Los chatbots de IA como ChatGPT, Claude y Gemini están diseñados para animarte a usar sus servicios sobre los de la competencia, y a menudo permiten importar parte de tu historial y perfil entre plataformas. Eso es útil si vas a cambiar de servicio de forma seria, pero a veces solo quieres mover una conversación puntual de una plataforma a otra.

Esto puede resultar especialmente práctico si estás usando la versión gratuita de Claude y te acercas a tu límite de uso. Al transferir el chat a otro chatbot, puedes continuar sin esperar a que se renueven tus límites.

ThreadPort es una nueva extensión de navegador para Google Chrome y Microsoft Edge diseñada para acortar ese trayecto. Transfiere una conversación que esté abierta en ChatGPT, Claude o Gemini a alguno de los otros dos servicios, moviendo el texto de la discusión y una configuración básica de contexto como una sola solicitud más la transcripción para que el nuevo chatbot pueda continuar la conversación.

Esta diferencia esencial la distingue de las herramientas de importación integradas que ofrecen las tres plataformas. En lugar de necesitar que el sistema aprenda todo sobre ti y sobre tu historial de conversaciones, ThreadPort simplemente comunica a otro IA lo que has estado discutiendo durante los últimos minutos.

Solo necesitas instalar la extensión en tu navegador y permitirle el acceso a las webs de ChatGPT, Claude y Gemini. El acceso permite que ThreadPort lea los mensajes en un servicio e inserte su contenido en otro, mientras que el almacenamiento del navegador se usa para ajustes, transferencias temporales y el conteo de uso mensual. El desarrollador planea convertir las transferencias ilimitadas en un servicio premium que permita solo 10 transferencias al mes de forma gratuita, aunque en este momento la extensión no tiene un límite de transferencias.

Todo lo que debes hacer es abrir una conversación en una de las plataformas, hacer clic en la extensión y elegir otra plataforma a la que enviarla. La nueva plataforma se abrirá automáticamente y aparecerá una transcripción de la conversación, encabezada por una explicación de ThreadPort. Puedes configurar la extensión para que envíe automáticamente la solicitud combinada o dejarla en borrador para editarla tú mismo primero.

Planificación de viaje

Para probar ThreadPort, abrí ChatGPT y pedí ayuda para planificar unas vacaciones de tres días. ChatGPT hizo su trabajo habitual, creando un itinerario con gran detalle. Luego hice clic en ThreadPort y lo envié a Gemini.

Se abrió una nueva pestaña de Gemini con toda la conversación ya formateada dentro de la caja de prompts, con mis mensajes y las respuestas de ChatGPT claramente etiquetadas. ThreadPort también eliminó la interfaz de usuario extra como botones, controles de citación y widgets que de otro modo complicarían una copia y pegar manual.

Gemini recibió el plan de viaje tal como lo quería, con una conversación completa en lugar de un resumen. Después pedí a Gemini que evaluara el plan, sin cambiar la conversación subyacente antes de la transferencia.

La prueba fue similar al enviar desde ChatGPT a Claude. ThreadPort admite las seis direcciones entre ChatGPT, Claude y Gemini. Pero, como prueba adicional, tomé la conversación extendida de Gemini y pedí a ThreadPort que la envíe a Claude. La nueva pestaña de Claude era prácticamente la misma, pero también mencionaba en la apertura que era una conversación “iniciada en ChatGPT (vía ChatGPT → Gemini)” y etiquetaba qué chatbot respondía en la transcripción.

Aquí ThreadPort demuestra su mayor valor: mover una conversación en vivo conserva los pequeños razonamientos acumulados a lo largo de las respuestas. Esas decisiones suelen importar más que el prompt inicial porque explican por qué ciertas sugerencias ya no son útiles.

Además, es extremadamente rápido: tarda solo unos segundos. El importador de Gemini puede tardar más porque requiere un archivo exportado. Aunque puede absorber un historial mucho más extenso, para un plan de viaje aislado podría ser excesivo.

Por otro lado, la herramienta de Google está restringida a cuentas personales de Google y no permite importar tu historial si te encuentras en el Espacio Económico Europeo, Suiza o Reino Unido. El creador de ThreadPort, Juan Carlos Rampoldi, vive en Valencia, España, por lo que una solución a esa restricción puede tener atractivo inmediato.

La opción nativa de Claude ni siquiera permite importar conversaciones. Claude puede importar memoria, incluidas preferencias y datos personales, pero no historial real. Pero Claude y Gemini al menos tienen alguna forma de importar desde chatbots rivales. ChatGPT tiene una vía para enviar conversaciones entre cuentas de ChatGPT, pero nada similar a los importadores nativos de Gemini o Claude. ThreadPort, al menos, abre una vía para hacerlo sin fabricar y ajustar prompts especializados.

Rampoldi citó su propia costumbre de moverse entre ChatGPT, Claude y Gemini como la fuente de inspiración para ThreadPort, tras frustrarse al copiar conversaciones manualmente y perder formato o contexto en el camino. Curiosamente, lo creó con Claude Code, por lo que podría tener otros fallos, pero dejó su código fuente disponible públicamente en GitHub.

Movimientos suaves

Una de las ventajas claras es la facilidad para comparar modelos y respuestas dentro de una misma conversación. Sin embargo, la simplicidad trae límites: ThreadPort transfiere texto, pero no puede traer imágenes o archivos adjuntos. Si hubieras subido capturas de hoteles o un itinerario en PDF a ChatGPT, tendrías que volver a subirlos manualmente en Claude y Gemini.

Y si la conversación es muy extensa, ThreadPort podría necesitar recortarla mediante lo que denomina “truncamiento inteligente”, conservando la tarea original y las interacciones más recientes mientras marca una sección que podría eliminarse.

El desarrollador afirma que ThreadPort no tiene servidores y mantiene temporalmente la transcripción en el almacenamiento local de la extensión de Chrome antes de insertarla en la caja de prompts de destino, tras lo cual se elimina la copia temporal.

Eso no significa que la conversación se vuelva privada al enviarla a otro servicio. Una transcripción de ChatGPT enviada a Claude ahora se comparte con Anthropic, y las transcripciones de Gemini siguen enviándose a Google.

A pesar de sus límites, ThreadPort resulta una herramienta muy útil para quienes prefieren usar múltiples chatbots de IA. Incluso como un mero conducto para conversaciones individuales, es eficiente y sencillo. Reduce una fricción pequeña pero persistente de los chatbots sin intentar resolver la portabilidad de IA a gran escala.

Las empresas de IA tienden a construir sus productos como si todos terminarán eligiendo un solo asistente y se quedarán ahí. Pero si quieres ser “no fiel” y explorar opciones, ThreadPort allana el camino de forma elegante.

La industria del software se mueve a un ritmo que desafía a las pruebas tradicionales, mientras la IA avanza de asistir en el diseño de pruebas a generar, adaptar y mantener pruebas a lo largo de toda la canalización de entrega.

La pregunta para los testers ya no es solo cómo escalar las pruebas, sino cómo garantizar la evidencia que produce la automatización.

Fundamentalmente, ¿la IA escala la calidad o solo magnifica la inconsistencia?

En este entorno, el rol del ingeniero de pruebas se vuelve más estratégico. En lugar de centrarse en casos de prueba individuales, se espera que los profesionales de pruebas orquesten la calidad en sistemas habilitados por IA.

Esto implica aplicar experiencia de dominio y juicio para conectar artefactos generados por IA con los requisitos, identificar riesgos ocultos y asegurar una cobertura significativa.

A medida que la IA asume más tareas de generación y ejecución, el valor del ingeniero de pruebas se desplaza hacia la gobernanza y la custodia de evidencia. Sin supervisión humana, una entrega más rápida puede crear una falsa sensación de certeza.

Un equilibrio fino: lógica de la máquina versus control humano

La prueba generada por IA introduce complejidad adicional para los equipos de calidad. La automatización tradicional ejecutaba instrucciones predefinidas, pero los sistemas modernos de IA pueden interpretar requisitos, generar escenarios y tomar decisiones sobre la cobertura. Esto acelera y escala, pero plantea preguntas sobre validez, responsabilidad y confianza en los resultados.

El debate ya no es si la IA puede generar pruebas, sino si esas pruebas son confiables, explicables y alineadas con los riesgos reales que deben revelar. Aquí es donde la estandarización empieza a ofrecer una base.

Estándares y metodologías emergentes para probar sistemas basados en aprendizaje automático –incluyendo metodologías de prueba para sistemas basados en ML, guías recientes para documentar sistemas habilitados por IA y enfoques novedosos de evaluación de conformidad continua– están definiendo enfoques estructurados para evaluar robustez, sesgos, seguridad y otras características de calidad a lo largo del ciclo de vida del aprendizaje automático, proporcionando a los equipos una base compartida para juzgar si las pruebas generadas por IA son sólidas.

La supervisión humana sigue siendo el ancla de la confianza, asegurando que la automatización eleve la calidad en lugar de simplemente aumentar la actividad.

La era del orquestador de calidad

El rol del ingeniero de pruebas evoluciona hacia el de orquestador de calidad, un perfil que combina profundidad técnica con conciencia contextual para garantizar que las pruebas producidas por IA no solo sean eficientes, sino confiables.

En lugar de concentrarse en casos de prueba individuales, el orquestador de calidad valida las salidas de IA, identifica brechas que la automatización pasa por alto y aplica juicio humano cuando el riesgo o la ambigüedad son altos. Proporciona la capa de gobernanza que la IA no puede replicar, asegurando que la automatización fortalezca la calidad en lugar de aumentar únicamente el rendimiento.

Los sistemas de IA pueden identificar patrones, resumir registros y proponer escenarios de prueba a una velocidad muy superior a la humana. Sin embargo, la prueba implica algo más que procesar información. Los testers habilidosos desafían suposiciones, exploran comportamientos inesperados y evalúan riesgos que pueden no ser evidentes solo a partir de los requisitos.

Entender el contexto del negocio y determinar si un resultado tiene sentido requiere conocimiento de dominio y juicio más allá del reconocimiento de patrones.

Añadir valor: donde las expectativas sobre IA superan la realidad

La prueba habilitada por IA aporta valor significativo cuando la velocidad, escala y reconocimiento de patrones son cruciales. Puede extraer requisitos de estándares, redactar casos de prueba iniciales, resumir registros y acelerar actividades repetitivas que antes consumían un tiempo valioso de pruebas.

Sin embargo, la generación completa de pruebas automatizadas sigue siendo aspiracional. Las pruebas generadas por IA dependen en gran medida de requisitos de alta calidad y documentación; la ambigüedad o la falta de contexto pueden generar suposiciones defectuosas y lagunas de cobertura.

Una documentación consistente y estructurada es, por tanto, unaPrerequisito para una automatización confiable. Recién ahora se visualizan guías sobre documentar sistemas habilitados por IA, que ofrecen un marco práctico para trazabilidad y transparencia, incluyendo modelos, hojas de hechos y otros artefactos estructurados, todo en servicio de una automatización fiable y alineación regulatoria, especialmente en relación con la EU AI Act.

Si bien la IA puede acelerar la generación y ejecución, no puede confirmar por sí misma que las pruebas son correctas, relevantes o alineadas con los riesgos pretendidos.

La supervisión humana sigue siendo esencial para asegurar que las salidas generadas por IA apoyen una verdadera calidad en lugar de una cobertura superficial.

Pruebas continuas, contextualmente conscientes y habilitadas por IA

El futuro de la IA en las pruebas apunta a entornos cada vez más continuos, contextualmente conscientes y estrechamente integrados con ingeniería y operaciones. La evaluación de conformidad continua está emergiendo como una extensión lógica de las herramientas impulsadas por IA, permitiendo que los sistemas evalúen su comportamiento en tiempo real en lugar de hacerlo en hitos fijos.

Enfoques novedosos para la evaluación de conformidad basada en auditorías continuas reflejan claramente este cambio, sustituyendo auditorías aisladas por la recopilación continua de evidencia y verificaciones automatizadas durante la vida operativa de un sistema de IA. Las prácticas de despliegue responsable ganarán importancia a medida que las organizaciones analicen registros del mundo real para entender el comportamiento del software bajo condiciones de uso genuinas.

La industria también está explorando la detección impulsada por IA de cambios en estándares y requisitos afectados, aunque sigue siendo esencial una trazabilidad sólida antes de depender plenamente de estas capacidades a escala. A medida que la IA generativa y agencial entra en la canalización de entrega, el desafío de evaluación se profundizará y con él la necesidad de criterios de calidad comunes.

Esto es indicativo de dónde está la discusión en 2026, con IA generativa y agencial introduciendo nuevas capas de complejidad que hacen aún más imprescindible un marco de criterios de calidad compartidos.

Del ingeniero de pruebas al orquestador de calidad: redefiniendo el futuro de las pruebas de software

A medida que la IA redefine las pruebas de software, la confianza en la calidad no puede delegarse a la automatización. Los testers que triunfen combinarán experiencia técnica con juicio y gobernanza, orquestando supervisión humana y capacidad de IA para entregar resultados confiables.

La ventaja pertenecerá a las organizaciones que inviertan en capacidades de orquestación ahora, en sus personas tanto como en sus herramientas.

La IA puede garantizar la velocidad de una canalización; solo el juicio humano puede garantizar que la evidencia producida sea revisable, defendible y creíble.

Hemos revisado, calificado y clasificado el mejor software para pequeñas empresas.

Este artículo fue producido como parte de TechRadar Pro Perspectives, nuestro canal para presentar a las mentes más brillantes de la industria tecnológica actual.

Las opiniones aquí expresadas son de autor y no necesariamente reflejan a TechRadarPro o Future plc. Si estás interesado en contribuir, encuentra más información aquí: https://www.techradar.com/pro/perspectives-how-to-submit

• RCS en Google Messages ha dejado de funcionar para algunos usuarios
• El problema parece afectar principalmente a teléfonos Samsung recién configurados
• Varias soluciones han sido propuestas, pero la más simple y extraña parece la más fiable

RCS (Rich Communication Services) es una mejora valiosa para SMS: añade cifrado,confirmaciones de lectura y más, y es accesible a través de Google Messages en Android. Sin embargo, en este momento parece no funcionar para varios usuarios.

No está claro cuán extendido está el problema, pero varias publicaciones en Reddit sugieren que hay incidencias con RCS en teléfonos recientes de Samsung como el Samsung Galaxy Z Fold 8 y el Samsung Galaxy S26 Ultra.

El fallo parece ocurrir con mayor frecuencia al pasar a un nuevo dispositivo, por lo que personas que han tenido un Samsung Galaxy S26 sin problemas, podrían verse menos afectadas que quienes acaban de comprar el teléfono y configurarlo.

Varios usuarios de Reddit reportan que RCS no se conecta, y en algunos casos aparece el código de error 3100. La buena noticia es que existen varias soluciones potenciales y una de ellas es especialmente directa.

Esa solución, destacada en un hilo de Reddit, consiste en desactivar RCS, conectar a una VPN, volver a activar RCS y, con suerte, se reactivará con normalidad. Puedes desactivar la VPN en ese momento. Este hilo sugiere conectarse a una VPN en París, Francia, pero en otros lugares los usuarios han reportado éxito con otras regiones; es poco probable que París marque la diferencia, y no hay evidencia de que sea imprescindible.

A modo de anécdota, este método parece tener la mayor tasa de éxito según las respuestas de Reddit, con la mayoría expresando algo similar a “no puedo creer que esto haya funcionado”, lo cual es positivo, ya que no todas las soluciones son tan simples como esta.

La sugerencia oficial

Por ello, conviene probar este método primero, pero si no funciona, el propio equipo de soporte de Google también ha publicado una sugerencia. Recomiendan actualizar a la última versión de Google Messages, desactivar RCS, borrar datos de Carrier Services, reiniciar el teléfono y volver a activar RCS.

Si eso tampoco funciona, otro usuario ha publicado un proceso de seis pasos que implica detener la app de Google Messages, eliminar tu número de teléfono de Google, desactivar la verificación en dos pasos, desactivar el teléfono de recuperación y eliminar actualizaciones de Google Play Services, para luego volver a activar Google Messages y, si RCS conecta, reactivar/actualizar todo lo anterior.

Este enfoque puede parecer extremo, y no todos los usuarios obtienen resultados con él. Con suerte, la solución menos invasiva basada en VPN funcionará para la mayoría. Curiosamente, este truco apareció por primera vez hace dos años cuando surgían problemas similares, lo que indica que, aunque inexplicable, tiene un historial de resolver el problema.