3159. Píldoras de inteligencia artificial: Computer Use

Hoy os cuento cuándo tiene sentido dejar que Codex controle el navegador o una aplicación de escritorio, y por qué sigo prefiriendo una API siempre que exista. Pero antes, recordemos que hoy continúa el curso para crear tu propio Zapier. En la séptima clase automatizo todo el recorrido desde un MP3 hasta una entrada de WordPress; en la octava conecto Gmail, Google Drive y FacturaDirecta dentro de un mismo flujo. Ahora sí, vamos al lío. La aplicación de escritorio distingue entre dos capacidades relacionadas. El Browser incorporado permite abrir páginas, hacer clic, escribir, capturar pantallas y verificar el resultado dentro de un perfil separado. Computer Use amplía esa idea y permite operar interfaces gráficas de aplicaciones de macOS o Windows. ¿Para qué sirve? Imaginad una tarea repetitiva en una web que no ofrece una integración estructurada, o una aplicación antigua sin API. En lugar de ejecutar manualmente cada paso, puedo describir el objetivo y dejar que el agente navegue por menús, pulse botones y complete los campos necesarios. Ahora bien, si existe una API, un conector o un servidor MCP, esa sigue siendo mi primera opción. Crear una nota mediante una API es más rápido, estable y verificable que abrir la aplicación y simular cada clic. Lo mismo ocurre al mover archivos, consultar una base de datos o realizar cualquier operación que ya tenga una vía estructurada. Computer Use tiene sentido cuando la interfaz gráfica es el único camino razonable: cambiar un ajuste, revisar una aplicación, reproducir un error visual o completar un proceso que atraviesa varias herramientas sin integración entre ellas. En macOS, una tarea acotada puede continuar en segundo plano mientras sigo trabajando en otra parte. En Windows, en cambio, Computer Use trabaja sobre el escritorio activo y puede mover el puntero, escribir y ocupar el primer plano. Es una diferencia importante antes de decidir cuándo y dónde ejecutar el flujo. La configuración también exige permisos. En macOS hay que autorizar la grabación de pantalla para que el agente vea la aplicación y Accesibilidad para que pueda hacer clic, escribir y navegar. Además, ChatGPT solicita permiso para utilizar cada aplicación y puede pedir confirmación adicional ante acciones sensibles o disruptivas. Por eso os recomiendo empezar con una prueba breve y reversible. Indicad una sola aplicación, un objetivo preciso y el punto exacto en el que debe detenerse. No le entreguéis una instrucción abierta como «ordena todo mi ordenador» y no dejéis aplicaciones sensibles a la vista si no forman parte de la tarea. La sensación de observar cómo el agente maneja una interfaz por su cuenta sigue siendo bastante surrealista. Pero el valor real no está en el espectáculo, sino en delegar esos procesos tediosos que no tienen una alternativa mejor y recuperar ese tiempo para trabajo más útil. Como siempre, muchas gracias a todos por vuestras valoraciones de cinco estrellas en Apple Podcasts y Spotify, suscribiros a los cursos para emprendedores y por estar ahí, al otro lado. Como siempre digo, sin vosotros, esto no sería lo que es. Sin vosotros esto simplemente, no sería. Nos escuchamos mañana viernes con la última píldora de esta edición de verano y un regalo para los suscriptores. Como siempre, a las 07:07. Hasta entonces, ¡muy buenos días!