𝗜 𝗢𝗽𝗲𝗻𝗲𝗱 𝗗𝗲𝘃𝗧𝗼𝗼𝗹𝘀 𝗼𝗻 𝗮𝗻 "𝗔𝗜-𝗡𝗮𝘁𝗶𝘃𝗲" 𝗣𝗹𝗮𝘁𝗳𝗼𝗿𝗺. 𝗜𝘁 𝗪𝗮𝘀 𝗮 𝗗𝗿𝗼𝗽𝗱𝗼𝘄𝗻.
An AI startup founder recently pitched me his "AI-native workspace." He promised over 40 built-in agents. He claimed his system had intelligence baked into the core.
I signed up and opened my browser DevTools.
I sent a message to the AI chat. I watched the network requests. One request showed exactly what was happening. The platform sent my prompt to a backend with these fields:
- model: google/gemini-3.1-pro-preview
- provider: openrouter
The platform was just a middleman. It routed my prompt through OpenRouter to Google's Gemini model. You can access this same model for free or for a few cents via API. Yet, this platform charges users tens of dollars per month.
I asked the AI: "Are you Gemini?" It replied: "I am not Gemini or affiliated with any external provider."
The system prompt lied to hide its identity. The network layer did not.
The platform also advertised "40+ built-in agents." I checked the configuration for one. It was just an icon, a name, and a 100-character description. There were no tools, no memory, and no reasoning chains. These are not agents. They are just prompt templates with a fancy label.
If you want to know if an AI tool is a wrapper, use these five checks:
- Model selector: Can you switch between GPT, Claude, or Gemini? If yes, it is a routing layer.
- BYOK option: Is there a "Bring Your Own API Key" field? If yes, they are forwarding your prompts.
- Developer docs: Does the platform have a public API? If you get a 404 error, there is nothing proprietary to show.
- Network tab: Open DevTools (F12). Look at the request payload for model names like gpt-4o or gemini-pro.
- Ask the AI: Ask "What model are you?" If it denies the truth, a system prompt is hiding the identity.
Building on top of other models is fine. Many successful products do this. The problem is misrepresentation. Do not claim your AI is "proprietary" when you are just charging a premium for a UI layer.
Your data takes extra hops through these wrappers. You also lose control over token costs. You pay a high subscription to subsidize their unoptimized API calls.
Stop trusting the marketing. Open DevTools. Check the network tab. The truth is in the plaintext.
Abrí las DevTools en una plataforma nativa de IA. Era un menú desplegable.
Cuando pensamos en "DevTools", lo primero que nos viene a la mente es el panel de inspección de Chrome. Una interfaz densa, llena de pestañas para la Consola, la Red, el Inspector de Elementos y el Rendimiento. Es una herramienta diseñada para desmenuzar la estructura de una página web y entender cómo interactúan sus componentes.
Pero hace poco, al usar una plataforma nativa de IA, intenté buscar las "DevTools". Y lo que encontré no fue un panel complejo de inspección. Fue un simple menú desplegable.
El cambio de paradigma
En el desarrollo web tradicional, el "estado" de la aplicación reside en el DOM, en las variables de JavaScript y en las peticiones de red. Las DevTools están diseñadas para que podamos "abrir" ese estado y verlo.
En una plataforma nativa de IA, el "estado" es diferente. El estado no es solo el código que estás escribiendo; es el contexto que se le está pasando al modelo de lenguaje (LLM).
Cuando usas una herramienta como Cursor o similares, la pregunta no es "¿qué valor tiene esta variable en la línea 42?", sino "¿qué archivos, qué fragmentos de código y qué instrucciones de sistema está viendo la IA en este momento?".
La inspección del contexto
En lugar de inspeccionar un árbol de nodos (DOM), la "inspección" en estas plataformas consiste en inspeccionar el contexto.
Ese menú desplegable que encontré me permitía ver:
- Qué archivos estaban incluidos en el contexto actual.
- Qué partes del código se habían indexado.
- Qué instrucciones específicas se habían añadido al prompt.
Es una forma de "depuración" (debugging) completamente distinta. No estás depurando la ejecución de una instrucción, estás depurando la comprensión de una instrucción.
De depurar código a depurar prompts
Esto marca un cambio fundamental en la experiencia del desarrollador. Estamos pasando de ser inspectores de ejecución a ser curadores de contexto.
Si la IA te da una respuesta incorrecta, en el modelo tradicional buscarías un error de sintaxis o un error de lógica en el tiempo de ejecución (runtime). En el modelo nativo de IA, buscarás un error en el contexto:
- ¿Le faltaba un archivo importante?
- ¿El prompt era demasiado ambiguo?
- ¿El modelo estaba ignorando una parte del código debido al límite de tokens?
Las "DevTools" de la era de la IA no necesitan ser un panel gigante de gráficos y tablas. A menudo, solo necesitan ser una forma transparente de ver qué es lo que la IA "sabe" en un momento dado.