Los agentes empiezan a usar la computadora: OpenAI, Copilot, Cursor y Gemini
En pocas semanas, cuatro productos grandes sumaron agentes que ven la pantalla y operan aplicaciones. Qué significa y qué cuidados piden.
Que una IA vea la pantalla, mueva el mouse y escriba (lo que se llama computer use) dejó de ser una demostración. Según los registros de cambios oficiales: OpenAI lo sumó a su Agents API el 29 de septiembre, ejecutándose en un navegador alojado por OpenAI; esa API, en beta pública desde el 10 de septiembre, ya incluía sesiones administradas, entornos aislados y soporte de servidores MCP. GitHub Copilot lo lanzó en vista previa pública el 1 de octubre en su CLI y su app, para macOS y Windows, pensado para software que no tiene API; pide aprobación antes de controlar una aplicación y los administradores de una organización pueden desactivarlo. Cursor ofrece desde el 2 de septiembre máquinas propias donde la ejecución queda en tu infraestructura, con computer use en Linux y Mac, y desde el 10 de septiembre Projects, con un agente coordinador que reparte tareas entre otros agentes. Y el 13 de octubre la app de Gemini sumó un modo Tareas para que Gemini siga trabajando cuando no estás frente a la computadora.
La promesa es automatizar lo que no tiene API. El costo es que estos agentes son más lentos y frágiles que una integración directa, y que quedan expuestos a instrucciones escondidas en lo que ven en pantalla. Las guías de Anthropic, OpenAI y Google coinciden en lo básico: un entorno aislado, acceso mínimo, una lista de sitios permitidos y confirmación humana para las acciones con consecuencias.
Lo desarrollamos en el curso Agentes que Usan la Computadora.
Fuente: registros de cambios de OpenAI, GitHub y Cursor, anuncio de Google del 13 de octubre de 2026 y documentación de computer use de Anthropic, OpenAI y Google.