Introducción: La interfaz se convierte en la plataforma
Cada cambio en la informática crea una nueva interfaz predeterminada y, con ella, un nuevo centro de poder. La línea de comandos favorecía el apalancamiento técnico, la GUI favorecía la distribución y la pantalla móvil favorecía la agregación. La capa emergente (agentes de IA que pueden operar software en nuestro nombre) sugiere una nueva interfaz: la intención. "Uso Informático" de Gemini 2.5 de Google es un ejemplo temprano e importante. Puede observar, hacer clic, escribir y navegar en un navegador, convirtiendo las instrucciones en acciones sin integraciones personalizadas.
Este artículo plantea una pregunta estratégica sencilla con grandes implicaciones: ¿cómo se utiliza hoy en día el "Uso Informático" de Gemini 2.5 para automatizar las tareas del navegador y qué presagia eso para la propiedad del flujo de trabajo en el futuro? La respuesta combina pasos prácticos con un marco más amplio: cuando la ejecución se automatiza, el valor se acumula para quien posee la intención, el historial y la evaluación. En otras palabras, la automatización del navegador no se trata solo de ahorrar minutos, sino de reasignar el control.
Antecedentes: Desde RPA hasta Agentes, Por qué la automatización del navegador es importante
La Automatización Robótica de Procesos (RPA) profesionalizó la idea de que gran parte del trabajo empresarial es determinista. Los scripts replicaban las pulsaciones de teclas. El navegador complicó ese panorama: los DOM dinámicos, los flujos de autenticación y las interfaces de usuario de las aplicaciones en constante cambio hacían que los scripts de larga duración fueran frágiles. El resultado fue un mercado dividido: integraciones API-first para flujos de trabajo estables y costosas implementaciones de RPA para casos heredados y marginales.
Los agentes de IA colapsan esa dicotomía. En lugar de selectores frágiles y pasos codificados a mano, un modelo puede leer el contexto en la página, inferir la siguiente mejor acción y ajustarse a cambios menores. La función "Uso Informático" de Gemini 2.5 va más allá: está diseñada para llevar a cabo interacciones en el navegador con una flexibilidad similar a la humana, basada en una comprensión de los objetivos de la tarea en lugar de instrucciones fijas.
La utilidad inmediata es sencilla: automatizar las tareas que ya realiza en Chrome (rellenar formularios, descargar informes, publicar contenido cruzado), sin esperar a las integraciones de los proveedores. La implicación estratégica es más significativa: el navegador, que ya es el cliente ligero para el trabajo, se vuelve programable por lenguaje, no por código. Eso traslada el poder de las interfaces de usuario específicas de la aplicación a los agentes de resolución de intenciones, y aumenta la relevancia del contexto de los datos y la confianza.
Un marco práctico para la automatización del navegador con Gemini 2.5
Hay tres capas para obtener valor real del "Uso Informático" de Gemini 2.5:
- Especificación de la intención: definir con precisión el resultado en lenguaje natural.
- Aprovisionamiento de contexto: asegurar que el modelo tenga las entradas correctas (credenciales, URLs, archivos y restricciones).
- Gobernanza de acciones: supervisar, restringir y registrar las acciones del modelo para la fiabilidad y la auditoría.
Estos se corresponden con las preocupaciones tradicionales del software (requisitos, datos y control), pero la interfaz es conversacional.
Especificación de la intención: Escribir prompts como especificaciones de producto
Los buenos prompts se leen como criterios de aceptación. En lugar de "descargar el informe", especifique el objetivo y las restricciones:
- Objetivo: "Iniciar sesión en example-analytics.com, navegar a Informes > Ingresos Mensuales, establecer el rango de fechas al mes pasado, exportar CSV y guardar en Google Drive en /Finanzas/Ingresos/2025-09.csv."
- Restricciones: "Si se solicita la autenticación de dos factores, pausar y solicitar el código. Si el informe no está disponible, devolver un resumen de los errores visibles y detenerse."
- Criterios de éxito: "Confirmar la ruta del archivo, el tamaño del archivo y el número de filas > 1."
El "Uso Informático" de Gemini 2.5 funciona mejor cuando el estado final deseado es explícito. El modelo puede manejar la inferencia, pero la claridad reduce la ambigüedad y mitiga los reintentos costosos.
Aprovisionamiento de contexto: proporcionar las herramientas y los datos correctos
Los agentes solo son tan capaces como su entorno lo permita. Para las tareas del navegador:
- Acceso: Utilizar un perfil con credenciales guardadas y bloqueadores de pop-ups mínimos que puedan obstruir la automatización. Aislar un perfil de trabajo para la política y la auditoría.
- URLs y artefactos: Proporcionar los enlaces, nombres de archivo y formatos exactos (CSV, PDF, JSON). Subir plantillas si se requiere el llenado de formularios.
- Seguridad de los datos: Limitar el alcance con credenciales de mínimo privilegio. Utilizar cuentas de servicio separadas para tareas de alto riesgo.
- Ventanas de tiempo: Indicar cuándo se actualizan los datos (por ejemplo, "Los informes finalizan diariamente a las 8:05 UTC; reintentar después de esa hora si están vacíos.")
Gobernanza de acciones: Observar, aprobar y registrar
"Uso Informático" puede tomar medidas visibles: clics, entradas de formulario, descargas. Trátelo como un analista junior con una pantalla compartida:
- Modo de prueba: El primer intento devuelve un plan paso a paso. Usted aprueba antes de la ejecución.
- Medidas de seguridad: Definir dominios/acciones no permitidas ("No modificar la configuración de la cuenta", "No aprobar pagos").
- Registro: Guardar una transcripción de las acciones, los elementos DOM en los que se hizo clic y las salidas finales. Esto importa para la auditoría y la depuración futura.
Paso a paso: Cómo usar el "Uso Informático" de Gemini 2.5 para automatizar las tareas del navegador
La siguiente secuencia está diseñada para ser repetible en todas las tareas: extracción de datos, envío de formularios, publicación de contenido y flujos de trabajo entre aplicaciones.
- Escribir un resumen de la tarea con el objetivo, las entradas y las salidas.
- Prompt de ejemplo: "Abrir sesión con la sesión actual, navegar a Uso > Exportar, establecer el rango de fechas a los últimos 7 días, exportar como CSV y subir a Google Drive /Ops/Uso/semana-de-AAAA-MM-DD.csv. Si aparece 2FA, pedirme el código."
- Ejecutar un pase solo de plan
- Preguntar a Gemini: "Antes de actuar, proponer un plan numerado de acciones que incluya los objetivos de navegación y las entradas del formulario. Confirmar el plan antes de la ejecución."
- Evaluar los pasos para comprobar su exactitud; ajustar la redacción o añadir restricciones.
- Aprobar el plan. Mantener una consola o barra lateral abierta que muestre el progreso paso a paso.
- Responder a cualquier solicitud de autenticación. Proporcionar códigos de un solo uso a través del mismo chat para mantener la coherencia del contexto.
- Indicar a Gemini que verifique las salidas: "Confirmar que el CSV tiene las cabeceras [fecha, account_id, uso]. Verificar que el número de filas > 10; si no, reintentar una vez."
- Hacer que el agente resuma las métricas clave (número de filas, rango de fechas) para confirmar los criterios de éxito.
- Conservar el flujo de trabajo
- Guardar el prompt como una plantilla reutilizable con marcadores de posición para las fechas o los ID.
- Programar la ejecución (si es compatible) o mantener una lista de comprobación para las ejecuciones manuales.
- Almacenar los registros con marcas de tiempo y hashes de archivo para la auditoría.
- Iterar para mejorar la robustez
- Añadir el manejo de errores: rutas de navegación alternativas si los menús cambian.
- Incluir dominios de respaldo si un servicio tiene URLs específicas de la región.
- Introducir esperas explícitas para las páginas SPA o los paneles de control que se renderizan de forma asíncrona.
Casos de uso comunes: Desde la presentación de informes hasta la publicación
"Uso Informático" de Gemini 2.5 es especialmente eficaz cuando la interfaz de usuario es coherente y las tareas están bien estructuradas.
- Informes recurrentes: Paneles de control de finanzas, marketing y soporte que requieren el establecimiento de filtros, la exportación de archivos y el guardado en el almacenamiento en la nube.
- Actualizaciones de back-office: Introducir ID de envío, actualizar los estados de los pedidos y conciliar las transacciones en herramientas SaaS sin integraciones oficiales.
- Operaciones de contenido: Redactar y programar publicaciones en CMS y plataformas sociales; copiar enlaces etiquetados con UTM; adjuntar imágenes aprobadas.
- Comparaciones de proveedores y adquisiciones: Navegar por las páginas de precios, capturar los detalles del plan en una hoja de cálculo y generar resúmenes.
- Control de calidad y cumplimiento: Ejecutar rutas de prueba estándar y tomar capturas de pantalla como evidencia.
Cada caso se beneficia de la escritura de criterios de éxito precisos (el artefacto de salida concreto) y medidas de seguridad (lo que no se debe hacer).
Tácticas de fiabilidad: Hacer que la automatización sea aburrida
La automatización del navegador basada en IA funciona hasta que deja de hacerlo; la fiabilidad es una función del control de la varianza. Cuatro tácticas ayudan:
- Utilizar perfiles de navegador fijos y tamaños de ventana coherentes para reducir la confusión impulsada por el diseño.
- Fijar las extensiones críticas y desactivar las ventanas emergentes.
- Anclar con puntos de referencia
- Indicar al agente que encuentre anclajes fiables: texto de enlace exacto, etiquetas aria o ID fijos. En caso de duda, pedirle que haga una captura de pantalla y solicitar la confirmación.
- Construir la idempotencia
- Para las operaciones de escritura (envío de formularios), especificar las comprobaciones de idempotencia: "Si existe un registro con el ID de pedido X, omitir."
- Para las descargas, especificar el nombre de los archivos y el comportamiento de sobrescritura.
- Requerir que el agente genere un seguimiento de la ejecución: las páginas visitadas, los selectores utilizados y las marcas de tiempo.
- Incluir la captura automática de capturas de pantalla en los pasos clave (pre-envío, post-envío, confirmación de la exportación).
Seguridad y cumplimiento: La confianza es una característica, no un complemento
Permitir que una IA opere un navegador implica la identidad, la gobernanza de los datos y los principios de mínimo privilegio.
- Segregación de credenciales: Utilizar cuentas de alcance limitado siempre que sea posible. Para los sistemas financieros o de RR.HH., aislar a los roles de solo lectura cuando las tareas no requieran escrituras.
- Higiene de la sesión: Evitar la contaminación cruzada utilizando un perfil dedicado. Borrar las cookies entre los proveedores cuando los flujos de trabajo lo requieran.
- PII y datos regulados: Indicar explícitamente al agente: "No copiar ni exportar los campos marcados como SSN o DOB". Considerar la redacción o los entornos enmascarados para las pruebas.
- Auditoría y revocación: Mantener registros suficientes para reconstruir las acciones. Asegurarse de que se puede revocar el acceso inmediatamente: tratar los perfiles de los agentes como la baja de un empleado.
Marco estratégico: La teoría de la agregación se une al uso informático
La historia de la agregación favorece a las entidades que controlan la demanda y los datos, no la oferta. Con el "Uso Informático", la capa de aplicación está cada vez más convertida en mercancía por un agente que puede operar cualquier interfaz de usuario. Esto sugiere tres cambios:
- De la lealtad a la aplicación a la lealtad al flujo de trabajo: Si un agente puede impulsar múltiples productos indistintamente, los usuarios se vinculan con el flujo de trabajo y el agente, no con una interfaz de usuario SaaS específica.
- De las barreras de la interfaz de usuario a las barreras de los datos/políticas: El valor pegajoso se traslada a los datos de origen (historial, preferencias, ajuste fino), los motores de políticas (medidas de seguridad, aprobaciones) y el cumplimiento.
- De las integraciones a la resolución de intenciones: La característica principal no es una lista de APIs compatibles, sino la calidad de la traducción de la intención del usuario a las tareas completadas con una supervisión mínima.
En la práctica, esto significa que los proveedores de aplicaciones competirán por ser amigables con los agentes: semántica estable, etiquetas aria accesibles y flujos predecibles. Mientras tanto, las plataformas de agentes competirán por la fiabilidad, la gobernanza y la memoria (el compuesto duradero de los datos del usuario y el contexto a largo plazo).
Panorama competitivo y elección de las herramientas adecuadas
Si bien el "Uso Informático" de Gemini 2.5 es notable por su ejecución visual nativa, el mercado más amplio incluye alternativas en tres categorías:
- Agentes centrados en el modelo: Sistemas que emparejan un LLM general con el uso de herramientas (búsqueda, control del navegador, sistemas de archivos). Su ventaja es la generalización y la comprensión del lenguaje.
- Plataformas mejoradas con RPA: Proveedores tradicionales de RPA que se aumentan con LLMs para hacer que los selectores sean más robustos y los flujos más adaptables, especialmente en las empresas con aplicaciones heredadas.
- Automatizadores verticales: Soluciones centradas en dominios específicos (por ejemplo, operaciones de comercio electrónico, operaciones publicitarias) que incorporan libros de jugadas y cumplimiento.
La selección debe depender de tres criterios:
- Observabilidad: ¿Puede ver lo que está haciendo el agente? Los registros de auditoría son innegociables.
- Controlabilidad: ¿Puede definir políticas, aprobaciones y límites basados en roles?
- Extensibilidad: ¿Puede el agente integrarse con los archivos, el almacenamiento y los flujos de autenticación que ya utiliza?
Desde una perspectiva estratégica, considere Sider.AI. Como front-end para el análisis agentic y el flujo de trabajo, ejemplifica cómo una capa de asistente puede convertir las solicitudes no estructuradas en salidas estructuradas, preservando al mismo tiempo la supervisión, lo que es particularmente valioso cuando se combina la planificación basada en el lenguaje con la ejecución repetible y registrada. La sinergia es sencilla: planificar y validar en entornos similares a Sider, ejecutar a través del "Uso Informático" e institucionalizar los resultados en sus sistemas de registro. Libro de jugadas de implementación: Del prototipo a la producción
Para ir más allá de las demostraciones, trate la automatización del navegador impulsada por agentes como un proyecto de software.
Fase 1: Piloto
- Seleccionar 1-2 tareas con alta frecuencia y bajo riesgo (exportaciones semanales de informes, programación de contenidos).
- Definir prompts con criterios de éxito y medidas de seguridad explícitos.
- Ejecutar con la aprobación humana en el bucle y recopilar registros y capturas de pantalla.
Fase 2: Endurecer
- Añadir reintentos, tiempos de espera y estrategias de retroceso para las páginas inestables.
- Parametrizar las entradas (fechas, ID) y almacenar en un archivo de configuración simple o en variables de prompt.
- Introducir un flujo de trabajo de aprobación para las operaciones de escritura.
Fase 3: Escalar
- Agrupar las tareas relacionadas en libros de jugadas (por ejemplo, "Cierre mensual" incluye tres exportaciones y dos subidas).
- Programar las ventanas de ejecución alineadas con la disponibilidad de los datos.
- Centralizar los registros y las salidas; mantener un panel de control de las tasas de éxito de la ejecución y el MTTR para los fallos.
Fase 4: Gobernar
- Formalizar los controles de acceso para las identidades de los agentes.
- Revisar los registros semanalmente; actualizar los prompts cuando las interfaces de usuario cambien.
- Realizar ejercicios de mesa para los modos de fallo (rotación de contraseñas, introducción de CAPTCHA, rediseño de la interfaz de usuario).
Medir el ROI: El tiempo ahorrado es lo mínimo
El ahorro de tiempo es la métrica obvia, pero no suficiente. La mejor lente es la reducción de la varianza y la compresión del tiempo de ciclo.
- Tasa de reelaboración: Porcentaje de ejecuciones que requieren corrección humana. Apuntar a un descenso constante a medida que los prompts maduran.
- Tiempo de entrega: Tiempo desde la solicitud ("obtener los ingresos del mes pasado") hasta la disponibilidad del artefacto.
- Tasa de éxito: Ejecuciones completadas sin intervención.
- Cobertura: Número de flujos de trabajo distintos automatizados en relación con el grupo de candidatos.
- Incidentes de control: Número de violaciones de políticas o de acceso (debería acercarse asintóticamente a cero).
Realizar un seguimiento de estos semanalmente; el objetivo estratégico es un sistema que se vuelva predeciblemente aburrido. Esa predictibilidad se convierte en su plataforma interna para automatizaciones más ambiciosas.
Prompts y patrones de ejemplo para el "Uso Informático" de Gemini 2.5
A continuación, se presentan patrones reutilizables. Reemplace los elementos entre corchetes con sus especificaciones.
Patrón: Exportación de informes
"Planificar primero. Luego actuar solo después de que yo apruebe. Objetivo: En el navegador, abrir [iniciar sesión con la sesión actual, navegar a Informes > [Ingresos], establecer el rango de fechas a [Mes pasado], exportar como [CSV] y subir a [Google Drive]/Finanzas/Ingresos/[AAAA-MM].csv. Restricciones: Si aparece 2FA, solicitar código. Si la página del informe devuelve vacío o error, detenerse y resumir. Criterios de éxito: Confirmar que el archivo existe, tamaño > 1KB, y la primera fila tiene cabeceras [fecha, account_id, amount]. Registrar cada clic y título de la página durante la ejecución."
Patrón: Publicación en CMS
"Redactar y programar una publicación en [URL del CMS]. Título: [Título]. Cuerpo: [Markdown]. Etiquetas: [Etiquetas]. Establecer la fecha de publicación en [AAAA-MM-DD HH:MM TZ]. Antes de publicar, enviarme una URL de vista previa y esperar la aprobación. Si falta un campo obligatorio, detenerse y pedir una aclaración."
Patrón: Recopilación entre aplicaciones
"Recopilar los precios actuales de [3 proveedores] de [URLs], copiar los nombres de los planes y el coste mensual, pegar en una Hoja de Google en [URL de la Hoja] y añadir la fecha en la columna A. Verificar que cada precio es numérico; si no, anotar con 'N/A' y una columna de notas que enlace a la fuente."
Patrón: Triaje de soporte
"Abrir [URL de tickets], filtrar por 'Prioridad: Alta' y 'Estado: Nuevo', abrir cada ticket y resumir el problema en una frase, categorizar en [Facturación, Acceso, Bug] y pegar el resumen en un borrador de Slack en [URL web de Slack] para su revisión. Esperar mi aprobación antes de enviar."
Errores comunes y cómo evitarlos
- Casos límite de autenticación: Los Captchas, los tiempos de espera de SSO y los prompts de confianza del dispositivo interrumpen los flujos. Mitigación: perfiles pre-autenticados, gestores de contraseñas y traspaso humano explícito para los pasos solo de Captcha.
- Latencia de SPA: Las aplicaciones de una sola página pueden renderizarse tarde. Mitigación: indicar al agente que espere a que aparezca un texto o elemento específico antes de hacer clic.
- Permisos demasiado amplios: Un agente poderoso puede cometer errores costosos. Mitigación: roles de solo lectura por defecto; acceso de escritura limitado solo cuando sea necesario.
- Estado oculto: Algunas aplicaciones conservan los filtros. Mitigación: indicar al agente que restablezca los filtros al inicio de cada ejecución.
El arco estratégico: ¿Quién es el dueño del flujo de trabajo?
"Uso Informático" de Gemini 2.5 expone una pregunta más amplia: si cualquier agente puede impulsar cualquier interfaz de usuario, ¿qué se vuelve escaso? No los botones y las pantallas, sino el contexto de los datos y la confianza. El ganador capturará tres activos:
- Historial: Memoria persistente de lo que funcionó, lo que falló y por qué, reduciendo la fricción futura.
- Política: Codificación clara de lo que está permitido, permitiendo una autonomía segura.
- Evaluación: Medición fiable del éxito, cerrando el círculo.
Las aplicaciones seguirán siendo importantes, pero estarán intermediadas por capas de agentes que estandarizan las acciones. A medida que las barreras de integración se debilitan, la capacidad de defensa se desplaza hacia quién transforma mejor la intención en resultados confiables, con la menor cantidad de sorpresas.
Conclusión: Use Gemini 2.5 hoy, prepárese para la plataforma del mañana
La conclusión práctica es simple: comience a automatizar las tareas del navegador que ya realiza. Escriba instrucciones como especificaciones, proporcione el contexto correcto, controle las acciones y mida los resultados. Espere variabilidad al principio y diseñe para la observabilidad.
La conclusión estratégica es mayor: Gemini 2.5 Computer Use acelera la transición del trabajo centrado en aplicaciones a flujos de trabajo centrados en la intención. A medida que los agentes aprenden a operar el software que usamos, el software que elegimos será cada vez más aquel que se integra bien con los agentes, y las herramientas en las que confiamos serán aquellas que hagan que la automatización sea legible y controlable. Considere la posibilidad de combinar entornos de planificación y supervisión como Sider.AI con herramientas de ejecución como Computer Use; la combinación destaca dónde se acumula el valor: no en el clic, sino en la finalización consistente y auditada del trabajo. Esa es la promesa, y el desafío competitivo, de la próxima interfaz. El navegador seguirá siendo el lienzo. La intención, no la interfaz de usuario, se convierte en la plataforma.
Preguntas frecuentes
P1: ¿Qué es Gemini 2.5 Computer Use y por qué es importante para la automatización del navegador?
Gemini 2.5 Computer Use permite que un agente de IA opere su navegador (haciendo clic, escribiendo y navegando) para completar tareas a partir de instrucciones en lenguaje natural. Es importante porque reduce la dependencia de scripts frágiles y traslada el valor de los flujos de trabajo específicos de la interfaz de usuario a la ejecución impulsada por la intención.
P2: ¿Cómo hago que Gemini 2.5 sea fiable para tareas repetitivas del navegador?
Trate las instrucciones como especificaciones: defina los objetivos, las restricciones y los criterios de éxito. Agregue protecciones, observabilidad (registros y capturas de pantalla) y reintentos para administrar la variación de la interfaz de usuario; con el tiempo, las tasas de reelaboración deberían disminuir y las tasas de éxito deberían estabilizarse.
P3: ¿Es Gemini 2.5 Computer Use lo suficientemente seguro para flujos de trabajo confidenciales?
La seguridad depende de su configuración: use cuentas con privilegios mínimos, perfiles de navegador dedicados y restricciones de política explícitas. Mantenga registros de auditoría y prepárese para revocar el acceso rápidamente; para los datos regulados, limite el alcance o utilice entornos de prueba enmascarados.
P4: ¿Qué tareas del navegador es mejor automatizar primero con Gemini 2.5?
Comience con flujos de trabajo de alta frecuencia y bajo riesgo, como exportaciones de informes, programación de contenido o recopilación de datos de proveedores. Estos tienen interfaces de usuario predecibles y artefactos de éxito claros, lo que los hace ideales para refinar las instrucciones y las protecciones.
P5: ¿Cómo se compara Gemini 2.5 con las herramientas RPA tradicionales para tareas web?
El RPA tradicional depende de selectores fijos y puede ser frágil cuando las interfaces de usuario cambian. Gemini 2.5 aprovecha la comprensión del lenguaje y el contexto visual para adaptarse en tiempo real, lo que lo hace más flexible, aunque todavía necesita gobernanza y observabilidad para garantizar la confiabilidad.
