Google lanza Gemini 2.5 Computer Use: IA capaz de navegar por páginas web como si fueses tú mismo

Google ha presentado Gemini 2.5 Computer Use, un nuevo modelo de inteligencia artificial (IA) diseñado para navegar e interactuar con páginas web y aplicaciones tal como lo haría un humano.

Esta herramienta marca una evolución dentro del ecosistema de Gemini, al permitir que los agentes realicen tareas complejas directamente sobre interfaces visuales, haciendo clic, escribiendo o desplazándose en pantalla.

Hasta ahora, la mayoría de los modelos de IA limitaban su interacción a sistemas predefinidos. Con esta versión, Google busca que la IA pueda desenvolverse en entornos reales, donde es necesario interpretar y manipular gráficos, formularios o botones, igual que un usuario.

Cómo funciona Gemini 2.5 Computer Use

El modelo se basa en las capacidades de razonamiento visual de Gemini 2.5 Pro, lo que le permite entender el contexto visual de una interfaz y actuar en consecuencia. Puede visitar páginas web, desplazarse por ellas, rellenar formularios, hacer clic en enlaces, arrastrar y soltar elementos o incluso seleccionar opciones en menús desplegables.

Para realizar estas acciones, la IA utiliza la nueva herramienta ‘computer_use’ disponible en la API de Gemini. Este sistema recibe tres entradas principales:

• La solicitud o instrucción del usuario
• Una captura de pantalla del entorno visual
• El historial de acciones recientes

Con esta información, el modelo determina qué acción ejecutar: hacer clic, escribir, desplazarse o solicitar confirmación antes de proceder, especialmente en tareas sensibles como compras o accesos privados.

Además, todas las acciones pasan por un sistema externo de evaluación de seguridad para prevenir usos indebidos.

Gemini 2.5 Computer Use está optimizado para navegadores web, aunque también puede controlar interfaz de usuario móvil. Sin embargo, Google aclara que aún no está preparado para manejar sistemas operativos de escritorio.