Agentes que usan la computadora: mira, planea, haz clic, verifica
Un agente que hace clic en botones y rellena formularios suena mágico, hasta que hace clic en lo que no es, en una pantalla que solo entiende a medias, y la acción no se puede deshacer.
La idea que hay dentro
Un agente que usa la computadora gira en un bucle: captura, planea, actúa, observa, verifica. Las interfaces son frágiles y algunas acciones son irreversibles, así que verificar y las compuertas de aprobación humana no son opcionales.
Después de esta lección
Puedes explicar cómo los agentes que usan la computadora operan interfaces (captura, planea, actúa, observa, verifica) y por qué las interfaces frágiles y las acciones irreversibles exigen verificación y aprobación humana.
Adónde lleva
Dentro de esta lección
Ese es el escenario real de la lección, en pausa. Reclama tu pase para operarlo.
Mira cómo funciona la IA de verdad, de principio a fin.
Esta lección es solo una parada del arco completo. Desbloquéalo todo y consérvalo de por vida.
Lo que obtienes
- El camino principal de 34 lecciones, una ruta que sí se termina, de una palabra a los agentes
- Rutas por objetivo para usar IA en el trabajo y construir funciones con IA
- Labs de jefe que te hacen aplicar un acto entero, no solo reconocerlo
- Repaso espaciado que trae cada idea de vuelta antes de que la olvides
- Memoria del curso: cada término definido, con enlaces a donde aparece por primera vez
- Una tarjeta de capacidades para compartir cuando termines el camino principal
- Acceso de por vida en cualquier dispositivo, con todas las lecciones futuras incluidas
No son videos para mirar. Predices, operas la máquina y luego lo demuestras. Por eso se queda.
99 lecciones y retos interactivos. Sin videos, sin código.
Pase de lanzamiento gratis: acceso de por vida, sin tarjeta
¿Nuevo por aquí? Las primeras lecciones son gratis para probar. Empieza con la lección 0.1
Qué muestra esta lección
Un agente que usa la computadora gira en un bucle: captura, planea, actúa, observa, verifica. Las interfaces son frágiles y algunas acciones son irreversibles, así que verificar y las compuertas de aprobación humana no son opcionales.
La pregunta con la que abre
Un agente que hace clic en botones y rellena formularios suena mágico, hasta que hace clic en lo que no es, en una pantalla que solo entiende a medias, y la acción no se puede deshacer.
El recorrido, en palabras de la propia lección
- Maneja al agente paso a paso. Míralo mirar, planear, actuar y luego verificar.
- La pantalla cambió desde la última captura del agente. Predice qué hace ahora su plan viejo.
- Un agente de uso de computadora planea desde una captura. Las UIs frágiles y las acciones riesgosas necesitan una compuerta humana.
- Descuento aplicado. Nuevo total $37.80. El pago está confirmado.
- El agente quiere confirmar un pago. Esa acción no se puede deshacer, así que se detiene y te pregunta.
- Lo aprobaste, el pago se confirmó y el agente verificó la nueva pantalla. Los pasos reversibles corrieron solos, el irreversible te esperó.
- Detuviste la acción, así que no se cobró nada. Un humano se quedó en el bucle. Ejecuta el paso de nuevo cuando estés listo para decidir.
- El agente miró, planeó, actuó y luego verificó el resultado. Ejecuta el siguiente paso.
- Presiona Ejecutar el siguiente paso para iniciar el bucle del agente.
- Un agente de uso de computadora toma una captura (mirar), decide un clic o una tecla a partir de lo que ve (planear), lo ejecuta (actuar), y luego toma una nueva captura para confirmar el resultado (verificar). Después repite el bucle. El paso de verificar es lo que evita que avance a ciegas.
- Esta pantalla es una simulación. El bucle y la compuerta de aprobación son el patrón real.
- El agente planeó su clic desde la captura VIEJA. Si actúa sin volver a revisar la pantalla, ¿qué pasa?
- Apareció un modal y el botón se movió. Las coordenadas guardadas del agente ahora caen en el elemento equivocado, así que hace clic en lo incorrecto. Las pantallas son frágiles: un cambio de diseño rompe un plan desactualizado.
- La solución es observar una captura nueva en cada paso y verificar el resultado, en vez de confiar en un plan hecho desde una vista vieja.
- Córrelo en un sandbox (un navegador o VM desechable) para que un clic equivocado no toque tus archivos reales, y dale permisos de herramienta acotados, el conjunto estrecho de acciones que tiene permitidas, para que pueda leer una página pero no, digamos, enviar dinero sin tu visto bueno. La misma idea que acotar el acceso de cualquier herramienta (mira la lección 6.5).
- Los agentes de navegador y de sistema de hoy (el computer use de Claude, el modo agente de ChatGPT y compañía) evitan los píxeles crudos cuando pueden. Prefieren una API, la estructura de la página (el DOM) o el árbol de accesibilidad, el mapa etiquetado de botones y campos que usan los lectores de pantalla, porque 'el botón Confirmar' sobrevive a un cambio de diseño que unas coordenadas de píxeles guardadas no sobreviven. Las capturas y los clics son el plan B para apps sin un asidero mejor, y ese plan B es exactamente el caso frágil que acabas de ver. Estos agentes ya pasaron de ser solo demos, pero todavía fallan una parte significativa de las tareas largas de varios pasos, y por eso el bucle de verificar y la compuerta de aprobación siguen ahí.
- Un agente de uso de computadora ve y hace clic de forma confiable como una persona.
- Planea desde una captura, las UIs son frágiles, y las acciones irreversibles necesitan verificación y una compuerta de aprobación humana.
- Antes de dejar que un agente maneje tu navegador, correo o banco, ¿cuál es la verdadera pregunta que hay que hacerse?
- No 'puede hacer clic', sino 'qué pasa cuando hace clic mal, y qué acciones necesitan mi visto bueno'. Las acciones reversibles pueden correr libres; las irreversibles necesitan verificación y una compuerta humana.
- Puedes leer el bucle de un agente de uso de computadora, mirar, planear, actuar, verificar, y decidir qué acciones puede correr por su cuenta y cuáles deben pausar para tu aprobación.
La idea clave
Ejecutaste el bucle mira-planea-actúa-verifica, atrapaste un clic erróneo al verificar, y pusiste una acción irreversible detrás de tu aprobación.
Qué puedes hacer después de esta lección
Puedes explicar cómo los agentes que usan la computadora operan interfaces (captura, planea, actúa, observa, verifica) y por qué las interfaces frágiles y las acciones irreversibles exigen verificación y aprobación humana.
¿Prefieres leer primero? Esta lección tiene un explicador de compañía: Agents que usan la computadora
Este es el resumen escrito. La lección en sí es interactiva: arriba predices, arrastras y operas el mecanismo, y la revelación te responde.