Google presenta FunctionGemma para IA local en móviles

Google presenta FunctionGemma, un modelo de IA diseñado para convertir órdenes escritas o habladas en acciones concretas dentro de una aplicación o dispositivo. Por ejemplo, puede interpretar "enciende la linterna" y llamar a la función del sistema que realiza esa tarea, sin enviar los datos a un servidor.

El modelo parte de Gemma 3 270M, una versión compacta de la familia abierta de Google con 270 millones de parámetros. Está especializado en lo que se conoce como function calling: la capacidad de una IA para elegir y ejecutar funciones de software en lugar de limitarse a responder con texto.

IA que actúa desde el dispositivo

FunctionGemma está pensado para móviles, equipos pequeños y otros dispositivos periféricos. Puede funcionar sin conexión y procesar localmente comandos como:

• Crear un evento en el calendario.
• Añadir una persona a los contactos.
• Activar o desactivar ajustes del sistema.
• Controlar dispositivos inteligentes, medios o navegación.

El modelo también puede volver al lenguaje natural después de ejecutar una acción y explicarte el resultado. Esa combinación le permite hablar contigo y, al mismo tiempo, comunicarse con las herramientas del dispositivo.

La ejecución local aporta dos ventajas claras: menos latencia y más privacidad. Una orden sencilla no tiene que viajar a la nube, esperar una respuesta y regresar al teléfono. Las tareas más complejas sí pueden enviarse a un modelo mayor, como Gemma 3 27B, mientras FunctionGemma actúa como filtro para resolver primero lo que puede hacerse en el propio dispositivo.

La personalización es parte del diseño

Google no presenta FunctionGemma como un modelo que funcione igual de bien para cualquier tarea desde el primer intento. Su objetivo principal es servir como base para ajustarlo a un conjunto definido de funciones.

En la evaluación "Mobile Actions", Google afirma que el ajuste especializado del modelo elevó la precisión del 58% al 85%. La diferencia muestra por qué, en este tipo de sistemas, entrenar el modelo con ejemplos concretos puede ser más útil que limitarse a escribir instrucciones generales.

En la práctica, una empresa podría entrenarlo con las acciones disponibles en su aplicación: reservar una mesa, cambiar una preferencia o controlar una cámara. Cuanto más cerrado y claro sea ese conjunto de funciones, más fácil resulta comprobar qué puede hacer el modelo y cómo responde ante cada orden.

Ejemplos en móviles y juegos

Google permite probar estas capacidades mediante la aplicación Google AI Edge Gallery. Uno de los ejemplos, llamado Mobile Actions, ejecuta comandos del sistema completamente sin conexión. Otro, TinyGarden, convierte instrucciones como "planta girasoles en la fila superior y riégalos" en varias funciones del juego, como plantCrop y waterCrop, aplicadas a coordenadas concretas.

También hay una demostración de puzles de física que funciona localmente en el navegador con FunctionGemma y Transformers.js. En ninguno de estos casos hace falta consultar un servidor para interpretar las acciones del usuario.

Qué cambia para ti

FunctionGemma no convierte cualquier móvil en un asistente general capaz de resolverlo todo. Su utilidad está en algo más concreto: dar una interfaz de lenguaje natural a funciones que ya existen.

Eso puede hacer más sencillas tareas repetitivas en aplicaciones, hogares inteligentes, juegos y herramientas empresariales. También permite que determinadas órdenes sigan funcionando cuando no hay conexión o cuando la información no debería salir del dispositivo.

El modelo puede descargarse desde Hugging Face y Kaggle. Google ofrece además guías para ajustar plantillas de llamadas a funciones, entrenar el modelo y desplegarlo con herramientas como LiteRT-LM, llama.cpp, Ollama, MLX o LM Studio.

La siguiente cuestión será comprobar cuánto mejora en productos reales fuera de las demostraciones. El enfoque apunta a una IA menos centrada en conversar y más integrada con las acciones concretas que tu dispositivo ya sabe ejecutar.