Agentes de IA que usan tu computadora: costos y seguridad

Los agentes de IA que manejan una computadora tienen sentido cuando una tarea necesaria no dispone de una API utilizable —una interfaz directa entre programas— y su resultado se puede comprobar. Microsoft Copilot Studio cobra 5 o 15 Copilot Credits por paso del modelo, pero el presupuesto también debe incluir la supervisión, los reintentos y el equipo que ejecuta el trabajo. La documentación de Microsoft sobre el uso de computadoras define esa unidad de facturación.

Un portal de proveedores que solo permite exportar mediante un botón es un candidato razonable. Un ERP antiguo, el software que gestiona pedidos e inventario, puede exigir control del escritorio. Un formulario de la administración pública requiere límites mucho más estrictos: preparar la información y presentar una declaración son trabajos distintos, aunque sus botones estén uno al lado del otro.

La regla para elegir: busca la vía que pueda completar el trabajo con el menor acceso posible. Que un modelo pueda hacer clic en cualquier parte de la pantalla no significa que necesite permiso para hacer todo lo que permite tu cuenta.

¿Qué hacen los agentes de IA que controlan una computadora?

Un agente de IA que controla una computadora convierte la interfaz visible en un ciclo de acciones: observa la pantalla, elige qué hacer, hace clic o escribe, comprueba qué ha cambiado y continúa. El modelo aporta el criterio; el ejecutor, el software que lleva a cabo sus órdenes, aporta el ratón y el teclado. La guía actual de OpenAI describe tanto acciones estructuradas de control de la computadora como código que opera la interfaz. Uso de computadoras con OpenAI

Esa distinción explica el trabajo de implementación. Pagar por el acceso a un modelo no implica disponer de un navegador en funcionamiento, una sesión iniciada, un programador de tareas ni un proceso de recuperación ante fallos. Esas piezas las aporta el producto que integra el modelo o tu propia aplicación.

Para obtener un informe semanal de un proveedor, el agente podría reconocer el menú de informes, seleccionar el periodo solicitado y encontrar el botón de exportación aunque cambie la distribución de la página. Aun así, hay que verificar que haya elegido la cuenta del proveedor y el periodo correctos. Tener un archivo descargado demuestra que hubo una descarga, no que el informe sea el adecuado.

¿En qué parte del flujo conviene usar el control visual?

Reserva el control visual para la parte del proceso que exige interpretar una pantalla. Cuando el informe ya existe como archivo, el software convencional puede comprobar sus columnas, leer las fechas y trasladarlo a un destino autorizado. Mantener al agente frente a la pantalla durante esos pasos añade decisiones sin aportar necesariamente más valor.

También hay una diferencia entre controlar solo el navegador y controlar todo el escritorio. Un navegador puede acceder a un portal web; eso no le da acceso automático a un ERP que solo funciona como aplicación nativa de Windows. Antes de comparar marcas de modelos, determina en qué entorno se realiza el trabajo.

¿Qué ha cambiado para quienes evalúan estas herramientas?

Hoy se puede elegir entre herramientas para desarrolladores, asistentes que se usan mediante una suscripción y una plataforma de automatización con su propia unidad de cobro. Sus controles de seguridad y sus facturas no son intercambiables.

Verificado con la documentación vigente de los fabricantes el 13 de octubre de 2026. Este artículo se basa en una revisión de documentación y un análisis de costos; no en una prueba con sesión iniciada en un portal ni en un benchmark.

El cambio de nombre más relevante es el de OpenAI: la página de ayuda de su agente de ChatGPT indica ahora que el producto ya no está disponible y remite a ChatGPT Work y al navegador en la nube. Más abajo todavía conserva información anterior sobre planes y límites de mensajes. No calcules el presupuesto de una nueva implementación a partir de esos límites antiguos. Estado de ChatGPT agent

Compara el entorno, la unidad facturable, el funcionamiento de las aprobaciones y quién se hará cargo del proceso cuando se detenga. Los tokens miden la entrada y la salida del modelo, incluidas las capturas de pantalla codificadas; no cuentan acciones completadas. La clasificación de los modelos es otra decisión: nuestro artículo sobre modelos multimodales para agentes que controlan computadoras profundiza en esas diferencias.

Agentes de OpenAI para controlar computadoras: ¿API o ChatGPT Work?

El uso de computadoras mediante Responses API de OpenAI es la vía para desarrolladores que quieren controlar el entorno de ejecución. El ejemplo actual de acciones estructuradas utiliza GPT-6.1 Sol. OpenAI también recomienda una integración con ejecución de código para GPT-6 Astra, en la que el código generado opera la interfaz a través de tu entorno de ejecución. Son opciones de integración, no planes de suscripción distintos. Guía actual de la API

Facturación: OpenAI presenta las tarifas de los modelos como «Precios por 1M de tokens». Las tarifas Standard de contexto corto de GPT-6.1 Sol son de $2 por entrada y $10 por salida por millón de tokens, con tarifas aparte para la entrada en caché y la escritura en caché. Son costos del modelo, no el precio de una tarea completada en un portal. La tabla actual no incluye un cargo independiente por hacer clic; la fila de $2.50 por mil llamadas a herramientas corresponde a la búsqueda de archivos. Precios de la API de OpenAI

Seguridad: OpenAI indica a los desarrolladores que aíslen el navegador o la máquina virtual, restrinjan sitios y acciones, traten el contenido de la pantalla como no confiable y soliciten confirmación para acciones con consecuencias relevantes. Una máquina virtual es una computadora independiente creada mediante software; su utilidad depende de las cuentas, los archivos y las redes a los que tenga acceso. Aplica esas restricciones en el ejecutor, además de incluirlas en las instrucciones del modelo. Guía de ejecución y consentimiento

La alternativa alojada: Agents API de OpenAI proporciona un navegador y exige aprobación para cada nuevo origen web, el límite de dirección con el que se identifica un sitio. Su documentación hace una distinción clave: autorizar el acceso a un sitio no impone la confirmación de cada acción. Si una acción debe ser técnicamente imposible sin aprobación, restringe los recursos a los que puede acceder el navegador o usa un entorno de ejecución que controles. Documentación del navegador alojado

Agents API factura el uso del modelo a las tarifas de la API, las herramientas a sus tarifas estándar y los entornos aislados alojados a las tarifas de contenedores. Si partes de una estimación que solo contempla el modelo, añade el uso del entorno y las herramientas antes de aplicarla a esta opción. Reglas de precios de Agents API

ChatGPT Work: la opción actual para quienes no desarrollan software

El navegador en la nube de ChatGPT Work es el producto actual de OpenAI indicado para delegar tareas compatibles en sitios web. Utiliza una computadora independiente en la nube, en lugar de la sesión que ya tienes abierta en tu navegador. El acceso depende de los planes de pago admitidos, la región y los permisos del espacio de trabajo. Documentación del navegador en la nube

Facturación: En los planes personales que cumplen los requisitos, OpenAI indica que primero se consume el uso incluido; el uso adicional compatible puede descontarse de créditos comprados. Work puede compartir ese cupo con otras funciones de agentes. En Business y Enterprise, los precios de Work basados en créditos se calculan por tokens, con tarifas que dependen del modelo y del acuerdo. Ninguna de estas reglas establece un precio universal en dólares por descarga. Reglas de uso de los planes personales, tabla de tarifas de créditos para empresas

Seguridad: De forma predeterminada, el navegador en la nube pide acceso a los sitios nuevos, permite configurar sitios autorizados y bloqueados, y está diseñado para solicitar confirmación ante acciones con consecuencias relevantes. El inicio de sesión se realiza mediante un formulario seguro; los responsables de los sitios pueden seguir bloqueando el acceso automatizado. Que un portal de proveedores funcione en tu navegador no demuestra que vaya a funcionar en este navegador en la nube. Controles del navegador en la nube

Elige esta opción para un proceso dirigido por una persona cuyo resultado se pueda revisar. Opta por una integración mediante API si el trabajo necesita puntos de parada impuestos por la aplicación, registros estructurados o un proceso de recuperación bajo la responsabilidad de tu empresa.

Anthropic: ¿herramienta de control de computadoras o Claude in Chrome?

La herramienta de uso de computadoras de Anthropic permite a Claude observar la pantalla y realizar acciones de entrada, mientras tu aplicación ejecuta las llamadas. El conjunto actual de herramientas del lado del cliente puede devolver varias acciones en un turno y es compatible con Claude Sonnet 5.5, entre otros modelos. Por ahora no está disponible dentro de Claude Managed Agents. Esta última distinción importa si dabas por hecho que un producto gestionado también proporcionaría el escritorio. Documentación de Anthropic sobre el uso de computadoras

Facturación: Anthropic indica que el uso de computadoras sigue las tarifas estándar de uso de herramientas. El conjunto de herramientas predeterminado actual añade unos 4,500 tokens de entrada, a los que se suman las capturas de pantalla y los resultados de las herramientas. El precio base de Claude Sonnet 5.5 es de $2 por entrada y $10 por salida por millón de tokens. Las observaciones repetidas de la pantalla y el historial de conversación explican por qué una tarea cuesta más de lo que su instrucción inicial parece sugerir. Costos de las herramientas, precios de los modelos

Seguridad: Anthropic analiza los resultados de las herramientas, como las capturas de pantalla, en busca de posibles inyecciones de prompts: instrucciones insertadas en el contenido de una página para desviar al agente. Cuando las detecta, orienta a Claude para que compruebe si la instrucción procede del usuario. Anthropic sigue pidiendo aislamiento respecto a datos y acciones sensibles, además del consentimiento del usuario. El clasificador es una medida de protección, no un sustituto de los límites de permisos. Como desarrollador, restringe los sitios accesibles desde el entorno de ejecución. Seguridad en el uso de computadoras

Para trabajos que se limitan a páginas web, Anthropic remite a su herramienta independiente de uso del navegador, que puede trabajar tanto con la estructura de la página como con capturas de pantalla. No montes un escritorio completo solo porque el portal carezca de API. Herramienta de uso del navegador

Nuestro análisis de costos del uso de computadoras con múltiples acciones explica la economía de agrupar acciones. El límite práctico es sencillo: no incluyas en un mismo lote acciones que rebasen un punto en el que una persona deba revisar el estado y aprobar el siguiente paso.

Claude in Chrome: uso compartido del plan y permisos del navegador

Claude in Chrome es la extensión de navegador de Anthropic para leer, hacer clic y navegar por sitios web junto a ti. Está disponible en los planes Pro, Max, Team y Enterprise. El panel lateral de Chrome está en beta, y la experiencia de Cowork varía según el despliegue y la configuración del administrador. Configuración de Claude in Chrome

Facturación: Según Anthropic, el uso de Chrome «cuenta para los mismos límites del plan» que Claude o Claude Code. Las interacciones con el navegador consumen más uso que los chats normales; el modo de aprobación automática, Automatically approve, consume un cupo adicional para las comprobaciones de seguridad. No se indica una tarifa fija por informe descargado. Límites de uso de Chrome

Seguridad: En el modo de aprobación manual, Manually approve, revisa los accesos y las acciones previstos. La guía de permisos mantiene protegidas las descargas incluso cuando un sitio tiene autorización permanente, y exige permiso para la información sensible y las autorizaciones. Entre las acciones prohibidas figuran las compras, la creación de cuentas, la eliminación permanente y las descargas no confiables. Las organizaciones pueden aplicar listas de sitios permitidos y bloqueados. Los modos funcionan de forma distinta: no des por hecho que un modo sin supervisión conserva todos los puntos de control manuales. Permisos de Chrome

El acceso de la extensión a tu navegador resulta útil, pero también deja a su alcance los datos de las sesiones abiertas. Anthropic recomienda usar un perfil separado y desaconseja las páginas con información sensible o regulada. Si el portal del proveedor contiene datos confidenciales de la empresa o datos personales, determina primero si esta opción es adecuada. Guía de seguridad de Chrome

Microsoft Copilot Studio: trabajo en Windows con cobro por paso

El uso de computadoras de Microsoft Copilot Studio es un candidato natural cuando el trabajo combina aplicaciones de escritorio de Windows y sitios web. Controla un equipo configurado mediante un agente con orquestación generativa, el sistema que selecciona y coordina sus herramientas. Uso de computadoras con Microsoft

Facturación: Microsoft utiliza como unidad el paso del modelo: 5 Copilot Credits con un modelo estándar o 15 con uno premium. Un paso puede contener varios clics u otras acciones de bajo nivel. Por eso, contar los botones del procedimiento no sirve para predecir la factura. Licencias para el uso de computadoras

Seguridad: Activa el control de acceso para restringir sitios web y aplicaciones; de forma predeterminada, ese acceso no está restringido. Microsoft indica que el control bloquea las interacciones fuera de la lista, pero no impide que se abran esos sitios. Usa un equipo dedicado y aislado, y revisa con qué identidad se establece la conexión. Controles de acceso

La función de supervisión humana puede pedir aclaraciones, pero Microsoft señala expresamente que esas solicitudes son probabilísticas: no garantizan una parada de seguridad ni el cumplimiento de tus reglas personalizadas. Por tanto, aprobar una compra exige un punto de control aplicado de forma independiente en el flujo de trabajo. No basta con una frase que indique al modelo que debe preguntar. Limitaciones de la supervisión humana

Para el director de tecnología de una empresa mediana, el atractivo está en aprovechar el entorno de Windows y automatización que ya existe. Además de los créditos, el presupuesto debe contemplar la administración de equipos, los permisos y la gestión de excepciones. Para un fundador que solo necesita un informe del navegador, puede suponer más infraestructura de la que justifica la tarea.

Google y Amazon: otras opciones para desarrolladores

Google Gemini Computer Use

Google Gemini Computer Use es compatible con entornos de navegador, dispositivos móviles y escritorio mediante un ejecutor que debes implementar. La guía actual de Google recomienda Gemini 3.8 Flash. Gemini Computer Use

Facturación: Google describe Computer Use como un servicio que «se cobra como tokens habituales según los precios del modelo». Las tarifas Standard de pago de Gemini 3.8 Flash son de $0.75 por entrada y $3.75 por salida, incluido el razonamiento, por millón de tokens hasta el 31 de diciembre de 2026. La página indica $1.50 y $7.50 a partir del 1 de enero de 2027. Computer Use no está disponible en el nivel gratuito. Precios de Gemini

Seguridad: La aplicación cliente debe respetar las solicitudes de confirmación y las acciones bloqueadas. Google recomienda un entorno aislado y listas de navegación permitida y bloqueada; la detección de inyecciones de prompts a partir de capturas de pantalla es opcional y viene desactivada. Activa los controles de forma deliberada, sin asumir que la declaración de la herramienta ya los incorpora. Controles de seguridad de Gemini

Es otra opción para desarrolladores, no un empleado de operaciones listo para trabajar. Su atractiva tarifa por tokens no incluye el alojamiento de tu navegador ni tu proceso de revisión.

Amazon Nova Act

Amazon Nova Act combina acciones de navegador expresadas en lenguaje natural con la orquestación de flujos de trabajo en Python. Conviene considerarlo si el desarrollador quiere rodear el trabajo del agente en el navegador de una lógica de programa explícita. Introducción a Nova Act

Facturación: AWS publica una tarifa de «$4.75 por hora de agente». Se mide el tiempo transcurrido mientras el agente trabaja; si hay agentes en paralelo, cada uno genera consumo. La espera de una persona queda excluida cuando implementas el mecanismo de intervención humana. El costo de la tarea se calcula multiplicando las horas de actividad del agente por $4.75, antes de añadir los costos de infraestructura que se generen por separado. Precios de Nova Act

Seguridad: El SDK permite restringir URL mediante controles de estado y bloquea el acceso a archivos locales y las cargas de archivos salvo que sus rutas estén autorizadas. La aprobación humana es una función que implementas con el SDK, no un servicio gestionado de revisión. Restringe también el entorno que rodea al navegador: una regla de URL no concede permiso para ejecutar una tarea. Seguridad del SDK, implementación de la intervención humana

¿Cuánto cuesta cada tarea?

No hay un precio universal justificable por descarga de un portal. Los fabricantes miden tokens, pasos, tiempo de actividad o uso compartido de una suscripción. Para cotizar una tarea hay que conocer el flujo de trabajo real y acordar qué significa completarla.

Para ilustrarlo con un cálculo transparente, tomemos los 50,000 tokens de entrada y 15,000 tokens de salida del ejemplo de facturación publicado por Anthropic. Ese ejemplo no mide el uso de computadoras; solo aporta cantidades documentadas con las que hacer las cuentas. Suponemos entrada normal sin caché, sin escrituras en caché y sin herramientas ni alojamiento adicionales. Fuente de las cantidades de tokens del ejemplo

Son cálculos propios a partir de las tarifas citadas de OpenAI, Anthropic y Google. Usar la misma cantidad de tokens no demuestra que el esfuerzo, la velocidad o la fiabilidad de la tarea sean iguales. Cuenta todos los tokens facturados durante la ejecución, incluido el historial cobrado y las capturas de pantalla, en lugar de limitarte a las palabras del prompt inicial.

Microsoft ofrece otro ejemplo: un proceso de registro de horas que requiere cuatro pasos del modelo consume 20 créditos estándar o 60 premium. Con el precio documentado de pago por uso de $0.01 por crédito, los pasos de control de la computadora cuestan $0.20 o $0.60. Es el ejemplo de registro de horas de Microsoft, no una predicción de que tu portal necesite cuatro pasos. Ejemplo por pasos, precio del crédito

Un asistente por suscripción exige otra forma de llevar las cuentas. El cargo monetario marginal puede quedar cubierto por el uso que te queda en el plan y, aun así, consumir capacidad que necesitas para otros trabajos. Dividir el precio de una suscripción entre un límite de mensajes anunciado también confundiría una solicitud con un informe verificado correctamente.

Calcula el costo del resultado aceptado

Usa esta fórmula operativa:

Costo por informe aceptado = (cargos de todas las ejecuciones + costos de ejecución asignados + costos de revisión humana y recuperación) ÷ informes aceptados.

Incluye los intentos fallidos en el numerador. Acepta un informe solo después de comprobar que la cuenta, el periodo, el contenido del archivo y el destino cumplen los requisitos. De lo contrario, un costo bajo por intento de descarga premia el comportamiento equivocado.

Para una tarea semanal, la comparación del trabajo humano es igual de concreta: tiempo de gestión manual menos tiempo de aprobación, comprobación y recuperación. Multiplica el tiempo que realmente se ahorra por tu costo laboral total por unidad de tiempo y resta los costos de automatización. Si el resultado no cubre el mantenimiento continuo y la puesta en marcha dentro del plazo de recuperación de la inversión que hayas elegido, conserva el proceso manual o usa una automatización más sencilla.

Aquí no se presupone ningún costo laboral, porcentaje de éxito ni tiempo de finalización. Son mediciones que debe aportar la empresa; el precio por tokens de un proveedor no permite deducirlas.

¿Cuándo conviene más una API, un servidor MCP o la automatización del navegador?

Para la automatización con IA, elige una vía directa siempre que permita realizar la operación exacta que necesitas. Una API, una interfaz que el software puede invocar sin navegar por pantallas, suele ser el primer lugar donde buscar. Antes de encargar un agente visual, pregunta al proveedor por puntos de acceso para informes, exportaciones programadas o métodos admitidos de entrega de archivos.

Un servidor MCP utiliza Model Context Protocol para poner herramientas y datos a disposición de una aplicación de IA mediante una interfaz común. Puede actuar como intermediario de una API o controlar un navegador. Por eso, MCP no es automáticamente una alternativa al uso de computadoras: la herramienta que hay detrás determina cómo se realiza el trabajo. Arquitectura de MCP

Prioriza una herramienta MCP específica para la tarea si ofrece directamente la operación permitida, como recuperar un informe aprobado. Así, el modelo puede disponer de un conjunto de acciones más reducido que el de una pantalla completa. Eso no crea una función de exportación que el proveedor nunca haya puesto a disposición.

Prioriza un script de navegador con mantenimiento cuando se repiten los mismos controles y validaciones estables. Un script puede seleccionar el periodo y esperar la descarga sin pedirle a un modelo que reinterprete cada paso. Sigue necesitando mantenimiento y comprobaciones; su ventaja es dejar explícito el comportamiento conocido.

Usa un agente con herramientas de navegador cuando el recorrido exige criterio, pero la página ofrece una estructura aprovechable. Playwright MCP de Microsoft utiliza instantáneas de accesibilidad, una representación estructurada de los controles de la página, sin exigir la interpretación de capturas de pantalla. Sus responsables también señalan que no constituye una barrera de seguridad. Nuestra guía de configuración y límites de Playwright MCP explica las ventajas y limitaciones prácticas. Repositorio oficial de Playwright MCP

Usa el control visual de la computadora cuando la tarea dependa de una aplicación nativa, una interfaz visual sin estructura aprovechable o una navegación que no pueda resolverse razonablemente con las herramientas directas a tu alcance. Limítalo a ese tramo y devuelve después el archivo al software convencional.

Ejemplo práctico: descargar el informe semanal de un proveedor

El punto de partida útil más seguro es un proceso de recuperación de datos con un resultado comprobado y una autorización humana para entregarlo. Lo que sigue es un diseño ilustrativo para un portal de proveedores, no el relato de una prueba con sesión iniciada. Se presupone que el portal permite el proceso, que los datos son adecuados para el producto elegido y que la cuenta puede exportar el informe.

El objetivo es concreto: recuperar el informe semanal de entregas acordado para la cuenta del proveedor autorizada y el periodo de reporte ya cerrado, guardarlo en una carpeta provisional y dejar intactos los registros de la empresa.

1. 1

   Aprobar el alcance y los accesos

   La persona responsable identifica la dirección exacta del portal, la cuenta, el periodo, el tipo de informe y el destino provisional. La cuenta debe tener solo los accesos necesarios para este trabajo. Una persona aprueba ese alcance antes de la primera ejecución. Una nueva cuenta de proveedor o un nuevo destino requieren otra revisión; no se deducen del texto de la página.

2. 2

   Autenticarse por la vía autorizada del producto

   La persona completa el inicio de sesión o la autenticación multifactor cuando sea necesario. En ChatGPT Work, utiliza el flujo seguro de inicio de sesión en lugar de introducir credenciales en el chat. En una implementación mediante API, gestiona las credenciales fuera del prompt del modelo. Si el portal muestra un CAPTCHA, un destino de inicio de sesión inesperado o un bloqueo de acceso, detén el proceso para que intervenga la persona responsable; no lo trates como un obstáculo que el agente está autorizado a eludir.

3. 3

   Navegar y dejar preparada la selección del informe

   El agente abre la sección de informes, selecciona el informe y el periodo autorizados y captura el estado de la selección. Debe detenerse si el periodo es ambiguo, la cuenta es distinta o no aparece el informe esperado. El modelo puede leer la etiqueta de un botón, pero no debe interpretar como una nueva instrucción un aviso que le diga que suba datos a otro sitio.

4. 4

   Obtener aprobación humana antes de descargar

   Muestra a la persona responsable la cuenta, el nombre del informe, el intervalo de fechas, el origen y el destino. Mantén la pausa hasta que lo apruebe. En el flujo manual de Claude in Chrome, esto coincide con el permiso de descarga documentado. En una implementación propia, conviértelo en un punto de control obligatorio de la aplicación. La supervisión probabilística de Copilot Studio no garantiza por sí sola esta pausa.

5. 5

   Descargar en la carpeta provisional y validar el archivo

   El agente inicia la descarga autorizada. Comprueba que haya llegado un archivo y que tenga el formato esperado; después revisa la cuenta y el periodo indicados en su interior. Si la exportación tiene una estructura conocida, valida las columnas obligatorias con software convencional. Un informe vacío puede ser legítimo; no inventes filas para superar una comprobación.

6. 6

   Autorizar la entrega y registrar el resultado

   La persona revisa el resultado de la validación antes de que el archivo pase a la carpeta que utiliza la empresa. Este control de entrega forma parte del proceso que proponemos; no significa que todos los proveedores lo incluyan. Registra el archivo aceptado, el origen, el periodo, las intervenciones, el consumo medido y cualquier intento fallido. Un informe que no coincida con lo solicitado permanece en la carpeta provisional para su revisión.

Los comportamientos de inicio de sesión y descarga descritos se basan en la documentación correspondiente del navegador en la nube de OpenAI y de los permisos de Anthropic. Los controles adicionales de alcance, validación y entrega forman parte de nuestro diseño del flujo de trabajo.

La programación semanal debe iniciar el procedimiento, no conceder permisos nuevos para cambiar su alcance. Diseña el proceso para que una sesión caducada, un informe modificado, un archivo ausente o una solicitud de aprobación puedan esperar a una persona sin sustituir la tarea por otra de forma silenciosa.

En un formulario de la administración pública, detente antes: la preparación puede separarse de la presentación. En un ERP, limita el trabajo inicial a recuperar información siempre que sea posible. Un proceso que puede registrar ajustes de inventario o presentar declaraciones exige un diseño de autorizaciones distinto al de una descarga.

¿Qué promesas están exageradas?

«No necesita API» describe el acceso, no la fiabilidad. El recorrido por pantalla sigue necesitando autenticación, permiso para automatizar, una interfaz utilizable y una forma de reconocer el resultado correcto. Un agente puede adaptarse a un botón que cambió de lugar y, al mismo tiempo, pasar por alto que el portal restableció el filtro de fechas.

«Pregunta cuando hace falta» ofrece menos garantías que una aprobación obligatoria. La API alojada de OpenAI distingue entre el permiso para acceder a un sitio y la confirmación de acciones; Microsoft advierte que las solicitudes de supervisión humana no están garantizadas. Para quien compra, la consecuencia es concreta: pide a quien implemente el sistema que muestre dónde se impide una acción prohibida, no solo dónde el prompt dice que debe evitarla.

«Una tarea cuesta unos centavos» puede omitir la parte cara. Un reintento que obliga a alguien a abrir la ejecución, entender su estado y recuperarla consume trabajo humano aunque la factura del modelo sea pequeña. La comparación útil es el resultado aceptado con una carga de revisión conocida.

«Funciona con cualquier aplicación» no es una prueba de aceptación. Una demostración con un formulario de ejemplo no acredita la compatibilidad con el inicio de sesión, el selector de informes ni la exportación de archivos de tu proveedor. Exige pruebas del proceso que pretendes contratar y distingue esas pruebas de los benchmarks del fabricante.

¿Quién debería empezar ahora y quién debería esperar?

Responsables de operaciones: empieza con una tarea autorizada de recuperación de datos cuyo resultado ya sepas verificar. Mantén a una persona a cargo de las excepciones. Si hacer el trabajo manualmente exige menos esfuerzo que supervisar la automatización, hay pocos motivos para adoptarla.

Desarrolladores: empieza por la integración con el alcance más limitado y añade control de pantalla solo donde resulte necesario. Hazte cargo de las condiciones de parada, los registros, la validación y el procedimiento de recuperación. El modelo es un componente; lo que se entrega es un flujo de trabajo con mantenimiento.

Fundadores y responsables de compra: exige un presupuesto que separe la puesta en marcha, el software recurrente, la ejecución y la revisión. Pregunta qué ocurre si cambia el portal y quién paga la recuperación. Espera si el proceso propuesto puede realizar cambios con consecuencias relevantes y su único mecanismo de aprobación es una instrucción en lenguaje natural.

Equipos que ya cuentan con una API o una exportación fiable: puede que no necesiten cambiar nada. Sustituir una integración fiable por más navegación en pantalla no aporta por sí solo una ventaja operativa.

Preguntas habituales de quienes van a usarlo

¿Puede usar nuestro portal de proveedores si no tiene API?

Es posible, siempre que el producto elegido pueda acceder al portal y operarlo, que el sitio permita el proceso y que la tarea tenga un resultado comprobable. La ausencia de API justifica buscar otra vía de acceso; no demuestra la compatibilidad con el navegador ni concede permiso para automatizar.

¿Puede ejecutarse cada semana sin que tenga que volver a iniciar sesión?

Depende de cuánto dure la sesión y de la política de autenticación del portal. Diseña la programación para que se detenga cuando haga falta autenticarse o aprobar una acción. No prometas que el proceso terminará sin intervención solo porque el producto permita programar tareas.

¿Qué agente de IA conviene para un ERP antiguo de Windows?

Empieza por el entorno necesario. Copilot Studio admite equipos Windows configurados; una integración de control de computadoras gestionada por un desarrollador puede aportar su propio entorno de escritorio. Un asistente limitado al navegador solo resulta adecuado si el proceso del ERP está disponible en un navegador compatible con él. Después compara los permisos, quién se responsabiliza de la recuperación y el costo por resultado aceptado.

¿Puede el agente presentar un formulario ante la administración pública después de completarlo?

No deduzcas que tiene autorización para presentarlo porque tenga permiso para prepararlo. Mantén una revisión humana de la información exacta y de la declaración, respeta las restricciones del producto elegido y exige un punto explícito de autorización de envío. Si no se puede imponer ese control, deja que la persona complete la presentación.

Tu tarea para el lunes: anota la cuenta del proveedor, el periodo, el destino permitido, las comprobaciones de aceptación y la persona responsable de aprobar la descarga semanal. Pide a quien se haga cargo del proceso que compruebe si existe una exportación o integración admitida antes de definir una implementación supervisada basada en pantallas.

Para tomar más decisiones prácticas sobre la adopción de IA, suscríbete al boletín.