Uso del ordenador
El uso del ordenador (computer use) es la capacidad de un modelo de IA para manejar un ordenador como lo hace una persona, mirando capturas de pantalla y enviando clics de ratón y pulsaciones de teclado, de modo que puede trabajar con software que no tiene API.
También llamado: computer-use agent, CUA
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
La mayoría de los agentes actúan a través de API y herramientas creadas para ellos. Muchos programas solo tienen una interfaz gráfica. El uso del ordenador permite a un modelo trabajar con esos programas directamente.
Cómo funciona
La aplicación da al modelo una herramienta de ordenador y una pantalla, normalmente una máquina virtual o un contenedor. El modelo pide una acción, como hacer clic en un punto, escribir texto o pulsar una tecla. La aplicación la ejecuta y devuelve una nueva captura de pantalla. El modelo mira el resultado y decide la siguiente acción. Es el mismo bucle del agente que en otros usos de herramientas, con la pantalla como respuesta. Se apoya en un modelo de visión y lenguaje capaz de leer interfaces.
En qué se diferencia de un agente de navegador
Un agente de navegador controla solo un navegador web, a menudo a través de la estructura de la página y no de los píxeles. El uso del ordenador puede manejar cualquier aplicación de escritorio, a costa de ser más lento y menos preciso.
Ejemplo
Un agente rellena un viejo programa de contabilidad de escritorio a partir de una hoja de cálculo, pasando por las mismas pantallas que recorrería un administrativo.
Riesgos y límites
El uso del ordenador es lento y comete errores en pantallas que no conoce. También está expuesto a la inyección de prompt: el texto de una página web o de una imagen puede anular las instrucciones del usuario. Anthropic recomienda ejecutarlo en una máquina virtual o un contenedor dedicados, con privilegios mínimos y lejos de datos sensibles. Benchmarks como OSWorld miden lo bien que lo hacen los modelos.
Términos relacionados
- Agente de navegador
- Un agente de navegador (browser agent) es un agente de IA que controla un navegador web para completar tareas, como buscar, hacer clic, rellenar formularios y leer páginas, a menudo con un navegador headless sin ventana visible.
- Agente de IA
- Un agente de IA es un sistema en el que un modelo de lenguaje decide sus propios pasos siguientes: llama a herramientas, lee los resultados y repite hasta terminar la tarea, en lugar de seguir un guion fijo.
- OSWorld
- OSWorld es un benchmark para agentes de computer use que ejecuta sistemas operativos reales como Ubuntu, Windows y macOS y puntúa a los agentes en 369 tareas abiertas con aplicaciones web y de escritorio, comprobadas mediante scripts.
- Modelo de visión y lenguaje
- Un modelo de visión y lenguaje (VLM, vision-language model) es un modelo que recibe imágenes y texto como entrada y produce texto, de modo que puede describir imágenes, responder preguntas sobre ellas, leer documentos y extraer datos de capturas de pantalla.
- Prompt injection
- La prompt injection (inyección de prompts) es un ataque en el que un texto que recibe un modelo de lenguaje, escrito por un usuario u oculto en una página web, un archivo o el resultado de una herramienta, cambia el comportamiento del modelo de formas que su desarrollador no pretendía.