Computer use: funcionamiento, opciones y seguridad

Un agente de computer use realiza tareas mediante una interfaz gráfica: observa la pantalla, hace clic, introduce texto y comprueba los cambios. Puede controlar un navegador o un escritorio completo, pero su fiabilidad depende del flujo de trabajo, de los controles y de los permisos concedidos. Asígnele tareas delimitadas, con un resultado verificable y una aprobación previa a las acciones con consecuencias sensibles.

Qué abarca el computer use

El uso del ordenador es una capacidad para actuar, no un producto único. Un modelo puede proponer las acciones mientras otro programa las ejecuta. Una aplicación lista para usar reúne estos componentes; si los integra mediante una API, tendrá que asumir más responsabilidades.

Conviene distinguir entre el alcance del acceso y la forma de observar el entorno. Un agente limitado al navegador no tiene necesariamente acceso a los archivos del equipo. Un agente de escritorio puede cambiar de ventana y utilizar varias aplicaciones, según sus permisos. Ambos pueden observar capturas de pantalla o recurrir a una descripción estructurada de los elementos visibles.

Enfoque	Qué observa	Cómo actúa	Limitación principal
Control visual del escritorio	Capturas de la pantalla autorizada	Ratón, teclado y desplazamiento	Sensibilidad a las ventanas y su distribución
Navegación estructurada	Elementos y estructura de una página	Acciones sobre los controles identificados	Dependencia de la estructura disponible
Integración mediante API	Datos previstos por el servicio	Operaciones disponibles de forma explícita	Cobertura limitada por la API
Automatización con reglas fijas	Estados y condiciones predefinidos	Secuencia programada	Mantenimiento cuando cambia el flujo

Estos enfoques pueden combinarse. Una interfaz gráfica puede servir para obtener un documento y una operación estructurada, para procesar después su contenido.

Para los flujos que transcurren exclusivamente en la web, el artículo sobre los agentes de navegador amplía esta guía. El criterio decisivo es el mismo: ofrecer al agente la vía más fácil de controlar para llegar al resultado, sin ampliar su acceso de forma innecesaria.

Cómo funciona el ciclo de acciones

El funcionamiento sigue un ciclo: recibir el objetivo, observar el entorno, elegir una acción, ejecutarla y volver a observar. El modelo no mueve el ratón directamente. Emite una solicitud que un programa convierte en una acción dentro del entorno autorizado.

Una instrucción como preparar una exportación implica varias decisiones: identificar la cuenta correcta, elegir el periodo, iniciar la descarga y localizar el archivo. Un error al principio puede generar un resultado que parezca coherente. Por eso, el agente debe comprobar los elementos que condicionan los pasos siguientes, en particular la identidad de la cuenta y los filtros seleccionados.

La siguiente captura puede mostrar un cuadro de diálogo, una carga en curso o una acción que no ha surtido efecto. Continuar a partir de una observación desactualizada puede llevar a hacer clic en el lugar equivocado. Los atajos de teclado simplifican algunas operaciones, pero no eliminan la necesidad de comprobar qué campo está activo.

La documentación de computer use de Anthropic, consultada el 24 de octubre de 2026, describe una capacidad de captura y control del ratón y del teclado cuyas llamadas ejecuta la aplicación cliente. También advierte que el modelo puede dar por hecho que una acción ha tenido éxito sin comprobarlo.

Terminar una secuencia no demuestra que se haya alcanzado el objetivo. Hacer clic en exportar no acredita que el archivo exista, que corresponda al periodo solicitado ni que su contenido sea correcto. La condición de éxito debe definirse antes de la ejecución, preferiblemente con una comprobación independiente de la interpretación visual.

Opciones disponibles: aplicación, modelo e infraestructura

A 24 de octubre de 2026, para comparar las opciones disponibles debe precisar qué está contratando: una interfaz de uso directo, una capacidad del modelo, un agente programable o un entorno de ejecución. Cada componente resuelve una parte distinta del trabajo.

Opción o componente	Naturaleza	Alcance documentado	Responsabilidad que debe revisar
Computer Use en ChatGPT	Función de la aplicación de escritorio	Interfaces locales autorizadas	Permisos del equipo y disponibilidad regional
Computer use de Claude	Capacidad integrable mediante API	Entorno proporcionado por quien realiza la integración	Ejecución de las acciones y controles
Browser Use	Agente programable y servicios alojados	Navegación web	Elección del modelo, sesiones y datos
Cua	Controladores e infraestructura	Entornos informáticos y aislamiento	Integración de componentes y operación
Playwright MCP	Servidor de herramientas	Navegador y estructura accesible de las páginas	Agente que realiza las llamadas y permisos de la sesión

La documentación de Computer Use de ChatGPT indica que está disponible en macOS y Windows, en las regiones admitidas, con ChatGPT Work y Codex. Distingue este acceso local de las tareas realizadas en un entorno remoto.

Preste atención a los nombres anteriores. La página de ayuda de ChatGPT agent indica ahora que ese modo ya no está disponible y remite a ChatGPT Work. Conserva apartados históricos, por lo que sus antiguas limitaciones no describen de forma fiable la oferta actual. Operator también es un nombre anterior, cuyas funciones se habían integrado en el modo agente.

Esta comparación recoge los alcances documentados; no es una clasificación por tasa de éxito.

Cómo elegir un componente programable

El repositorio oficial de Browser Use, consultado el 24 de octubre de 2026, distingue entre biblioteca, interfaz de línea de comandos y servicios en la nube. Un navegador alojado proporciona el entorno de navegación; un servicio de agente alojado se encarga también de ejecutar el agente. Esta diferencia determina qué tendrá que gestionar su equipo.

El repositorio oficial de Cua presenta controladores, entornos aislados y herramientas destinadas, entre otros usos, a la evaluación. Conviene considerarlo una infraestructura que debe integrar, sin dar por hecho que ofrece una aplicación final adaptada a su actividad.

El repositorio oficial de Playwright MCP describe una interacción basada en representaciones estructuradas de accesibilidad. Este enfoque permite dirigirse a elementos web sin depender únicamente de su posición en una captura. Sin embargo, por sí solo no determina si una acción es adecuada.

Para comparar estos componentes, revise los siguientes puntos:

quién elige las acciones y qué modelo recibe las observaciones;
quién aloja la sesión y conserva sus datos;
cómo se suspende, reanuda y cierra una ejecución;
qué operaciones pueden bloquearse mediante controles técnicos;
qué pruebas quedan disponibles después de un incidente.

Las fichas del directorio de agentes de IA permiten localizar los proyectos. Su popularidad y actividad sirven como indicios del mantenimiento que reciben, pero no miden su fiabilidad para la tarea que necesita realizar.

Cuándo conviene una API o una automatización clásica

El computer use resulta útil cuando una interfaz es la única vía viable para realizar una operación. También puede ayudar a explorar un flujo variable o a comprobar un resultado tal como lo ve una persona. Esa flexibilidad tiene un coste: más observaciones, más esperas y más incertidumbre.

Si existe una API adecuada, examínela primero. Puede definir de forma explícita los campos, los identificadores, los errores y los permisos. Esto facilita los controles, aunque no garantiza que se eviten errores en la operación. Una integración estructurada también puede modificar el expediente equivocado si el objetivo es ambiguo.

Una automatización con reglas fijas encaja en flujos estables cuyas condiciones se conocen. Incorporar un modelo para decidir cada clic no aporta necesariamente una ventaja. A la vez, acumular reglas frágiles para cubrir todas las variantes puede acabar dificultando el mantenimiento.

Considere este ejemplo hipotético: obtener un documento de un portal sin una API aprovechable. El agente puede navegar hasta la descarga y un proceso determinista puede comprobar después el nombre, el formato y los campos esperados. La validación final se basa así en criterios explícitos.

Para elegir, parta de la necesidad: interpretar una pantalla, decidir entre rutas variables o simplemente transferir datos conocidos. Reserve la libertad de decisión para los pasos que la requieran. En los pasos previsibles conviene mantener controles sencillos y reproducibles.

Evaluar la fiabilidad de una tarea completa

Un agente puede reconocer correctamente los botones y aun así no conseguir el resultado que necesita. También puede pedir ayuda en el momento adecuado: esa interrupción reduce la autonomía, pero puede evitar un error. Mida por separado el éxito, las intervenciones humanas y los incidentes.

Prepare situaciones representativas: una carga lenta, un archivo que ya existe, una sesión caducada, una ventana inesperada, varios expedientes con el mismo nombre o un resultado que no aparece. Incluya también un caso en el que el agente deba detenerse porque no dispone de información suficiente.

Dimensión	Observación que debe conservar	Decisión que ayuda a tomar
Resultado	Estado final verificado de forma independiente	¿Se ha completado la tarea?
Intervención	Motivo y duración de las intervenciones humanas	¿Qué supervisión hará falta?
Tiempo	Duración total, incluidas las esperas	¿El flujo permite ahorrar tiempo?
Gasto	Llamadas, entorno e intervenciones para retomar la tarea	¿Qué presupuesto real se necesita?
Incidente	Acción indebida, duplicado o exposición de datos	¿Es aceptable el alcance del acceso?

Los benchmarks públicos permiten situar las capacidades dentro de un protocolo concreto. OSWorld 2.0, consultado el 24 de octubre de 2026, evalúa tareas informáticas largas en entornos reales. Una puntuación debe interpretarse siempre junto con el protocolo, las herramientas permitidas y las condiciones de ejecución.

No convierta un resultado público en una probabilidad de éxito para su programa. Una demostración seleccionada tampoco informa sobre los fallos habituales. La guía para evaluar un agente de IA explica cómo preparar un conjunto de pruebas adecuado.

Errores habituales y reintentos peligrosos

Las dificultades no proceden únicamente del modelo. Una aplicación puede cambiar un botón de sitio, mostrar una notificación o aplicar un filtro guardado. Una descarga puede seguir en curso aunque la pantalla parezca haber vuelto a su estado inicial.

Las etiquetas ambiguas son otra fuente de errores. Según el contexto, un botón de confirmación puede guardar un borrador, publicar un documento o formalizar una compra. Además de leer la etiqueta, hay que comprobar el elemento afectado, el destinatario y las consecuencias.

La recuperación tras un incidente necesita una regla propia. Si la conexión se interrumpe después de un envío, repetirlo de inmediato puede crear un duplicado. El agente debe buscar primero una prueba de la acción anterior: el documento creado, el estado del expediente o la confirmación del servicio.

Establezca puntos de recuperación que describan el estado alcanzado, en lugar de limitarse a enumerar los clics realizados. Un estado útil indica qué expediente está abierto, qué cambios se han confirmado y qué operaciones siguen siendo inciertas. Así, una persona puede retomar el trabajo sin tener que adivinar qué ha ocurrido.

Por último, limite los intentos y la duración de cada ejecución. Si un bloqueo persiste, el resultado esperado debe ser un informe útil: la acción intentada, la observación obtenida y la incertidumbre pendiente. Reintentar a ciegas consume presupuesto y puede agravar el error.

Seguridad: el contenido de la pantalla sigue siendo un dato

Un agente lee páginas, mensajes y documentos que pueden contener instrucciones maliciosas. Una inyección de prompt intenta que interprete ese contenido como una instrucción autorizada. Puede aparecer tanto en un texto como en una imagen que el agente observe.

El acceso al navegador añade un problema: una sesión iniciada ya representa una autorización. Aunque no conozca la contraseña, el agente puede disponer de las acciones que permite la cuenta. Por tanto, proteger únicamente las credenciales no basta.

Separe en lo posible la consulta, la preparación y las acciones con efectos definitivos. Una cuenta que puede leer expedientes no necesita necesariamente poder eliminarlos. Un entorno de preparación puede generar un borrador sin tener permiso para enviarlo. Estas restricciones deben aplicarse mediante permisos, además de expresarse en el prompt.

El aislamiento limita algunas consecuencias sobre el equipo, pero no anula los permisos de una cuenta remota. Una sesión aislada que puede enviar mensajes conserva esa capacidad. Del mismo modo, una lista de dominios permitidos reduce la exposición sin garantizar que su contenido sea fiable.

Anthropic recomienda, entre otras medidas, un entorno dedicado, los privilegios mínimos y una confirmación humana para las decisiones con consecuencias significativas. La guía para proteger un agente de IA ayuda a convertir estos principios en reglas de despliegue.

Prevea también un control de parada accesible que suspenda realmente la ejecución y permita cerrar los accesos correspondientes.

Privacidad: seguir el recorrido de pantallas, archivos y sesiones

Una captura puede revelar más información que la del documento que se quiere tratar: notificaciones, nombres de clientes, pestañas, rutas de archivos o datos de otro expediente. Preparar un entorno con lo imprescindible reduce esta recopilación accidental. Cierre las aplicaciones innecesarias y utilice un perfil separado cuando sea posible.

Identifique por separado los lugares por los que circulan los datos: equipo local, entorno remoto, proveedor del modelo, almacenamiento de registros y herramienta de supervisión. Una ejecución descrita como local puede seguir enviando sus observaciones a una API remota. Un navegador en la nube puede conservar la sesión iniciada.

Pregunte qué datos se conservan, durante cuánto tiempo, en qué región y con qué accesos administrativos. Compruebe también cómo eliminar una sesión y revocar las autorizaciones. Estas preguntas deben abarcar las capturas, los archivos descargados y los registros de actividad.

El registro de actividad debe ser proporcionado. Ayuda a entender un error, pero también puede generar una nueva copia de información sensible. Conserve los elementos necesarios para la auditoría con acceso limitado y un plazo definido, en lugar de mantener una grabación permanente por defecto.

Antes de iniciar una tarea sensible, revise el contenido visible. Un permiso para capturar la pantalla no distingue por sí solo entre lo necesario para el objetivo y lo que pertenece a otro trabajo. Preparar el equipo forma parte del control de privacidad.

Coste: calcularlo por resultado aceptado

El coste total reúne las llamadas al modelo, el entorno de ejecución, los servicios adicionales, la integración y la supervisión. Que una biblioteca esté disponible sin pagar no implica que utilizarla resulte gratuito. Tampoco una suscripción general demuestra que incluya la función que necesita.

Las capturas, las observaciones repetidas y el historial pueden aumentar el consumo del modelo. Las cargas y los reintentos prolongan el uso del entorno. Según el servicio, estos elementos pueden facturarse por separado: compruebe qué incluye exactamente cada opción antes de compararlas.

El indicador adecuado es el coste por resultado aceptado. Divida los gastos de un lote entre las tareas efectivamente validadas, contando también los intentos abandonados. Añada el tiempo dedicado a revisar, corregir y resolver incidentes.

Un flujo barato de iniciar puede dejar de compensar si cada resultado requiere una inspección completa. En cambio, una supervisión breve y centrada en puntos concretos puede ser compatible con una tarea repetitiva, siempre que el resultado sea fácil de verificar.

Fije límites de gasto, duración e intentos. Compare también el flujo con una ejecución humana o una automatización clásica que cubra el mismo alcance. El presupuesto debe incluir el mantenimiento cuando cambie la interfaz, además de la primera demostración que salga bien.

Organizar una prueba piloto controlable

Empiece con una tarea reversible sobre datos ficticios o adecuados para la prueba. Necesitará un entorno separado, una cuenta con permisos limitados, un resultado esperado y una persona capaz de retomar el trabajo. No hace falta autorizar un envío o una publicación para comprobar que el agente puede preparar el entregable.

Describa el resultado. Especifique la cuenta, el periodo, el formato y los criterios de aceptación.
Delimite el acceso. Autorice únicamente las aplicaciones, carpetas y destinos necesarios.
Defina cuándo detenerse. Contemple los casos ambiguos, los errores persistentes y las acciones con consecuencias sensibles.
Pruebe las variantes. Incluya un flujo normal y situaciones que deban provocar una interrupción.
Compruebe el resultado de forma independiente. Revise el entregable o el estado del servicio y registre las desviaciones.
Amplíe el alcance de forma gradual. Añada un flujo cuando comprenda los resultados de los anteriores.

Problemas frecuentes

Si el agente pierde la referencia de la ventana activa, solicite una nueva observación antes de introducir texto. Si encuentra una autenticación o un CAPTCHA, prevea una intervención humana autorizada. Si el resultado de un envío sigue siendo incierto, compruebe el estado en el servicio remoto antes de repetirlo.

Lista de comprobación antes del uso habitual

El resultado puede verificarse sin depender del informe del agente.
Los permisos se ajustan a la tarea.
Las acciones sensibles requieren una aprobación explícita.
Existe un procedimiento para retomar el trabajo tras un incidente.
Los registros y las sesiones tienen un plazo de conservación.
Se han comprobado los límites y el control de parada.

Puntos clave

El computer use da acceso a una interfaz; la calidad del resultado debe demostrarse en su flujo de trabajo.
Distinga entre el modelo, el agente, el navegador y el entorno antes de comparar las opciones disponibles.
Priorice las operaciones estructuradas cuando cubran la necesidad y faciliten los controles.
Limite los permisos, compruebe los efectos reales y mida el coste de supervisión junto con el de ejecución.

Páginas relacionadas

Preguntas frecuentes

¿Un agente de computer use controla necesariamente mi ordenador personal?

No. Puede actuar en un navegador alojado en la nube, una máquina virtual o una sesión local autorizada. Antes de conectarlo, compruebe qué entorno va a controlar y qué cuentas tienen una sesión abierta.

¿Se puede utilizar un agente de computer use sin saber programar?

Una aplicación lista para usar puede evitarle tener que desarrollar el ciclo de acciones. En cambio, integrar esta capacidad mediante una API exige gestionar la ejecución, los errores y los permisos. En ambos casos, debe definir un resultado que se pueda verificar.

¿Computer use funciona con cualquier programa?

Tener acceso a una interfaz gráfica no garantiza que el agente sepa completar una tarea. La compatibilidad depende, entre otros factores, del sistema, los permisos, la legibilidad de las pantallas y los mecanismos de autenticación. Sigue siendo necesario probar el flujo de trabajo concreto.

¿Puede trabajar un agente mientras utilizo el mismo ordenador?

En una sesión compartida, sus movimientos del ratón y cambios de ventana pueden interferir en el trabajo del agente. Utilice un entorno separado cuando la herramienta lo permita. Compruebe también si la intervención de una persona suspende realmente las acciones.

¿Un proyecto de código abierto permite mantener todos los datos en local?

Que el código esté disponible no determina por dónde circulan los datos. Un programa instalado localmente puede enviar capturas a un modelo remoto o utilizar un navegador alojado en la nube. Debe revisar cada componente y su configuración por separado.

Agentes que usan un ordenador (computer use): funcionamiento, opciones, fiabilidad y seguridad