Los agentes de uso de computadora son sistemas de IA que operan una computadora de la misma manera que una persona: miran la pantalla, mueven el cursor, hacen clic, escriben y cambian entre aplicaciones para terminar una tarea. Claude computer use de Anthropic, Operator y el modo agente en ChatGPT de OpenAI, y Project Mariner de Google son ejemplos bien conocidos. Pasarlos de un piloto al trabajo diario de marketing requiere una lista de verificación que cubra la selección de tareas, permisos, revisión humana, registro y medición, porque un agente que puede hacer clic en “publicar” también puede hacerlo por error.
¿Qué pueden hacer los agentes de uso de computadora en marketing?
A diferencia de las integraciones de API, estos agentes funcionan a través de las mismas interfaces que utilizan las personas. Eso los hace útiles para herramientas sin buenas API o para tareas que abarcan varias aplicaciones web. Las tareas de marketing típicas incluyen:
- Recopilar precios de la competencia o ejemplos de anuncios de páginas públicas en una hoja de cálculo.
- Rellenar formularios repetitivos, como listados de directorios o envíos de eventos.
- Extraer números de varios paneles de control en un informe semanal.
- Comprobar páginas de destino en busca de enlaces rotos, etiquetas faltantes o precios incorrectos.
- Redactar, pero no enviar, publicaciones sociales dentro de una herramienta de programación.
Son más lentos que una integración directa y menos predecibles. Cuando existe una API confiable o una automatización nativa, esa suele ser la mejor opción.
¿Por qué los agentes necesitan una lista de verificación diferente a la de los chatbots?
Un chatbot produce texto que una persona lee y decide qué hacer con él. Un agente actúa. Puede enviar formularios, cambiar configuraciones o enviar mensajes. También puede ser engañado por contenido en una página web que contiene instrucciones ocultas, un riesgo conocido como inyección de prompts. Los proveedores crean salvaguardas, como solicitar confirmación antes de acciones sensibles, pero la organización que utiliza el agente aún necesita sus propios controles.
Etapa 1: Elegir la tarea piloto
La primera tarea decide si el piloto le enseña algo. Utilice esta lista de verificación:
- La tarea se repite al menos semanalmente y le toma a una persona más de 30 minutos.
- Sigue pasos claros que se pueden escribir.
- Los errores son visibles y reversibles.
- No implica pagos, contraseñas ingresadas por el agente o datos personales de los clientes.
- El éxito se puede medir, por ejemplo, comparando la hoja de cálculo del agente con una hecha por humanos.
La compilación de informes y la investigación web pública son buenos primeros candidatos. Cualquier cosa que publique o gaste dinero no lo es.
Etapa 2: Configuración de permisos y entorno
Dé al agente el acceso mínimo que necesita. Pasos prácticos:
- Ejecútelo en un perfil de navegador o máquina virtual separado, no en un dispositivo personal con inicios de sesión guardados.
- Cree cuentas dedicadas con roles de solo lectura donde la herramienta lo permita, como acceso de visor en Google Analytics o Ads.
- No permita que el agente maneje contraseñas; inicie sesión usted mismo o utilice la función de toma de control del proveedor para los pasos de inicio de sesión.
- Restrinja qué sitios web puede visitar el agente, si el producto lo admite.
- Active cualquier aviso de confirmación para acciones como enviar formularios o enviar mensajes.
Etapa 3: Escribir instrucciones que el agente pueda seguir
Los agentes funcionan mejor con instrucciones explícitas paso a paso que con objetivos vagos. Nombre los sitios, el orden de los pasos, los campos exactos a recopilar y el formato de salida. Indique qué hacer cuando aparezca algo inesperado, por ejemplo, “si aparece una página de inicio de sesión, deténgase y pregunte”. Mantenga las instrucciones en un documento compartido para que puedan ser versionadas.
Etapa 4: Revisión humana y registro
Durante el piloto, una persona revisa cada ejecución. La mayoría de los productos de agentes muestran un registro paso a paso o capturas de pantalla de lo que se hizo. Guarde estos registros para cada ejecución, junto con la versión de la instrucción y el veredicto del revisor.
Defina reglas de parada claras. Si el agente falla el mismo paso dos veces, o produce resultados con errores por encima de un umbral acordado, la ejecución se detiene y una persona completa la tarea.
Etapa 5: Medición del piloto
Mida contra la línea base humana durante al menos dos a cuatro semanas:
- Tiempo por tarea completada, incluido el tiempo de revisión.
- Tasa de error en comparación con una versión hecha por humanos.
- Porcentaje de ejecuciones completadas sin intervención.
- Número de veces que el agente pidió ayuda o se detuvo.
- Cualquier incidente en el que el agente hiciera algo fuera de sus instrucciones.
Si el agente ahorra diez minutos pero la revisión toma quince, no está listo.
Etapa 6: Pasar a la producción
El uso en producción comienza cuando el piloto cumple con los umbrales acordados. Antes de escalar:
- Escriba un manual de ejecución breve: qué hace el agente, quién es el propietario, cómo pausarlo.
- Reduzca la revisión de cada ejecución a una muestra, como una de cada cinco, solo después de que las tasas de error se mantengan bajas.
- Mantenga un paso de aprobación humana para cualquier cosa que publique, envíe o cambie configuraciones.
- Establezca una fecha de revisión para volver a probar después de actualizaciones importantes del producto, porque el comportamiento del agente puede cambiar.
- Agregue el agente a su inventario de herramientas de IA para fines de cumplimiento.
Cómo Alien Road aplica los agentes de uso de computadora
En un compromiso típico, el equipo comienza con un breve descubrimiento de tareas repetitivas en las operaciones de marketing del cliente. Cada tarea se califica según la frecuencia, el tiempo, la reversibilidad y la sensibilidad de los datos. Solo las tareas de bajo riesgo y alta repetición avanzan, generalmente informes e investigación.
La configuración se ejecuta en un entorno de navegador aislado con cuentas de solo lectura creadas para el propósito. El equipo escribe las instrucciones, ejecuta el agente junto a la persona que normalmente realiza la tarea y mantiene los registros de los pasos. Después de dos a cuatro semanas, un informe breve muestra el tiempo por tarea, la tasa de error y el recuento de intervenciones frente a la línea base humana.
Si los números se mantienen, la tarea pasa a revisión muestreada y el manual de ejecución se entrega al equipo del cliente. Las tareas que implican publicación, cambios en anuncios o mensajes de clientes permanecen con personas, o el agente prepara borradores que una persona aprueba.
¿Cuáles son los mayores riesgos a tener en cuenta?
La inyección de prompts es el riesgo más discutido: una página web puede contener texto que intenta redirigir al agente. Restringir sitios y mantener a los agentes alejados de cuentas sensibles limita el daño. Otros riesgos incluyen que los agentes lean mal los diseños cambiados, actúen sobre datos desactualizados almacenados en caché en el navegador y omitan pasos silenciosamente cuando una página se carga lentamente. Los registros y las comprobaciones de salida detectan la mayoría de estos.
Por dónde empezar esta semana
Enumere cinco tareas que su equipo repite cada semana y marque cuáles tocan contraseñas, pagos o datos de clientes. Táchelas. Del resto, elija la que tenga los pasos más claros, escriba las instrucciones como una lista numerada y ejecute un agente en ella una vez mientras observa. Esa única ejecución supervisada mostrará si vale la pena configurar el piloto correctamente.
Siga leyendo: Agencia de Marketing de IA · Marketing de IA