Muchas empresas dependen de sistemas sin API, webhook o acceso a la base de datos. La operativa se realiza mediante pantallas: buscar una ficha, rellenar campos, descargar un documento, copiar importes y confirmar una acción. Durante años, las opciones fueron conservar el trabajo manual o crear robots frágiles ligados a selectores exactos.
Los agentes de uso del ordenador —también conocidos como computer-use agents— añaden visión y razonamiento. Reciben capturas, interpretan botones y estados, eligen una acción y comprueban el resultado. Google, Microsoft y AWS ya documentan este patrón como una capa empresarial de automatización para navegador y escritorio.
¿Qué es un agente de uso del ordenador?
Es un agente capaz de interactuar con una interfaz gráfica mediante clics, escritura, desplazamiento, selección y navegación. Su ciclo habitual consiste en observar, decidir, actuar y verificar.
A diferencia de una API, utiliza la misma superficie visual que un empleado. Esto permite llegar a aplicaciones heredadas, portales de terceros y procesos repartidos entre varias pantallas. También hace que la ejecución sea más sensible a cambios visuales, tiempos de carga y mensajes inesperados.
Uso del ordenador, RPA o API
La API sigue siendo la primera opción
Si existe una API fiable, suele ser más rápida, económica, predecible y fácil de probar. La interfaz no debe sustituir una integración estructurada solo porque la demostración parezca sencilla.
RPA para recorridos estables
La automatización robótica funciona bien cuando los campos y la secuencia apenas cambian. Sigue selectores y reglas deterministas; su mantenimiento aumenta cuando aparecen muchas variantes.
Agentes visuales para entornos variables
Un agente puede reconocer un botón desplazado, interpretar un aviso y escoger otro camino. Esa flexibilidad ayuda en interfaces dinámicas sin API, pero requiere evaluaciones y controles adicionales.
Casos de uso empresariales
- Portales de proveedores: consultar pedidos, adjuntar justificantes y actualizar estados.
- Aplicaciones heredadas: transferir información de un ERP antiguo a una plataforma nueva.
- Back office financiero: descargar documentos, revisar campos y preparar asientos.
- Atención al cliente: consultar sistemas externos y registrar el resultado durante una conversación.
- Pruebas: recorrer experiencias completas, incluidos diálogos del sistema operativo.
- Altas reguladas: rellenar formularios y derivar excepciones a una persona.
Ejemplo: registro en un portal externo
Una empresa recibe solicitudes en su ERP, pero debe registrar cada servicio en un portal sin API. El agente abre una sesión aislada, utiliza una credencial temporal, localiza al cliente, completa los datos y prepara la confirmación.
Antes de finalizar, una regla compara importe, documento y localidad. Si hay diferencias, el agente pausa y solicita revisión. La evidencia conserva las acciones y la aprobación sin eliminar el control sobre una operación sensible.
Por qué ejecutar en un entorno aislado
Google Cloud documenta sandboxes en contenedores, mientras Microsoft y AWS ofrecen entornos administrados para navegadores y escritorios. El aislamiento reduce el riesgo de que el agente alcance archivos, sesiones o aplicaciones fuera de su función.
Cada ejecución debe comenzar con un perfil limpio, red restringida, credenciales de corta duración y dominios autorizados. Al terminar, la sesión puede destruirse para no conservar cookies ni datos.
Riesgos principales
Inyección de instrucciones en la página
Una web puede mostrar contenido malicioso para desviar al agente. Lo observado debe tratarse como datos, no como una instrucción prioritaria.
Acciones irreversibles
Enviar pagos, borrar registros o publicar información exige confirmación y, cuando sea posible, reversión.
Exposición de credenciales
Las contraseñas no deben aparecer en prompts ni logs. Son preferibles los almacenes de secretos y tokens temporales.
Cambios silenciosos en la interfaz
El agente puede seguir haciendo clic en el lugar equivocado. Se necesitan comprobaciones de estado y pruebas de regresión.
Controles mínimos para producción
- dominios, aplicaciones y acciones permitidos;
- sesiones aisladas por tarea y cliente;
- credenciales temporales y mínimo privilegio;
- límites de tiempo, pasos, reintentos e importe;
- confirmación humana para acciones sensibles;
- evidencias sin capturar información innecesaria;
- parada inmediata y cierre automático;
- métricas de éxito, intervención y coste.
Cómo implantarlo con un alcance controlado
- Elegir una tarea: frecuente, medible y reversible.
- Mapear variantes: mensajes, errores, autenticación e indisponibilidad.
- Separar decisión y clic: las reglas críticas permanecen en código o aprobación.
- Crear un entorno de prueba: usar datos no sensibles y escenarios hostiles.
- Instrumentar: registrar estados, acciones y resultado.
- Empezar asistido: una persona observa y confirma.
- Aumentar autonomía con evidencias: solo cuando las métricas lo justifiquen.
Indicadores relevantes
Mide conclusión correcta, tiempo por tarea, excepciones, intervenciones humanas, acciones revertidas, coste por ejecución y cambios detectados. El valor no está en completar muchos clics, sino en obtener el resultado correcto con riesgo controlado.
Una vía de transición, no una excusa para no integrar
El uso del ordenador desbloquea procesos inaccesibles, pero no debe perpetuar una arquitectura deficiente. Si el sistema es estratégico y admite evolución, una API o un módulo propio será mejor a largo plazo. A menudo, el agente sirve como puente durante la modernización.
ProativaIA crea automatizaciones y agentes de IA, integra plataformas y desarrolla software a medida. Podemos determinar si tu proceso requiere API, RPA, uso del ordenador o una combinación, con aislamiento, supervisión y métricas desde el principio.