Sova AI: Agente de IA para Android sin PC

Sova AI: Un Agente de IA Autónomo para Automatizar Tareas en Android

Sova AI es una aplicación móvil para Android que implementa un agente de IA capaz de controlar aplicaciones y realizar tareas del usuario directamente en el dispositivo. No requiere ADB, conexión USB, acceso root ni PC. Opera mediante la API de Accesibilidad, analizando el árbol de elementos de la pantalla y capturas de pantalla. Admite comandos de voz como asistente predeterminado.

Diferencias con Soluciones Existentes

La mayoría de asistentes de IA para dispositivos móviles (uso en PC, navegador) están vinculados a un ordenador, limitando la movilidad. Sova AI funciona exclusivamente en el teléfono, simulando clics, desplazamientos, apertura de aplicaciones y otras acciones del usuario. Combina análisis del árbol de interfaz con visión por computadora para mayor precisión, minimizando el uso de tokens de LLM.

Modelos de IA Compatibles

La aplicación utiliza BYOK (Bring Your Own Key) — el usuario proporciona una clave API de un proveedor. Integración con:

• OpenAI
• Anthropic
• Google
• Grok
• Alibaba (Qwen)
• Deepseek

Las claves se almacenan localmente, sin transmisión a servidores. Se planea compatibilidad con modelos locales (Ollama, LM Studio) para operar sin APIs en la nube.

Casos de Uso Prácticos

Sova AI ha sido probado en tareas reales:

• Pedir taxis (Uber) y comida
• Reservar mesas en restaurantes
• Automatizar Tinder
• Trabajar con aplicaciones de cámara y astronomía
• Escribir mensajes en Telegram, X (Twitter)
• Buscar y crear listas de reproducción en Spotify, YouTube

Los límites los define la velocidad del LLM — no es adecuado para juegos en tiempo real, pero funciona en juegos por turnos (por ejemplo, preferencia).

Instalación y Disponibilidad

La aplicación no está disponible en Google Play debido a restricciones de la API de Accesibilidad. Se distribuye mediante APK desde el sitio web, Samsung Galaxy Store y Xiaomi GetApps. La instalación es sencilla, apta para todos los niveles de usuario. Actualmente es gratuita.

Puntos clave:

• Autonomía total: no requiere PC, root ni hardware especial.
• Integración flexible de LLM mediante BYOK.
• Ahorro de tokens mediante combinación de árbol de interfaz y capturas de pantalla.
• Control por voz como asistente del sistema.
• Limitaciones: no para tareas de alta frecuencia en tiempo real.

Implementación Técnica

Internamente — API de Accesibilidad de Android para acceder a la jerarquía de elementos de pantalla. Complementado con análisis de capturas de pantalla para tareas donde la estructura de texto es insuficiente. El LLM genera secuencias de acciones (clics, deslizamientos, entrada de texto). La optimización de tokens reduce costes: el modelo se centra en fragmentos clave de la interfaz.

Para desarrolladores: apertura a nuevos proveedores de LLM — se aceptan solicitudes de integración. Los modelos locales evitarán gastos en la nube.

— Editorial Team