Agentes que usan el ordenador: qué pueden tocar hoy en tu empresa y qué no
Publicado el
La capacidad de usar el ordenador llega a más modelos. La pregunta útil no es si funciona, sino dónde y bajo qué condiciones.
Google DeepMind ha presentado la capacidad de “computer use” en Gemini 3.5 Flash: un modelo que no se limita a responder, sino que mueve el cursor, hace clic, rellena formularios y navega por una interfaz como lo haría una persona. No es el primero ni será el último. La dirección está clara: el agente deja de hablar sobre el trabajo y empieza a ejecutarlo.
Conviene bajar la noticia al terreno. La pregunta interesante para quien dirige una empresa no es si esto funciona en una demo, sino qué procesos concretos puede asumir hoy y cuáles todavía no. Y, sobre todo, por qué.
Lo que ya puede tocar
Un agente que usa el ordenador encaja bien en tareas que cumplen tres condiciones: son repetitivas, ocurren sobre interfaces estables y tienen un resultado verificable.
Pensemos en lo cotidiano de una operación. Mover datos de un formulario web a una hoja de cálculo. Extraer cifras de un panel que no ofrece exportación. Reconciliar un listado de pedidos contra un sistema interno que nadie ha conectado por API. Rellenar altas en un portal de proveedores. Recopilar precios de la competencia a mano todas las semanas. Son trabajos que hoy consumen horas de personas cualificadas y que consisten, en el fondo, en clicar y copiar.
El valor aquí no es espectacular, es aburrido, y por eso es real. Son tareas donde el coste del error es bajo, donde un humano puede revisar el resultado en un vistazo y donde no existía integración técnica porque construirla no compensaba. El agente que usa la pantalla salta esa barrera: trabaja sobre la interfaz que ya hay, sin pedir a nadie que abra una API.
Lo que todavía no conviene delegar
El límite no es técnico, es de consecuencias. Hay procesos que un agente puede ejecutar y que aun así no deberías dejarle solo.
El primero es todo lo que tiene efectos irreversibles: enviar un correo a un cliente, confirmar un pago, borrar registros, publicar. La capacidad de hacer clic incluye la capacidad de hacer clic en el botón equivocado. Aquí el patrón sensato no es autonomía, es propuesta: el agente prepara, la persona aprueba.
El segundo son los procesos sobre interfaces que cambian a menudo o que requieren juicio de contexto. Un agente que navega por píxeles es frágil: un rediseño de la pantalla o un diálogo inesperado lo descolocan. Mientras un humano improvisa, el agente se detiene o, peor, sigue adelante con confianza injustificada.
El tercero es cualquier flujo con datos sensibles o cumplimiento regulatorio. Dar a un sistema autónomo acceso a tu navegador con tus sesiones abiertas es darle tus permisos. Eso exige aislamiento, registro de cada acción y un perímetro claro de lo que puede y no puede tocar. No es un detalle de seguridad, es la condición para que esto sea adoptable en una empresa seria.
La pregunta de fondo
La tentación, al ver una demo convincente, es preguntar “¿qué puedo automatizar entero?”. Es la pregunta equivocada. Lleva a proyectos grandes, frágiles y difíciles de auditar.
La pregunta útil es otra: “¿qué tarea repetitiva, sobre una interfaz estable, con resultado verificable y consecuencias reversibles, me está costando horas hoy?”. Empieza por ahí. Mide el tiempo que ahorra y los errores que comete. Mantén a una persona en el lazo de aprobación mientras el coste del fallo siga importando.
La capacidad de usar el ordenador no transforma la organización por sí sola. Lo que la transforma es la disciplina de elegir bien el primer proceso, acotarlo, medirlo y solo entonces ampliarlo. La tecnología ya está madurando rápido. La ventaja la marcará quién sepa decidir dónde ponerla a trabajar y dónde, todavía, no.
¿Cuál es la tarea de tu semana que es pura mecánica de clicar y copiar, y qué tendría que ser verdad para confiársela a un agente?