los originales, corrigiendo las áreas con errores significativos. Como cada peso del modelo tiene un nivel diferente de importancia, preservamos con mayor precisión los pesos críticos y comprimimos de forma más agresiva los menos relevantes. Este enfoque maximiza la eficiencia sin comprometer la precisión”.

Además de desarrollar la tecnología de compresión de modelos en su fase de prototipo, Samsung Research la adapta y aplica a productos reales, como smartphones y electrodomésticos. “Cada modelo de dispositivo tiene una arquitectura de memoria y un perfil de cómputo propios, por lo que un enfoque genérico no puede ofrecer un rendimiento de IA equivalente al de la nube”, señaló. “A través de una investigación orientada al producto, diseñamos nuestros propios algoritmos de compresión para mejorar las experiencias de IA que los usuarios perciben directamente en sus manos”.

El motor oculto que impulsa el rendimiento de la IA

Incluso con un modelo bien comprimido, la experiencia del usuario depende, en última instancia, de cómo se ejecuta en el dispositivo. Samsung Research desarrolla un motor de tiempo de ejecución de IA (AI runtime engine) que optimiza el uso de la memoria y los recursos de cómputo del dispositivo durante la ejecución.

“El tiempo de ejecución de IA es, esencialmente, la unidad de control del motor del modelo”, explicó el Dr. Ham. “Cuando un modelo se ejecuta en varios procesadores, como la unidad central de procesamiento (CPU), la unidad de procesamiento de gráficos (GPU) y la unidad de procesamiento neuronal (NPU), el tiempo de ejecución asigna automáticamente cada operación al chip más adecuado y reduce al mínimo el acceso a la memoria para aumentar el rendimiento general de la IA”.

El tiempo de ejecución de IA también permite que modelos más grandes y complejos se ejecuten a la misma velocidad en el mismo dispositivo. Esto reduce la latencia de respuesta y mejora la calidad general de la IA, al ofrecer resultados más precisos, conversaciones más naturales y procesamiento de imágenes más detallado.

“Los mayores cuellos de botella en la IA en el dispositivo son el ancho de banda de la memoria y la velocidad de acceso al almacenamiento”, señaló. “Estamos desarrollando técnicas de optimización que equilibran de forma inteligente la memoria y la capacidad de cómputo”. Por ejemplo, cargar solo los datos necesarios en cada momento, en lugar de mantener todo en memoria, aumenta la eficiencia. “Samsung Research ya cuenta con la capacidad de ejecutar un modelo generativo de 30 mil millones de parámetros, que normalmente supera los 16 GB de tamaño, en menos de 3 GB de memoria”, destacó.

▲ El software de tiempo de ejecución de IA predice cuándo se producen los cálculos de peso para minimizar el uso de memoria y aumentar la velocidad de procesamiento.

La próxima generación de arquitecturas de odelos de IA

La investigación sobre arquitecturas de modelos de IA, los planos fundamentales de los sistemas de inteligencia artificial, también muestra un avance significativo. “Debido a que los entornos en el dispositivo tienen memoria y recursos de cómputo limitados, es necesario rediseñar las estructuras de los modelos para que operen de forma eficiente en el hardware”, explicó el Dr. Ham. “Nuestra investigación en arquitectura se enfoca en crear modelos que maximicen la eficiencia del hardware”. En resumen, el objetivo es construir arquitecturas compatibles con el dispositivo desde cero, de modo que el modelo y el hardware trabajen en armonía desde el principio.

Entrenar LLMs requiere una inversión considerable de tiempo y recursos, y una estructura mal diseñada puede aumentar aún más esos costos. Para reducir las ineficiencias, Samsung Research evalúa el rendimiento del hardware con anticipación y diseña arquitecturas optimizadas antes de iniciar el entrenamiento. “En la era de la IA en el dispositivo, la clave de la ventaja competitiva radica en cuánta eficiencia se puede obtener de los mismos recursos de hardware”, señaló. “Nuestro objetivo es alcanzar el nivel más alto de inteligencia dentro del chip más pequeño posible: esa es la dirección técnica que seguimos”.

Hoy, la mayoría de los LLMs se basan en la arquitectura transformer. Los transformers analizan una oración completa para determinar las relaciones entre las palabras, un método eficaz para comprender el contexto, aunque con una limitación clave: las demandas computacionales aumentan drásticamente a medida que las oraciones se vuelven más extensas. “Estamos explorando una amplia variedad de enfoques para superar estas limitaciones, evaluando cada uno según su eficiencia en entornos de dispositivos reales”, explicó el Dr. Ham. “Nos enfocamos no solo en mejorar los métodos actuales, sino también en desarrollar la próxima generación de arquitecturas basadas en metodologías completamente nuevas”.

▲ La investigación sobre optimización arquitectónica transfiere el conocimiento de un modelo grande a uno más pequeño, mejorando la eficiencia computacional y manteniendo el rendimiento.

El camino a seguir para la IA en el dispositivo

¿Cuál es el desafío más crítico para el futuro de la IA en el dispositivo? “Alcanzar un rendimiento equivalente al de la nube directamente en el dispositivo”, respondió el Dr. Ham. Para hacerlo posible, la optimización del modelo y la eficiencia del hardware deben trabajar de forma conjunta para ofrecer una IA rápida y precisa, incluso sin conexión de red. “Mejorar simultáneamente la velocidad, la precisión y la eficiencia energética será aún más importante en el futuro”, agregó.

Los avances en la IA en el dispositivo permiten que los usuarios disfruten de experiencias rápidas, seguras y altamente personalizadas, en cualquier momento y lugar. “La IA mejorará su capacidad de aprendizaje en tiempo real dentro del dispositivo y su adaptación al entorno de cada usuario”, afirmó el Dr. Ham. “El futuro radica en ofrecer servicios naturales e individualizados, al mismo tiempo que se protege la privacidad de los datos”.

Samsung continúa ampliando los límites de la innovación para ofrecer experiencias más avanzadas impulsadas por IA en el dispositivo optimizada. Con estos esfuerzos, la compañía busca proporcionar interacciones más fluidas, intuitivas y memorables para cada usuario.

Samsung Electronics presentó hoy TRUEBench (Trustworthy Real-world Usage Evaluation Benchmark), un benchmark propietario desarrollado por Samsung Research para evaluar la productividad de la AI. 

TRUEBench ofrece un conjunto integral de métricas para medir cómo los Modelos de lenguaje de gran escala (LLMs, por sus siglas en inglés) se desempeñan en aplicaciones reales de productividad en el lugar de trabajo. Para garantizar una evaluación realista, incorpora diversos escenarios de diálogo y condiciones multilingües. 

Basado en el uso interno de AI de Samsung para la productividad, TRUEBench evalúa tareas empresariales de uso común, como generación de contenido, análisis de datos, resumen y traducción en 10 categorías y 46 subcategorías. El benchmark asegura una puntuación confiable mediante evaluación automática impulsada por AI, con criterios diseñados y refinados de manera colaborativa por humanos e inteligencia artificial.   

“Samsung Research aporta una profunda experiencia y una ventaja competitiva gracias a su conocimiento en AI aplicada al mundo real”, afirmó Paul (Kyungwhoon) Cheun, CTO de la División DX de Samsung Electronics y director de Samsung Research. “Esperamos que TRUEBench establezca estándares de evaluación para la productividad y consolide el liderazgo tecnológico de Samsung”. 

Recientemente, a medida que las empresas adoptan la AI para sus tareas, ha aumentado la demanda de métricas que midan la productividad de los LLMs. Sin embargo, los benchmarks existentes miden principalmente el desempeño general, se centran en el inglés y se limitan a estructuras de preguntas y respuestas de una sola interacción. Esta limitación reduce su capacidad de reflejar entornos laborales reales.  

Para abordar estas limitaciones, TRUEBench está compuesto por un total de 2.485 conjuntos de prueba en 10 categorías y 12 idiomas [1], además de incluir escenarios interlingüísticos. Los conjuntos de prueba evalúan lo que los modelos de A realmente pueden resolver, y Samsung Research aplicó pruebas que van desde apenas 8 caracteres hasta más de 20.000 caracteres, lo que refleja tareas que abarcan desde solicitudes simples hasta resúmenes extensos de documentos. 

Para evaluar el rendimiento de los modelos de inteligencia artificial, resulta esencial contar con criterios claros que determinen si las respuestas son correctas. En situaciones reales, no todas las intenciones del usuario se expresan de forma explícita en las instrucciones. TRUEBench está diseñado para permitir una evaluación realista al considerar no solo la exactitud de las respuestas, sino también condiciones detalladas que atienden las necesidades implícitas de los usuarios.  

Samsung Research verificó los ítems de evaluación mediante un proceso de colaboración entre humanos e inteligencia artificial. En primer lugar, los anotadores humanos crean los criterios de evaluación; posteriormente, la AI los revisa para detectar errores, contradicciones o restricciones innecesarias. Luego, los anotadores humanos refinan nuevamente los criterios y repiten este proceso para aplicar estándares de evaluación cada vez más precisos. Con base en estos criterios verificados de manera cruzada, la evaluación automática de los modelos de inteligencia artificial se lleva a cabo minimizando el sesgo subjetivo y garantizando la consistencia. Además, para cada prueba, todas las condiciones deben cumplirse para que el modelo apruebe. Esto asegura una puntuación más detallada y precisa en todas las tareas.  

Las muestras de datos y los rankings de TRUEBench están disponibles en la plataforma global de código abierto Hugging Face, lo que permite a los usuarios comparar hasta cinco modelos y obtener una visión integral del rendimiento de los modelos de AI de un solo vistazo. También se publican datos sobre la longitud promedio de las respuestas, lo que facilita la comparación simultánea del rendimiento y la eficiencia. La información detallada está disponible en la página de TRUEBench en Hugging Face: https://huggingface.co/spaces/SamsungResearch/TRUEBench. 

1 Chino, inglés, francés, alemán, italiano, japonés, coreano, polaco, portugués, ruso, español y vietnamita.