La era del uso de la computadora: cuando los agentes de IA realmente pueden ejecutar su software.

En 2025 se prometieron agentes autónomos y se lanzó el chat. En 2026, la tecnología cumplió su cometido. La clave del cambio reside en el uso del ordenador. El modelo ve una pantalla, controla el ratón y el teclado, y navega por el software como un humano. Anthropic lo lanzó como una API pública. OpenAI lanzó Operator. Browserbase, Multi-On y Lutra implementaron la infraestructura necesaria para su producción.

Una guía práctica para diseñadores y desarrolladores. Qué es el uso del ordenador, dónde se implementa, dónde falla, qué necesita la interfaz de usuario para ser intuitiva para el agente y las decisiones de desarrollo que distinguen a un agente real de una simple demostración.

El uso del ordenador: la capacidad que puso fin a la era del chat

El chat era una interfaz de usuario para la IA. El uso del ordenador es un cuerpo. El modelo ve píxeles, decide dónde hacer clic, envía una llamada a una herramienta y espera la siguiente captura de pantalla. Esta simple primitiva desbloquea cualquier flujo de trabajo sin una API limpia. Llenar un portal de proveedores. Extraer datos de un panel de control sin posibilidad de exportación. Programación en dos aplicaciones web. La IA no se volvió más inteligente. La IA desarrolló manos.

¿Qué hace realmente el uso de la computadora?

El ciclo es mecánico. El modelo recibe una captura de pantalla y un objetivo. Devuelve una acción estructurada: hacer clic en coordenadas, escribir una cadena, presionar una tecla, desplazarse, esperar. El host ejecuta la acción y envía la siguiente captura de pantalla. Se repite hasta terminar o hasta que se bloquee.

No hay magia. El modelo es un razonador con visión aumentada que controla un escritorio remoto. Funciona porque los modelos multimodales ahora son lo suficientemente buenos para leer la interfaz de usuario y actuar en consecuencia. Es difícil porque el software real es desordenado, y los planes perfectos al píxel rara vez sobreviven a la primera suposición errónea.

Las tres versiones disponibles en 2026

El uso de la computadora se presenta hoy en tres formas, cada una apostando por una capa diferente de la arquitectura. Anthropic Uso de la computadora es la capacidad básica, expuesta como una API. OpenAI Operador es el agente consumidor supervisado, alojado en el navegador de OpenAI. Browserbase, Multi-On y Lutra conforman la capa de infraestructura sin servidor para equipos que distribuyen sus propios productos de agente.

La elección no se basa en una comparación de funcionalidades, sino en la decisión sobre qué parte de la pila tecnológica se desea controlar.

Anthropic Uso del ordenador: la capacidad básica

Anthropic El uso del ordenador es la opción de nivel más bajo, un modelo que visualiza un escritorio virtual y controla el ratón y el teclado. Se configura un entorno aislado, se dirige el modelo a él y se escribe el código del host que ejecuta las acciones y envía capturas de pantalla. Replit Agent y Devin utilizan este patrón para las tareas más exigentes de los agentes, y es la opción ideal cuando el agente necesita controlar aplicaciones de escritorio, no solo un navegador.

En cuanto al coste, se controla el entorno aislado, el modelo de seguridad, el bucle de acciones, la lógica de reintentos y el contador de costes. El uso de tokens es elevado, ya que cada paso envía una captura de pantalla. La latencia es de dos a seis segundos por paso. Funcionamiento general, operaciones complejas.

OpenAI Operator, el agente de navegador supervisado

OpenAI Operator es un agente de navegador alojado que el usuario supervisa en tiempo real. Su enfoque es el consumidor. Basta con indicarle un objetivo en lenguaje natural, abrir una pestaña del navegador y se puede pausar, retomar o finalizar la ejecución en cualquier momento. Compras, programación de citas, rellenar formularios, recuperar documentos, búsquedas sencillas: su punto fuerte.

Su desventaja radica en que Operator se ejecuta en un entorno aislado dentro de OpenAI, por lo que no se integra en el propio producto. Los flujos autenticados requieren que el usuario ceda sus credenciales para iniciar sesión. Los sitios con medidas antibot agresivas lo inutilizan. Las aplicaciones JavaScript personalizadas con eventos no estándar presentan un riesgo imprevisible. Para los usuarios finales, ofrece la experiencia informática más fluida disponible actualmente. Para los desarrolladores, es un competidor, no una herramienta.

Browserbase y los agentes de navegador sin servidor

Browserbase, Multi-On y Lutra proporcionan la infraestructura que hace que los agentes de navegador sean viables para producción. Browserbase es una flota de Chromium alojada sin servidor que tu código de agente puede gestionar. Multi-On es un agente de navegador con una API para desarrolladores. Lutra crea agentes de flujo de trabajo sobre la misma base. La apuesta es que la mayor parte del trabajo de los agentes se realiza en el navegador, y un entorno aislado de escritorio es excesivo.

Para un equipo que desarrolla un producto de agente, esta capa suele ser el punto de partida adecuado. Navegador alojado, persistencia de sesión, captura de pantalla, concurrencia sin necesidad de gestionar tu propia flota. El coste es una abstracción más ligera que la pila completa Anthropic, con menos control sobre la autenticación y el almacenamiento.

Uso de ordenadores en producción actualmente

El uso de ordenadores se centra en un conjunto limitado pero útil de tareas. Investigación en navegador, programación, llenado de formularios, recuperación de documentos de sistemas sin API, control de calidad ligero, automatización de portales de proveedores, extracción de datos de paneles que no permiten la exportación. Los equipos que lo desarrollaron dejaron de ofrecer inteligencia general y comenzaron a ofrecer una herramienta específica para una tarea específica.

El patrón que funciona: alcance limitado, ejecución supervisada, criterios de éxito claros, derivación rápida a un humano en caso de problemas. Replit Agent lo usa para implementar paneles. Devin navega por las consolas de los proveedores en tareas de ingeniería extensas. Operator gestiona las compras y los viajes de los consumidores. Multi-On ejecuta flujos de trabajo verticales para ventas y operaciones. Ninguno es un agente general. Todos son buenos productos.

Donde el uso de la computadora aún presenta fallas

El uso de la computadora falla en la toma de decisiones en tiempo real, flujos de trabajo complejos con múltiples aplicaciones y cualquier autenticación más allá del inicio de sesión básico. Las demostraciones que pasan por alto estas limitaciones son las que se deben ignorar. ACT-1 de Adept fue el ejemplo original de lo que no se debe hacer: una hermosa demostración que nunca se convirtió en un producto sostenible, y el equipo finalmente cambió de rumbo.

Lo que no funciona: Tareas donde el agente debe leer un gráfico y tomar una decisión. Flujos de trabajo que abarcan cuatro o cinco aplicaciones con estado transferido entre ellas. Sitios con JavaScript personalizado complejo, identificadores dinámicos o medidas antibot agresivas. Flujos que requieren autenticación multifactor (MFA), actualización de OAuth o tokens de sesión que el usuario no compartirá. Tareas de largo plazo con más de veinte pasos que fallan debido a tasas de error acumulativas. El uso de la computadora representa quizás entre el 10 y el 15 por ciento de los flujos de trabajo que se desean automatizar. Los productos ganadores eligieron el 10 por ciento correcto.

Implicaciones de diseño para una interfaz de usuario amigable para el agente

Si su producto pretende ser útil para un agente que usa la computadora, la interfaz de usuario debe ser legible para él. La mayoría de las interfaces de usuario de productos actuales no lo son. El agente lee píxeles. Necesita una estructura visible, patrones predecibles y etiquetas inequívocas. Todo lo que hace que una interfaz de usuario sea amigable para el agente también la hace accesible. La misma lista de verificación de higiene sirve para ambos.

Este es el momento en que la accesibilidad deja de ser opcional. Los equipos que han lanzado bibliotecas de componentes Patrones de interfaz de usuario de agente limpias y accesibles ya ganan esta ronda. Los equipos que utilizan activadores que solo se activan al pasar el cursor, widgets personalizados y botones ambiguos solo con iconos están a punto de descubrir que su producto es invisible para la próxima generación de usuarios.

Lista de verificación de la interfaz de usuario amigable para agentes

Aplique esta lista en cualquier superficie de producto que desee atraer tráfico de agentes. Breve a propósito.

Primero: HTML semántico. Botones, campos de entrada, encabezados y etiquetas reales. El código HTML personalizado que se ve bien pero no es comprensible para las tecnologías de asistencia, tampoco lo es para los agentes.

Segundo: Patrones predecibles. La misma acción se encuentra en el mismo lugar en todas las páginas. Llamadas a la acción principales en posiciones consistentes. Formularios con un diseño único. Navegación que no se reorganiza.

Tercero: Etiquetas accesibles. Cada elemento interactivo tiene una etiqueta clara y legible. Los botones solo con iconos tienen etiquetas ARIA. Los campos de formulario tienen etiquetas explícitas y visibles, no solo marcadores de posición.

Cuarto: Jerarquía visual clara. El agente debe leer la página a partir de una captura de pantalla. Fuerte contraste, secciones claras, escala de fuente consistente. Lo que un humano puede escanear, un modelo también puede escanearlo.

Quinto. No se permiten activadores que solo se activen al pasar el cursor. Todo lo importante debe ser accesible sin necesidad de pasar el cursor. Los menús, las sugerencias y las opciones de eliminación que solo se activan al pasar el cursor son inviables en un entorno de agentes. El agente no interactúa con el cursor.

Implicaciones para el desarrollo: uso de herramientas vs. uso de computadora vs. enfoque híbrido

El uso de la computadora es la última opción. Las API de uso de herramientas ofrecen ventajas en cuanto a costo, latencia y confiabilidad para todo aquello con una interfaz de API limpia. El patrón híbrido es el que adoptan la mayoría de los sistemas de producción.

El uso de herramientas es directo. El agente llama a una función, la función devuelve datos estructurados. Costo bajo, latencia rápida, confiabilidad alta. El Protocolo de Contexto del Modelo y las principales API de uso de herramientas cubren esta funcionalidad. Úselo para todo aquello que pueda integrarse en una API. El uso de la computadora es la alternativa cuando el sistema no tiene una API, se niega a exponer una o oculta la acción tras una interfaz de usuario de terceros que no le pertenece.

El patrón híbrido es la mejor opción. Usa herramientas para todo lo que puedas y recurre al uso de la computadora para las tareas más complejas. Las llamadas a herramientas cuestan centavos. Los pasos de uso de la computadora cuestan diez centavos. Un 90 % de uso de herramientas y un 10 % de uso de la computadora se implementa a una décima parte del costo de un agente que solo utiliza la computadora.

¿Necesitas ayuda para lanzar un producto que la próxima generación de agentes pueda usar realmente, o para integrar el uso de la computadora en tu plataforma sin gastar una fortuna en software de demostración? Contratar Brainy. ClaudeBrainy ofrece Claude Habilidades como un paquete de habilidades, además de bibliotecas de indicaciones que optimizan la capa del modelo, y AppBrainy ofrece compilaciones completas de productos para equipos que desean que sus agentes realicen trabajo real, no solo capturas de pantalla.

Productos reales que implementarán el uso de la computadora en 2026

Replit Agent ejecuta Claude Uso de la computadora para los pasos de implementación e infraestructura sin una API limpia. Devin navega por las consolas, paneles y paneles de administración del proveedor dentro de tareas de ingeniería extensas. El operador se encarga de las compras, la programación y el llenado de formularios del consumidor. Browserbase impulsa una larga lista de startups de agentes verticales. Multi-On ofrece automatización de flujos de trabajo nativa del navegador para ventas y operaciones. Lutra es el creador de flujos de trabajo que se sitúa sobre esta plataforma.

El patrón que comparten: alcance limitado, transferencia rápida, estado observable, recuperación de errores generosa y contabilidad de costos real. Tratan el uso de la computadora como los buenos equipos de ingeniería tratan cualquier dependencia inestable: encapsular, vincular, instrumentar y planificar para posibles fallos.

Cuatro modos de fallo que todo equipo encuentra

Primero: La trampa del agente general. Un equipo elige usar la computadora para un flujo de trabajo que podría haberse realizado con una llamada a una herramienta; el agente invierte treinta segundos y cincuenta centavos en hacer lo que una llamada a la API podría haber hecho en cien milisegundos. Solución: priorizar el uso de herramientas, usar la computadora solo para casos excepcionales.

Segundo: La trampa de la omisión de supervisión. Un agente sin supervisión en un flujo de trabajo que modifica datos reales, un error en el paso diecisiete y los datos se pierden. Solución: ejecución supervisada para cualquier operación destructiva, puertas de confirmación en las escrituras, prueba en seco por defecto.

Tercero: La trampa del selector frágil. Las indicaciones dependen de estados específicos de la interfaz de usuario, el sitio de destino se actualiza y el agente falla silenciosamente. Solución: basar las indicaciones en la intención, no en coordenadas de píxeles. Realizar pruebas semanales con sitios reales.

Cuarto. La trampa de la ceguera al costo. Se lanza la función, llega la factura y la economía unitaria no funciona. Solución: modelar el costo por tarea antes del lanzamiento. Un costo inferior a cincuenta centavos por ejecución suele ser viable. Un costo superior a cinco dólares por ejecución rara vez lo es.

Matriz de decisión para diseñadores y desarrolladores

Diseñador, desarrollador frontend, desarrollador backend, fundador. Cada rol tiene un primer paso diferente.

| Rol | Primer paso | Por qué |

|---|---|---|

| Diseñador | Ejecutar la lista de verificación de interfaz de usuario amigable para agentes | La interfaz de usuario actual es invisible para los agentes. Corregir eso primero. |

| Desarrollador frontend | Implementar HTML semántico, etiquetas ARIA y patrones de componentes predecibles | El mismo trabajo que implementa Incorporación de productos de IA implementa la compatibilidad con agentes. |

| Desarrollador backend | Crea una interfaz API para el uso de herramientas para cada acción que exponga tu producto | El uso de herramientas gana en costo y confiabilidad. El uso de la computadora es la alternativa. |

| Fundador | Elige el flujo de trabajo de agente más pequeño que ofrezca valor real | La especialización gana. Los agentes generales pierden. |

El trabajo se distribuye de forma desigual. Los diseñadores y desarrolladores frontend se encargan de la legibilidad del agente. Los desarrolladores backend se encargan del uso de herramientas. Los fundadores eligen el camino.

Preguntas frecuentes

¿Qué es el uso de la computadora en la IA?

El uso de la computadora es la capacidad que permite a un modelo de IA ver una pantalla, controlar un mouse y un teclado, y navegar por el software como un humano. Anthropic Uso de la computadora, OpenAI Operador y los agentes nativos del navegador de Browserbase, Multi-On y Lutra son las implementaciones de nivel de producción en 2026. El modelo toma una captura de pantalla, elige una acción, envía una llamada a una herramienta y espera la siguiente captura de pantalla.

¿Es mejor Anthropic Computer Use que OpenAI Operator?

Son dos tipos de "mejor". Anthropic Computer Use es la capacidad básica para desarrolladores. Operator es un producto alojado para el consumidor. Los desarrolladores eligen Anthropic Computer Use o una capa de infraestructura tipo Browserbase. Los usuarios finales eligen Operator. Son funciones diferentes, no competidores directos.

¿Puede un agente de navegador gestionar toda mi empresa?

No, y los productos que prometen eso no son los más recomendables. El uso de computadoras cubre quizás entre el 10 y el 15 % de los flujos de trabajo en un equipo típico. La estrategia ganadora consiste en agentes especializados en flujos de trabajo específicos con una rápida transferencia a humanos. ACT-1 de Adept es un ejemplo de cómo se ve la ambición de los agentes generales a gran escala.

¿Necesito rediseñar mi producto para agentes de IA?

Si ofreces una interfaz de usuario accesible con HTML semántico, patrones predecibles y etiquetas claras, ya casi lo tienes. Si tu producto funciona con menús interactivos, widgets de lienzo personalizados y botones con iconos sin etiquetar, sí. La accesibilidad facilita la interacción con el agente.

¿Cuándo debo priorizar el uso del ordenador sobre una API de herramientas?

Casi nunca es la primera opción. Las API de herramientas ofrecen ventajas en cuanto a coste, latencia y fiabilidad siempre que exista una API. El uso del ordenador es la alternativa para sistemas sin API. La mayoría de los agentes de producción en 2026 serán híbridos: un 90 % de uso de herramientas y un 10 % de uso del ordenador.

El cambio que realmente impulsa el uso del ordenador

El uso del ordenador no es un chatbot más inteligente. Es la primera vez que la IA puede manejar una herramienta como lo haría un humano. Se trata de una categoría de producto diferente, y los equipos que la diseñen desde el prototipo dominarán los próximos doce meses.

La mayoría de los equipos aún tratan a los agentes como una función de chat con autonomía añadida. Los equipos que marcan la pauta tratan al agente como un compañero de trabajo que utiliza el mismo software que el equipo. Los primeros lanzan otra pestaña de chat. Los segundos lanzan un producto que funciona. El Comparación de editores de código de IA cubre el desarrollo en este mismo ámbito.

Si un agente interactúa con tu producto el próximo año (y lo hará la mayoría), las decisiones de diseño que tomes este trimestre determinarán si el agente ayuda a tus usuarios o te ignora por completo. Revisa la lista de verificación. Elige el flujo de trabajo. Consigue un éxito rotundo.

Si necesitas ayuda para lanzar un producto que la próxima generación de agentes pueda usar, o para integrar el uso de computadoras en tu plataforma sin invertir un trimestre en software de demostración, consulta el contratar Brainy. ClaudeBrainy ofrece paquetes de habilidades y bibliotecas de indicaciones. AppBrainy ofrece compilaciones completas de productos para equipos que desean que sus agentes realicen tareas reales, no solo capturas de pantalla.