Cómo crear una app con IA en Xcode 27: la guía que necesitas para empezar hoy

🧩 Caso 1: Tu primera app con un solo prompt

El momento más bestia de la presentación de 90 minutos en el Steve Jobs Theater fueron 20 minutos en los que un ingeniero de Apple construyó una app entera desde cero. Sin tocar una línea de código Swift. Solo prompts.

La app resultante era un rastreador de insignias de la WWDC con animaciones 3D, efectos holográficos y capacidades de Visual Intelligence. Todo ello partiendo de un prompt inicial y refinándolo con instrucciones de seguimiento. Según 9to5Mac, Xcode 27 incluso hizo preguntas de clarificación antes de escribir código — como haría un compañero senior antes de tirarse a programar.

Esto es lo que Apple llama agentic coding. No es un autocompletado glorificado: el agente mapea el proyecto, pregunta dudas, escribe la estructura y luego itera contigo. He probado Claude Code y Cursor, y lo de Xcode 27 tiene mejor pinta para el ecosistema Apple porque el completado de código corre en el Neural Engine de tu Mac — tu código fuente nunca sale de tu máquina.

Cómo hacerlo tú: Descarga la beta de Xcode 27 desde developer.apple.com. Abre un proyecto nuevo, escribe en el panel de agente lo que quieres construir ("una app para seguir mis hábitos de lectura con gráficos y widgets") y deja que el agente te haga preguntas. Responde con naturalidad. En 5-10 minutos tendrás un esqueleto funcional.

🧩 Caso 2: Programa sin conexión (y sin pagar APIs)

El motor dual de Xcode 27 es la clave de todo. Tiene dos caras:

• On-device: sugerencias en tiempo real que corren en el chip de tu Mac (M1 o superior). Sin latencia, sin enviar código fuera.
• Cloud: para tareas pesadas como análisis estructural, detección de bugs complejos o refactorización de módulos enteros.

Lo interesante es que puedes conectar modelos externos como Claude y Gemini directamente al IDE. Y si estás en el App Store Small Business Program (menos de 2 millones de descargas), los Apple Foundation Models en Private Cloud Compute son gratis, sin coste de API.

En mi experiencia, esto cambia las reglas para desarrolladores indie. Antes necesitabas una suscripción a GitHub Copilot ($10/mes) o créditos de API. Ahora, si publicas apps pequeñas en la App Store, Apple te regala la inferencia.

Cómo hacerlo tú: Ve a Xcode → Settings → Intelligence y activa "On-Device Completion". Para vincular Claude o Gemini, necesitas tu API key (la configuras una vez en Preferences → Models). El cambio entre motor local y cloud es automático según la complejidad de la tarea.

🧩 Caso 3: Integra IA en tu app con Foundation Models

Hasta ahora, meter un LLM en una app de iOS requería lidiar con librerías de terceros, gestionar tokens y pagar facturas de API. Con el nuevo framework Foundation Models, es una API nativa en Swift.

El framework unifica todo en una sola interfaz: modelos on-device con entrada de imágenes, modelos en servidor, y Dynamic Profiles que te permiten cambiar el comportamiento del modelo sobre la marcha sin redesplegar la app. Apple los desarrolló en colaboración con Google y sus modelos Gemini, así que la integración es profunda.

También han abierto un protocolo de modelos de lenguaje para que cualquier proveedor (OpenAI, Anthropic, Mistral) se conecte. Y con MLX como ciudadano de primera clase en el stack de Apple, puedes ejecutar cualquier modelo de Hugging Face localmente a través de Foundation Models.

Cómo hacerlo tú: Importa FoundationModels en tu proyecto Swift. Define un perfil con FMProfile, selecciona el modelo (on-device, server o third-party) y llama a generate(). En menos de 20 líneas tienes un chat con IA dentro de tu app.

🧩 Caso 4: Conecta tu app a Siri AI con App Intents

Con iOS 27 y el nuevo Siri AI, tus usuarios podrán interactuar con tu app hablando. Y no me refiero al Siri de antes que solo abría apps — ahora Siri entiende el contexto personal, lo que hay en pantalla y puede ejecutar acciones dentro de tu aplicación.

El framework App Intents se ha expandido para exponer las capacidades de tu app a Siri AI. Puedes definir qué acciones puede hacer, qué datos necesita y cómo responder. Los desarrolladores que ya lo han probado dicen que la curva de aprendizaje es sorprendentemente baja para lo potente que es.

Cómo hacerlo tú: Define un AppIntent con la acción (ej: "buscar vuelos"), los parámetros (origen, destino, fecha) y la lógica de ejecución. Xcode 27 te genera el esqueleto automáticamente si usas el agente. Luego pruebas en el simulador diciendo "Oye Siri, busca vuelos a Barcelona para el viernes en MiApp".

🧩 Caso 5: Corre modelos gigantes en local con MLX + RDMA

El cierre de la presentación fue una demo técnica que dejó a más de uno con la boca abierta: el modelo Kimi 2.6 de 1 billón de parámetros ejecutándose localmente en cuatro Mac Studios conectados mediante RDMA-over-Thunderbolt, la tecnología que Apple estrenó en macOS Tahoe 26.2.

Esto no es algo que vayas a montar en casa mañana, pero demuestra hacia dónde va Apple: inferencia distribuida de modelos enormes sin depender de la nube. Con el framework MLX mejorado, cualquier desarrollador puede cargar modelos de Hugging Face y ejecutarlos en local con aceleración Apple Silicon.

Para modelos más modestos (7B-13B parámetros), un MacBook Pro con M4 Max y 64GB de RAM puede ejecutarlos cómodamente. El cuello de botella ya no es la capacidad de cómputo, es la memoria unificada.

Cómo hacerlo tú: Instala mlx-lm con pip, descarga un modelo GGUF de Hugging Face, y ejecuta mlx_lm.generate --model ruta/modelo --prompt "tu prompt". Si tienes varios Macs, la documentación de RDMA-over-Thunderbolt está en developer.apple.com (requiere macOS 26.2+).