Agentes que usan el navegador: computer use explicado para empresas
Cuando no hay conector, queda la pantalla
Conectar la IA a tus herramientas mediante integraciones es la vía ideal, y de eso hablamos al explicar MCP y los conectores de IA. Pero la realidad de muchas PYMEs incluye aplicaciones sin conector posible: la sede electrónica de una administración, el portal de un proveedor, un programa antiguo que solo se maneja desde su pantalla. Ahí entra el computer use.
La respuesta corta: computer use es la capacidad de un agente de IA para manejar un ordenador como lo haría una persona: ve la pantalla mediante capturas, entiende lo que muestra y actúa moviendo el ratón, haciendo clic, escribiendo y navegando entre ventanas o pestañas del navegador.
No necesita que la aplicación tenga integración alguna. Si una persona puede operarla con teclado y ratón, un agente con computer use también puede intentarlo.
Cómo funciona un agente con computer use
El ciclo de trabajo es sencillo de entender:
- Observa: el agente recibe una captura de la pantalla actual.
- Razona: interpreta lo que ve (un formulario, un botón, un error) y decide el siguiente paso hacia su objetivo.
- Actúa: ejecuta la acción (clic, texto, desplazamiento).
- Verifica: mira la nueva pantalla para comprobar el efecto, y repite.
Ese bucle de observar, razonar y actuar es lo que le permite adaptarse a lo que aparezca: un aviso inesperado, un campo nuevo, una sesión caducada. Una automatización clásica de “grabación de pasos” se rompe con cualquier cambio de diseño; un agente que entiende la pantalla puede reconocer el cambio y continuar.
Para qué lo puede usar una PYME
Los casos con mejor encaje comparten un patrón: tareas repetitivas sobre webs o aplicaciones sin API accesible.
- Portales de administraciones: descargar notificaciones, presentar formularios recurrentes, consultar estados de expedientes.
- Portales de proveedores y clientes: subir catálogos, descargar facturas, comprobar pedidos en plataformas ajenas.
- Aplicaciones heredadas: ese programa interno que nadie quiere tocar pero que exige picar datos cada semana.
- Comprobaciones periódicas: verificar que tu web funciona, que los precios publicados son correctos, que un formulario envía bien.
La tendencia además va a más: los asistentes que operan dentro del navegador se están volviendo cotidianos, como contamos en IA en el móvil y en el navegador.
Los límites que debes conocer antes de lanzarte
El computer use es la modalidad de agente más flexible y también la más delicada. Conviene tener claras cuatro cosas:
- Es más lento y caro que una integración: cada paso requiere interpretar una pantalla. Si existe conector o API para esa tarea, casi siempre será mejor opción.
- Puede equivocarse de botón: interpretar píxeles no es infalible. Las tareas con acciones irreversibles (pagos, envíos, borrados) exigen confirmación humana.
- Credenciales y accesos: el agente inicia sesión con cuentas de tu empresa. Usa cuentas específicas con permisos mínimos y revisa las condiciones de uso de cada portal.
- Supervisión y registro: guarda capturas o registros de lo que hizo el agente en cada sesión. Si algo sale mal, necesitas poder reconstruirlo.
La pauta sensata es la misma que con cualquier empleado nuevo: primero tareas de consulta y borrador con revisión, después autonomía gradual en lo que haya demostrado hacer bien.
Un ejemplo realista
Una distribuidora trabaja con cinco portales de proveedores distintos, sin API en ninguno. Cada semana, una persona dedicaba unas tres horas a entrar portal por portal, descargar facturas y albaranes y archivarlos por carpeta. Un agente con computer use ejecuta ahora ese recorrido: inicia sesión, localiza los documentos nuevos, los descarga y los nombra según la convención interna. La persona revisa el resultado en diez minutos y gestiona solo las excepciones que el agente marca.
No es un caso espectacular, y esa es la gracia: el computer use brilla en lo rutinario que nadie quería hacer.
Preguntas frecuentes
¿En qué se diferencia computer use de una automatización RPA clásica?
La RPA tradicional graba pasos fijos sobre posiciones y elementos concretos, y se rompe cuando la pantalla cambia. Un agente con computer use interpreta lo que ve y razona el siguiente paso, así que tolera cambios de diseño e imprevistos. A cambio es más lento y necesita supervisión al principio.
¿Es legal que un agente use portales de terceros en mi nombre?
Depende de cada portal: revisa sus condiciones de uso, porque algunos restringen el acceso automatizado. En portales de administraciones y proveedores donde actúas con tus propias credenciales para tus propios trámites, el criterio general es prudente pero razonable; consúltalo en casos sensibles.
¿Puedo dejar que el agente trabaje sin supervisión?
Al principio, no. Empieza con tareas de lectura y descarga revisando cada resultado, y amplía la autonomía solo en tareas que el agente resuelva de forma consistente. Las acciones irreversibles, como pagos o envíos de formularios oficiales, deberían requerir siempre confirmación humana.
Conclusion
El computer use completa el mapa de los agentes de IA: donde no llega la integración, llega un agente que ve la pantalla y maneja el navegador como una persona. Bien acotado y supervisado, elimina precisamente las tareas más tediosas de tu semana; sin control, es una fuente de sustos. La diferencia está en el diseño.
En Rakaty evaluamos qué tareas de tu empresa encajan con agentes de navegador y las implantamos con los límites y registros adecuados. Si tienes un portal que te roba horas cada semana, escríbenos.
