Google ha llevado Gemini Computer Use a la disponibilidad general (GA). La novedad permite crear agentes de IA capaces de operar interfaces de navegador, móvil y escritorio: el modelo “ve” la pantalla mediante capturas, interpreta lo que hay en ella y sugiere acciones como hacer clic, escribir, desplazarse y arrastrar.
La herramienta llega a través de las API Interactions y GenerateContent, sin cambios que rompan las integraciones de la fase de vista previa: quien ya la probaba no necesita migrar nada. El modelo recomendado por Google es Gemini 3.8 Flash; para flujos que exigen un razonamiento más complejo, la empresa señala Gemini 4 Argon. También hay soporte en Gemini 3.5 Flash-Lite y Gemini 3 Flash Preview.
Cómo funciona
Es importante entender el límite del recurso: Gemini solo propone cada acción. La ejecución queda en manos de la aplicación del desarrollador, que usa herramientas como Playwright para convertir las coordenadas normalizadas (de 0 a 1000) en clics reales y devolver una nueva captura de pantalla al modelo. El ciclo se repite hasta que la tarea termina o alcanza un límite definido por el desarrollador.
Seguridad en cada acción
Cada respuesta incluye un campo de intención que explica por qué el modelo eligió esa acción y una decisión de seguridad que la clasifica como permitida, bloqueada o dependiente de la confirmación del usuario. Las políticas integradas cubren transacciones financieras, cambios en registros sensibles, envío autónomo de mensajes, creación de cuentas y aceptación de términos. Además, hay una detección opcional de inyección de prompts en las capturas de pantalla para identificar contenido malicioso que intente desviar al agente.
Qué se puede hacer
Entre los usos sugeridos por Google para Gemini Computer Use están la automatización de la entrada de datos repetitiva y el llenado de formularios, las pruebas automatizadas de aplicaciones web y la investigación en varios sitios, por ejemplo comparar precios y opiniones de productos en tiendas en línea antes de comprar.
Gemini Computer Use no tiene tarifa propia: la facturación sigue las tarifas normales de tokens de cada modelo en el plan de pago, sin acceso en el nivel gratuito. Google ofrece un entorno de referencia en Docker en GitHub y una demostración alojada por Browserbase para quien quiera probar el ciclo de interacción antes de construir su propia ejecución. La empresa recomienda supervisión humana en tareas con consecuencias relevantes, ya que la detección puede fallar y el modelo puede elegir la acción equivocada.
Crédito de la imagen: diagrama del ciclo de interacción de Computer Use, de la documentación oficial de Google AI Studio (Google).
Fuentes
- Google AI Studio — Computer Use (official documentation)
- AlphaSignal: Google Ships Gemini Computer Use to Let AI Click, Type, and Scroll
- Unicorn API: Google makes Gemini Computer Use generally available in two APIs
- AI Compass, 4 November 2026
Transparencia: este artículo fue producido con ayuda de inteligencia artificial, cruzando publicaciones públicas en X y fuentes de internet. Consulta las fuentes originales para confirmar los detalles.
Muse
