La capacidad de una inteligencia artificial para generar código en cuestión de segundos ya no es, por sí sola, el único criterio para medir su valor profesional. En el ámbito del desarrollo de aplicaciones complejas, el verdadero desafío reside en la toma de decisiones arquitectónicas coherentes, la anticipación de posibles errores de interacción y la garantía de una experiencia de usuario que se mantenga robusta a medida que el proyecto escala. Para explorar estas diferencias, se llevó a cabo una prueba comparativa entre Claude Opus 5, GPT-5.6 y Grok 4.6.

El ejercicio consistió en encargar a los tres modelos la construcción de un tablero Kanban colaborativo, listo para producción, utilizando React, TypeScript y Tailwind CSS. Este encargo incluía diversas funcionalidades que requerían una coordinación precisa entre diseño, estado y comportamiento. El resultado final favoreció a Claude Opus 5, destacando por su enfoque integral del sistema, aunque cada modelo exhibió fortalezas particulares.

Más allá del código básico: Un desafío de arquitectura y UX

Deliberadamente, el encargo evitó la simplicidad de una aplicación básica, como una lista de tareas, donde casi cualquier modelo moderno podría ofrecer una demostración convincente. En su lugar, se solicitó un tablero colaborativo con las siguientes características:

  • Estado normalizado.
  • Movimiento de tarjetas mediante arrastrar y soltar.
  • Actualizaciones optimistas.
  • Mecanismos de reversión en caso de fallos.

Estas condiciones obligaban a los modelos a considerar la interconexión entre la interfaz y la lógica interna, en lugar de limitarse a la creación de componentes visualmente atractivos.

Adicionalmente, se pidió a cada modelo que actuara como un ingeniero senior, diseñando la arquitectura antes de iniciar la programación. Esta instrucción buscaba observar si el sistema era capaz de identificar dependencias, organizar el flujo de datos y establecer una estrategia clara antes de generar archivos y componentes. En una aplicación de esta naturaleza, una decisión aparentemente menor puede tener un impacto significativo en la consistencia de las tarjetas, el rendimiento del tablero y la capacidad del usuario para recuperar acciones fallidas.

La comparación se llevó a cabo en los entornos nativos de cada herramienta: Claude Opus 5 en la aplicación oficial de Claude, GPT-5.6 en ChatGPT y Grok 4.6 en Cursor. A los tres modelos se les proporcionó el mismo prompt inicial, sin ofrecer pistas ni correcciones posteriores, con el objetivo de evaluar su desempeño autónomo.

El criterio de evaluación no se limitó a verificar si el código era ejecutable o si la pantalla inicial parecía completa. Se analizaron aspectos como la claridad de los controles, la facilidad para crear y mover tareas, la jerarquía visual de la información y la capacidad del diseño para soportar un flujo de trabajo real. Bajo esta perspectiva, la velocidad de generación dejó de ser una ventaja decisiva frente a la calidad de las decisiones tomadas durante el proceso de construcción.

Grok 4.6: Velocidad con sobrecarga visual

Grok 4.6 fue el modelo más rápido en Cursor. En cuestión de segundos, generó la estructura inicial y comenzó a transmitir código directamente al espacio de trabajo, con una fase de planificación visible mínima. Esta rapidez puede ser atractiva para quienes buscan un prototipo inmediato, especialmente cuando la prioridad es obtener una primera versión funcional en el menor tiempo posible.

Visualmente, el modelo acertó con varios elementos básicos del tablero. La interfaz adoptó una estética oscura y moderna, las columnas mantuvieron proporciones equilibradas y las tarjetas mostraron la información de forma clara. Las etiquetas de prioridad, las fechas de entrega y los elementos de listas de verificación aparecieron organizados, generando una primera impresión positiva.

El problema surgió en la zona superior, destinada a filtrar las tareas. En lugar de una barra de búsqueda sencilla o menús desplegables modulares, Grok 4.6 presentó una acumulación de botones sin una jerarquía clara, lo que resultó en un encabezado visualmente sobrecargado. Este defecto no fue solo estético; un área de controles saturada puede dificultar la navegación y obligar al usuario a buscar entre opciones que deberían estar agrupadas.

La comparación evidenció que generar una interfaz rápidamente no siempre se traduce en una buena organización. Claude Opus 5 y GPT-5.6 distribuyeron este espacio de manera más inteligente, mientras que Grok 4.6, a pesar de su velocidad, dejó una sensación de desorden.

GPT-5.6: Base sólida con fricciones en la experiencia

GPT-5.6 ofreció una estructura general convincente y abordó una de las carencias observadas en otros resultados al incluir desde el inicio una barra lateral plegable. Este recurso facilitaba la organización del espacio y permitía la navegación entre diferentes proyectos o tableros. El menú superior de filtros también apareció ordenado, evitando la acumulación de controles que afectó a Grok 4.6.

Sin embargo, la experiencia comenzó a deteriorarse al interactuar con el tablero. La tipografía utilizada en las tarjetas y en los metadatos era demasiado pequeña, lo que dificultaba el acceso a información importante. En una herramienta colaborativa, reducir excesivamente el tamaño de textos secundarios puede obstaculizar la lectura rápida.

La apertura de una tarjeta generó otra fricción notable. En lugar de mostrar los detalles en un panel lateral o mediante una transición que mantuviera visible el tablero, GPT-5.6 desplegó una ventana modal de gran tamaño en el centro de la pantalla. Este elemento bloqueaba gran parte de la vista de trabajo, convirtiendo una acción habitual en una interrupción significativa.

El punto más criticado del resultado de GPT-5.6 fue la funcionalidad de arrastrar y soltar. El sistema no permitía mover la tarjeta de forma natural desde cualquier punto, sino que restringía la acción a un pequeño control de seis puntos ubicado en una esquina. Si el usuario no acertaba con precisión en este espacio, la tarjeta no se movía.

Claude Opus 5: Arquitectura y detalles que marcan la diferencia

Claude Opus 5 tardó considerablemente más en completar el encargo, pero este tiempo adicional se tradujo en una propuesta mucho más coherente. Desde la primera revisión, el tablero presentó una combinación más pulida de diseño, controles y jerarquía visual. La evaluación concluyó que el modelo no se limitó a producir una pantalla atractiva, sino que tomó decisiones que revelaban una comprensión más profunda del flujo de trabajo.

Entre sus aciertos se incluyó un interruptor de un solo clic para cambiar entre los temas claro y oscuro. Las tarjetas también utilizaron indicadores visuales pequeños e intuitivos para destacar las tareas de prioridad crítica, sin ocultar información relevante.