Google acaba de soltar un modelo que mira tu pantalla, decide dónde hacer clic y ejecuta la acción solo. Sin scripts, sin selectores, sin que nadie le diga dónde está el botón. Computer Use, integrado en Gemini 3.5 Flash y ya en disponibilidad general, convierte a la IA en operadora de interfaces gráficas. Y lo que implica para agencias y comercio electrónico va a dar que hablar.
TL;DR: El resumen sin rodeos
- Computer Use: capacidad agéntica de Gemini 3.5 Flash que permite a la IA interactuar con interfaces gráficas (clic, scroll, formularios) sin scripts previos ni selectores.
- RPA en jaque: frente a los bots tradicionales (rígidos, frágiles ante cualquier cambio de interfaz), Computer Use se adapta visualmente sobre la marcha. No necesita código de la página, solo "ojos".
- Coste: 1,50 $ por millón de tokens de entrada. Más barato que un bot de RPA roto, más caro que uno que funciona.
- Seguridad optativa: Google incluye permisos y auditoría, pero las salvaguardas son voluntarias. El riesgo lo asumes tú.
¿Qué es Computer Use de Gemini 3.5 Flash?
Computer Use es una capacidad agéntica integrada en Gemini 3.5 Flash que permite al modelo interactuar con interfaces gráficas como lo haría un humano. El modelo recibe una captura de pantalla, analiza lo que ve, decide la siguiente acción (clic, tecla, scroll) y la ejecuta. Vuelta a empezar hasta completar la tarea.
No genera texto. Genera ACCIONES. Navega webs, rellena formularios, extrae datos de paneles visuales. Según el blog oficial de Google DeepMind, funciona en entornos de navegador, móvil y escritorio, integrado de serie en el modelo sin necesidad de cambiar a una versión especializada (antes existía como modelo separado, gemini-2.5-computer-use-preview).
¿Suena a RPA con esteroides? Un poco. Pero el matiz importa.
Computer Use vs. RPA: por qué Google va a por ellos
La automatización robótica de procesos lleva años siendo el estándar para automatizar tareas repetitivas en interfaces gráficas. Y lleva esos mismos años dando dolores de cabeza.
Scripts rígidos que se rompen si un botón cambia de sitio. Selectores XPath que hay que reescribir cada actualización. Horas de configuración para un flujo que dura dos meses antes de petardear. Si has mantenido un bot de RPA contra Meta Ads Manager, sabes de qué hablo.
Computer Use ataca ese punto exacto. En vez de depender de la estructura del código, el modelo "ve" la interfaz como la verías tú. Si el botón se mueve, lo encuentra. Si el formulario añade un campo, se adapta. Forbes lo describe como una "embestida directa" al sector RPA. Y no les falta razón.
Ojo con el matiz. El RPA es determinista: hace exactamente lo que le dices, siempre igual. Computer Use es probabilístico: interpreta y decide. Eso es ventaja cuando la interfaz cambia, pero riesgo cuando necesitas que el proceso sea idéntico cada vez. Para facturación o cumplimiento normativo, esa "flexibilidad" puede ser un problema gordo.
Qué puede automatizar Computer Use en marketing
Bajemos al barro. Casos concretos donde esta capacidad encaja en el día a día de una agencia o un comercio electrónico:
- Supervisión de competidores: el modelo navega webs de tu competencia, extrae precios, ofertas, cambios de catálogo y te lo deja en un informe estructurado. Sin scraper a medida, sin API que no existe.
- Gestión de plataformas publicitarias: configurar campañas, ajustar presupuestos, rellenar los formularios interminables de Google Ads o Meta. Todo lo que hoy hace un gestor con los ojos vidriosos a las 9 de la mañana.
- Extracción de datos visuales: paneles de herramientas que no tienen API (o la tienen de pago y ridícula). El modelo lee la pantalla y estructura los datos.
- Procesos de alta de clientes: incorporación en CRMs antiguos, plataformas sin integración, formularios que hay que rellenar uno a uno.
La tecnología está ahí. La pregunta real es otra: ¿te fías de que un modelo probabilístico haga clic en "Confirmar cambio de presupuesto" en tu cuenta de Google Ads sin supervisión?
Yo tampoco.
Requisitos, costes y el riesgo que nadie menciona
Para integrar Computer Use necesitas acceso a la API de Gemini. El modelo compatible es gemini-3.5-flash. Para despliegues corporativos, Google ofrece su Plataforma de Agentes Empresariales con la API de Interacciones, optimizada para flujos agénticos.
El coste: 1,50 $ por millón de tokens de entrada (frente a los 1,25 $ de Gemini 2.5). Hay caché de contexto para abaratar tareas repetitivas, pero si el modelo necesita muchas iteraciones por flujo, la factura se pone fea.
La seguridad. Ceder el control de tu navegador a un LLM no es ninguna broma. Google ha puesto permisos, confirmaciones de usuario y registros de auditoría. Pero son OPTATIVAS. Si algo se tuerce, Google se lava las manos.
El patrón me resulta familiar. Google te da una herramienta potente con las protecciones en modo "elige tú". Es exactamente lo que hace con Ask Advisor y las recomendaciones automáticas en Google Ads: el sistema empuja hacia más automatización, y si las cosas salen mal, es tu problema. La diferencia es que ahora no hablamos de cambiar una estrategia de puja. Hablamos de un modelo que tiene el ratón.
Apostaría a que el riesgo real para las agencias no es que Computer Use falle. Es que funcione lo bastante bien como para que un cliente piense que ya no necesita al profesional que entiende qué pasa. Y eso, combinado con la dependencia del contexto que señala Remio (el agente necesita saber qué se decidió antes, qué permisos tiene, dónde parar), puede acabar en accidentes caros.
Copia esto y pégalo en Claude Code, Cursor o tu asistente de código favorito:
Quiero probar Computer Use de Gemini 3.5 Flash. Crea un script en Python que use la API de Gemini (modelo gemini-3.5-flash) con la herramienta computer_use habilitada. Que navegue a https://example.com, extraiga el título de la página y me muestre cada acción que ejecuta. Necesito una API key de https://aistudio.google.com.
No necesitas saber programar. El asistente se encarga de la instalación, la configuración y las pruebas.
Disponibilidad (ES/UE: sin confirmar). Computer Use en Gemini 3.5 Flash ha alcanzado disponibilidad general (GA) según Google DeepMind, pero la fuente oficial no especifica regiones ni confirma acceso para España o la Unión Europea. A día de publicación, no es posible afirmar que esté disponible para cuentas españolas o europeas.
Computer Use funciona. Y va a cambiar cómo se automatizan tareas en interfaces gráficas. Pero no confundamos "puede hacer clic" con "sabe dónde hacer clic". Un modelo que navega tu cuenta de Ads sin entender tu negocio es un becario con superpoderes y sin supervisión.
Pruébalo en entorno controlado. Vigila cada acción. La IA que maneja el ratón necesita a alguien que sepa dónde NO debe hacer clic. Eso se llama criterio. Y, de momento, no viene en la API.
