#gemini#computer use#google#agentes de ia#automatizacion#playwright

    Gemini Computer Use ya es oficial: la IA que usa el navegador por ti y cuánto cuesta

    Gemini Computer Use ya es disponible en general: la IA que hace clic en el navegador por ti, a unos 10 centavos por tarea. Reglas y casos.

    Gemini Computer Use es la herramienta de Google que permite a un modelo Gemini manejar un navegador mirando capturas de pantalla, y el 30 de octubre de 2026 Google la marcó como disponible en general, en sus dos APIs (Interactions y GenerateContent). Con un cálculo propio, una tarea de 12 pasos cuesta unos 10 centavos de dólar. Aquí está cómo funciona, tres usos, la cuenta y las cinco reglas antes de dejarla tocar una cuenta.

    Qué cambió con Gemini Computer Use

    El titular engaña: que Gemini aprenda a usar una computadora ya existía en vista previa desde enero, y desde junio en Gemini 3.5 Flash. La noticia es que dejó de ser una vista previa, de las que pueden cambiar sin aviso, y un negocio puede ponerla en un proceso real. Importa hoy porque modelos nuevos como Gemini 4 Argon y Gemini 3.8 Flash ya la manejan. La documentación no detalla qué más cambió el 30 de octubre: solo marca el paso a disponibilidad general.

    Laptop con un carrito de compras en miniatura

    Cómo funciona por dentro

    Gemini no toca tu computadora. El modelo solo mira una captura de pantalla y responde con una acción escrita («haz clic en tal punto», «teclea tal texto»). Quien hace el clic es tu código, por ejemplo con Playwright. Así controlas dónde corre, qué cuentas ve y cuándo se detiene. Las coordenadas llegan normalizadas de 0 a 999 y tu programa las escala a la pantalla real. Cuando alguien diga que una IA entró a tu cuenta, pregunta quién escribió el código que hizo el clic.

    Cómo usar Gemini Computer Use paso a paso

    1. Abre un navegador controlado por tu código y toma una captura.
    2. Mándala a la API con el objetivo en texto normal (por ejemplo, «entra al portal del proveedor y dime el estatus del pedido 42») y declara la herramienta Computer Use.
    3. El modelo devuelve una acción, digamos un clic en el botón de buscar.
    4. Tu código la ejecuta, espera a que cargue la página y toma otra captura.
    5. La mandas de vuelta y el ciclo se repite hasta que el modelo diga que terminó.

    La primera vez se atora si capturas antes de que cargue la página: espera a que se estabilice. Y si la acción toca algo delicado (un pago, aceptar un contrato), el modelo devuelve una petición de confirmación: pregúntale a una persona y continúa solo con su sí.

    La cuenta: cuánto cuesta una tarea

    Según el índice de Asana de 2022, el 58 % de la jornada se va en trabajo sobre el trabajo (buscar información, cambiar de aplicación, revisar estatus). No mide portales, pero da la escala.

    Cálculo propio: una captura completa son 6 mosaicos de 258 tokens, es decir 1,548. Una tarea de 12 pasos reenvía el historial cada vez y suma unos 120,000 tokens. A $0.75 por millón con Gemini 3.8 Flash son $0.09, y con la respuesta, unos $0.10. Veinte tareas al día durante 22 días son unos $42 al mes. El 1 de enero esa tarifa se duplica, y el razonamiento cuenta como salida: mide el tuyo.

    Persona comprando en línea en una laptop

    Tres usos en negocios (análisis propio)

    Tienda en línea con proveedor sin API. Cada mañana la IA entra al portal, busca los diez productos más vendidos, copia precio y existencia y los deja en una hoja de cálculo. El dueño empieza el día con precios al día sin abrir diez pestañas, y se puede cobrar como mantenimiento mensual.

    Agencia que mantiene sitios de clientes. Cada mañana abre cada sitio, llena el formulario de contacto con datos de prueba y verifica que aparezca el mensaje de éxito; si falla, manda una captura al responsable. No necesita conocer el código, solo lo que ve un visitante.

    Transportista con portales de varias paqueterías. La IA entra, busca la guía, lee el estatus y arma un solo tablero. Es el más difícil de copiar porque cada portal pide iniciar sesión: empieza con una cuenta de solo consulta, nunca con una que pueda mover dinero.

    A quién no le sirve

    • Si ya tienes una API: úsala, será más rápida, más barata y no depende de adivinar un botón.
    • Si necesitas respuestas al instante: el ciclo es paso por paso y cada paso espera al modelo.
    • Si quieres dejarla suelta con dinero o contratos, sin supervisión.

    La objeción y lo que no te cuentan

    «Para qué pagar una IA si un script de Playwright hace lo mismo gratis.» Un script bien hecho es más barato, más rápido y siempre hace lo mismo, pero se rompe cuando el portal mueve un botón. Criterio propio: misma tarea miles de veces en un sitio estable, escribe el script; sitios distintos, cambios frecuentes o pocas veces, gana la IA; si dudas, empieza con la IA y congela lo que funcione.

    Sobre «ya es general»: lo que Google marcó como disponible en general es la herramienta dentro de la API, no que el modelo acierte en tu portal. La propia documentación advierte que la herramienta puede contener errores y vulnerabilidades de seguridad, y no se encontró una tasa de éxito publicada. Hasta que haya una prueba independiente, hazla tú: 50 tareas reales, cinco corridas cada una. Y la detección de inyección de instrucciones viene apagada por defecto.

    Qué se rompe en la práctica

    • Páginas lentas o que cambian a mitad del ciclo: el modelo actúa sobre una captura vieja.
    • Avisos de cookies, ventanas emergentes y confirmaciones, que la herramienta trata como casos sensibles.
    • Costo que se dispara: una tarea que da 20 vueltas cuesta mucho más que una de 12. Pon un tope de pasos.
    • Clics en el lugar equivocado por escalar mal las coordenadas.

    ¿Cómo aplicarlo en tu empresa?

    Las cinco reglas: 1) navegador aislado, con cuenta de prueba, sin tarjeta guardada ni permisos de administrador; 2) lista de sitios permitidos; 3) tope de pasos y gasto por tarea (por ejemplo, 15 pasos); 4) confirmación humana para todo lo que mueva dinero, borre algo o envíe un mensaje; 5) guarda cada captura y cada acción. Enciende la detección de inyección de instrucciones y empieza con un flujo de solo lectura, como consultar precios. Si quieres ver otra IA que maneja tu pantalla, lee el análisis completo de GPT-6.1 Terra con computer use, y sobre cómo un agente inicia sesión sin ver tu contraseña, el análisis de 1Password for Agents.

    Preguntas frecuentes

    ¿Qué es Gemini Computer Use?

    Una herramienta de la API de Gemini: el modelo mira capturas y devuelve acciones (clic, teclear) que ejecuta tu código.

    ¿Cuánto cuesta?

    Con un cálculo propio, unos 10 centavos de dólar por tarea de 12 pasos con Gemini 3.8 Flash. El 1 de enero esa tarifa se duplica.

    ¿Gemini controla mi computadora directamente?

    No: solo responde con acciones escritas; tu código hace el clic.

    ¿Es seguro dejarlo suelto?

    No sin reglas: la documentación advierte de posibles errores y vulnerabilidades, y la detección de inyección viene apagada por defecto.

    Conclusión

    Gemini Computer Use ya llegó como herramienta oficial; lo que falta es criterio: dónde sí, dónde no y quién revisa. Empieza con una tarea de solo lectura, con tope de pasos, y mide antes de escalar.