Antecedentes: Los sistemas de recomendación de salud (HRSs) son sistemas inteligentes que pueden usarse para adaptar intervenciones de salud digital. Comparamos dos HRSs para evaluar su impacto al proporcionar mensajes de apoyo para dejar de fumar. Métodos: Fumadores que descargaron una aplicación móvil para apoyar la abstinencia tabáquica fueron asignados aleatoriamente a dos intervenciones. Recibieron mensajes motivacionales personalizados y evaluables en la aplicación. La primera intervención tenía un HRS basado en conocimientos (n = 181): seleccionaba mensajes al azar de un subconjunto que coincidía con las características demográficas y hábitos de fumar de los usuarios. La segunda intervención tenía un HRS híbrido que utilizaba inteligencia colectiva (n = 190): seleccionaba mensajes aplicando primero el filtro basado en conocimientos, y luego elegía aquellos con calificaciones más altas proporcionadas por otros usuarios similares en el sistema. Ambas intervenciones se compararon en: (a) aprecio de los mensajes, (b) interacción con el sistema, y (c) el estado de cesación tabáquica autoinformado, según el reporte de prevalencia puntual de los últimos siete días en diferentes intervalos de tiempo durante un período de seis meses. Resultados: Ambas intervenciones tuvieron un aprecio similar de los mensajes, número de mensajes calificados y resultados de abstinencia. El HRS basado en conocimientos logró un número significativamente mayor de días activos, número de reportes de abstinencia y mejores resultados de abstinencia. El algoritmo híbrido llevó a más intentos de dejar de fumar en participantes que completaron sus perfiles de usuario.