Los agentes de uso informático son modelos de IA que operan un ordenador de la misma forma que una persona, leyendo la pantalla, moviendo el cursor, haciendo clic y escribiendo para completar una tarea. Anthropic, OpenAI y Google ofrecen versiones de esta capacidad. Sus costes son una mezcla de uso del modelo, infraestructura y supervisión humana, y su ROI depende de cuánto trabajo de pantalla repetitivo eliminen sin añadir correcciones de errores.
La propuesta es atractiva para las operaciones de marketing. Muchas tareas se realizan en herramientas que no tienen una API útil: copiar resultados de campañas desde un portal de socios, actualizar listados en un directorio, rellenar el mismo formulario en diez cuentas publicitarias. Un agente que puede ver la pantalla puede, en principio, hacer todo esto. La cuestión práctica es si lo hace de forma lo suficientemente barata y fiable como para superar a una persona o a un script sencillo.
¿Cuánto cuestan realmente los agentes de uso informático?
El coste visible es el uso del modelo. Los agentes trabajan en bucles: toman una captura de pantalla, razonan sobre ella, actúan, toman otra captura de pantalla. Cada paso envía una imagen y texto al modelo, por lo que una tarea con cuarenta pasos cuesta mucho más que una sola solicitud de chat. La fijación de precios suele ser por token, y las entradas de imagen cuentan, por lo que las tareas largas se suman rápidamente.
Los costes menos visibles suelen ser más importantes. Un presupuesto completo incluye las siguientes líneas.
- Uso del modelo por ejecución de tarea, incluidos los reintentos cuando un paso falla.
- Un entorno aislado: una máquina virtual o contenedor con un navegador, porque los agentes no deberían ejecutarse en el portátil de un empleado con contraseñas guardadas.
- Tiempo de ingeniería para escribir instrucciones de tareas, barandillas y registro.
- Supervisión: alguien que revisa los resultados, maneja las excepciones y aprueba las acciones sensibles.
- Mantenimiento cuando un sitio web cambia su diseño y las instrucciones del agente dejan de coincidir.
Por ejemplo, un equipo podría descubrir que el uso del modelo es una pequeña parte del total mensual, mientras que la supervisión y el mantenimiento constituyen la mayor parte. Ese patrón es común en los proyectos de automatización iniciales y vale la pena planificarlo en lugar de descubrirlo.
¿Qué tareas dan un retorno positivo?
Los agentes son rentables en tareas que son frecuentes, tediosas, de bajo riesgo y estables. Frecuentes para que el coste de configuración se distribuya entre muchas ejecuciones. De bajo riesgo para que un error ocasional sea barato. Estables para que las pantallas no cambien cada semana.
Los buenos candidatos en marketing incluyen la recopilación de capturas de pantalla de ubicaciones de anuncios para informes de clientes, la extracción de métricas de plataformas sin funciones de exportación, la comprobación de que las páginas de destino muestran la oferta correcta en cada región y la redacción de entradas en herramientas internas a partir de una hoja de cálculo. Los malos candidatos incluyen cualquier cosa que implique pagos, permisos de cuenta o publicación en canales públicos sin revisión.
Cuando un script es mejor
Si la herramienta tiene una API o una exportación estable, una integración normal es más barata y fiable que un agente. Utilice el uso informático solo donde la pantalla sea la única interfaz. Muchos equipos descubren que la mitad de sus tareas candidatas se resuelven mejor con Zapier, Make o un script de Python corto.
¿Cómo se calcula el ROI sin conjeturas?
Utilice un modelo sencillo basado en el tiempo y mida cada entrada durante una prueba piloto en lugar de estimarla.
- Línea base: minutos que una persona dedica a la tarea hoy, multiplicados por el volumen mensual y el coste horario cargado.
- Coste de ejecución del agente: uso del modelo más infraestructura por ejecución, multiplicado por el volumen.
- Supervisión: minutos de revisión humana por ejecución, multiplicados por el volumen y el coste horario.
- Coste de error: porcentaje de ejecuciones que necesitan corrección, multiplicado por el tiempo de corrección.
- Costes fijos: horas de configuración y mantenimiento mensual.
El ROI es el coste base menos la suma de las otras líneas, dividido por esa suma. Ejecute el piloto durante al menos dos a cuatro semanas para ver los cambios de diseño y los casos extraños. Una tarea que parece rentable en una prueba de tres días puede volverse negativa una vez que un portal actualiza su menú.
¿Qué riesgos deberían dar forma al presupuesto?
Los agentes de uso informático pueden ser engañados por lo que leen. Una página web puede contener texto que parece una instrucción, y un modelo puede seguirlo. Los proveedores publican orientación sobre este riesgo de inyección de prompts y recomiendan entornos aislados, permisos limitados y confirmación humana para pasos consecuentes. Presupueste esos controles desde el primer día.
Las credenciales son la otra preocupación. Dé al agente su propia cuenta con los permisos más restringidos posibles, nunca un inicio de sesión de administrador compartido. Registre cada acción con capturas de pantalla para que pueda rastrear lo que sucedió cuando algo parece incorrecto.
¿Cómo es un piloto sensato?
Mantenga el primer piloto limitado. Una tarea, un entorno, un propietario y un período fijo de aproximadamente un mes. Acuerde antes de comenzar qué resultado cuenta como éxito, por ejemplo, horas netas ahorradas por encima de un nivel establecido con una tasa de corrección por debajo de un techo acordado.
Ejecute el agente en modo sombra durante la primera semana. Realiza la tarea, pero una persona verifica cada resultado antes de que se utilice nada. Esto muestra la tasa de error real sin riesgo y le da material para mejorar las instrucciones.
Después de la semana de sombra, pase a la revisión muestreada: una persona verifica una parte de las ejecuciones en lugar de todas. Realice un seguimiento de si los errores aumentan. Si se mantienen planos, la línea de supervisión en su modelo de ROI se reduce y el retorno mejora. Si suben, ha aprendido algo valioso de forma barata, antes de que el agente tocara algo importante.
Cómo aplica Alien Road los agentes de uso informático
En un compromiso típico, el descubrimiento significa sentarse con el equipo de operaciones del cliente y enumerar cada tarea de pantalla repetitiva, con su frecuencia y el tiempo que lleva. Luego clasificamos la lista en tres grupos: resolver con una API, resolver con un agente o dejar manual.
Para el grupo de agentes, la configuración se realiza en una máquina virtual aislada con una cuenta dedicada y limitada. Escribimos instrucciones de tareas, definimos qué acciones necesitan aprobación humana y añadimos registros que almacenan una captura de pantalla por paso. Nada que gaste dinero o publique contenido se ejecuta sin que una persona lo confirme.
La medición sigue el modelo de ROI anterior, con tiempos reales del piloto. El informe mensual muestra las ejecuciones completadas, las ejecuciones que necesitaron corrección, los minutos de supervisión y las horas netas ahorradas. Si una tarea deriva en un retorno negativo, lo decimos y la devolvemos a manual o a un script.
Por dónde empezar esta semana
Enumere cinco tareas de pantalla repetitivas que su equipo realiza cada semana. Tenga en cuenta cuánto tiempo lleva cada una y si la herramienta ofrece una API o exportación. Tache cualquier cosa con una API; esas necesitan una integración, no un agente.
Para las tareas restantes, elija la que tenga el mayor volumen y el menor riesgo. Mídala manualmente durante una semana. Ese número es su línea base, y sin él, ninguna reclamación de ROI, positiva o negativa, se mantendrá en una discusión presupuestaria.
Siga leyendo: Agencia de marketing con IA · AI Marketing