Explicador en lenguaje claro
Los agents de uso de la computadora, explicados
¿Cómo puede una IA hacer clic por las apps, y cuándo es seguro?
Un agent de uso de la computadora opera la pantalla como una persona: toma una captura, planea un paso, hace clic o escribe, mira el resultado y verifica antes de seguir. Ese bucle, mirar, planear, actuar, verificar, permite al modelo usar software sin API. El problema es que las interfaces son frágiles y algunas acciones no se pueden deshacer. Por eso la verificación y la aprobación humana en los pasos arriesgados no son extras; son lo que separa a un agent útil de uno que hace clic con seguridad en el botón equivocado.
Revisado por última vez el
Leer es el camino lento. Empieza con una lección gratis que puedes operar ahora mismo.
Empieza gratis: El harness: el bucle, hecho realidad →Gratis, sin código, sin registro.
Y después ve más a fondo: Agentes que usan la computadora: mira, planea, haz clic, verifica Bloqueada
Lo que la gente entiende mal
- Entiende la pantalla a la perfección. Lee una captura y puede confundir elementos, así que debe verificar.
- Puede hacer con seguridad todo lo que un usuario. Las acciones irreversibles necesitan una aprobación humana.
- Es solo un grabador de macros. Planea y se adapta a lo que ve, en vez de repetir pasos fijos.
Dónde lo ves en productos reales
- Los agents de navegador rellenan formularios y reúnen información entre sitios.
- Las herramientas de QA y automatización manejan apps que no exponen API.
- Los asistentes toman acciones reales, con tu confirmación en los pasos arriesgados.
Preguntas frecuentes
- ¿Cómo usa una computadora un agent?
- Toma una captura de pantalla, razona sobre lo que ve y emite un clic o una tecla en coordenadas concretas. Después toma otra captura para ver qué pasó. Es el mismo bucle de actuar y observar, con píxeles como entrada y el ratón y el teclado como herramientas.
- ¿Por qué es más lento y menos fiable que una API?
- Cada paso cuesta procesar una captura entera y ejecutar una acción, y el modelo tiene que recuperarse de cualquier imprevisto: una ventana emergente, una carga lenta, un botón que se movió. Una llamada a una API se salta la interfaz por completo. El uso de computadora es el recurso para el software que no tiene API.
- ¿Es seguro dejar que un agent use mi computadora?
- Trátalo como darle el teclado a un desconocido capaz que lee todo lo que hay en pantalla y al que el texto que encuentra puede convencer de cosas. Córrelo en un sandbox o en un perfil aparte, deja las credenciales fuera de su alcance y exige confirmación antes de cualquier cosa que gaste dinero o envíe mensajes.
Explicadores relacionados
Más en Agents y herramientas
Una idea a la vez, en tu correo
Lecciones y explicadores nuevos, escritos como están escritas estas páginas. De vez en cuando, no a diario, y nunca una secuencia de venta.
Primero te enviamos un enlace de confirmación. Puedes darte de baja con un clic, cuando quieras. Privacidad.
Parte de See How AI Works, un curso interactivo gratuito, donde aprendes cómo funciona la IA moderna operándola, no viendo videos.