Un creador recibe cada mañana diez formularios de proveedores. La tentación es pedirle a un agente que abra cada página, copie los datos y pulse «enviar». Hasta ahora, construir ese flujo con Gemini exigía trabajar sobre una función en vista previa. El 30 de octubre de 2026, Google pasó Computer Use a disponibilidad general en las API Interactions y GenerateContent. La noticia importa si estás creando un producto que necesita operar una interfaz existente, pero no convierte cualquier clic automático en una buena idea.

Qué cambió exactamente

Computer Use permite que un modelo reciba una captura de pantalla y proponga acciones de interfaz, como hacer clic, escribir o desplazarse. Google documenta soporte para navegador, móvil y escritorio en modelos compatibles, y recomienda Gemini 3.8 Flash para este caso. La disponibilidad general corresponde a la herramienta de API; no significa que tu aplicación ya tenga un navegador incorporado ni que Google ejecute las acciones por ti. Según la guía oficial, tu cliente debe recibir la acción, decidir si puede ejecutarla, aplicarla con un controlador como Playwright, tomar otra captura y repetir el ciclo.

Esto abre una vía para automatizar tareas en productos que no ofrecen una API adecuada: comprobar si una ficha pública cambió, navegar un panel de pruebas o recorrer un flujo de compra en un entorno de ensayo. Para tareas con datos privados, pagos o cambios irreversibles, el costo de un clic equivocado es mayor que el ahorro de automatizar.

Una prueba pequeña que sí vale hacer

Elige una página de prueba propia, sin cuentas reales, pagos ni datos personales. Prepara una tarea acotada: «abre la ficha de prueba, localiza el campo nombre y escribe un valor de ejemplo; detente antes de guardar». Define de antemano el resultado correcto, el número máximo de pasos y las acciones prohibidas. Así sabrás si el agente identifica el control adecuado sin confundir una demo con una automatización de producción.

1. Encierra el entorno. Usa un navegador aislado y una cuenta de pruebas. Limita los dominios que puede visitar y conserva capturas y acciones para revisar cada decisión.
2. Solicita una acción, no una misión abierta. Envía la tarea y la captura actual a un modelo compatible con la herramienta computer_use; la guía muestra un ejemplo con gemini-3.8-flash y detección opcional de inyección en capturas.
3. Valida antes de ejecutar. Tu programa comprueba el tipo de acción, coordenadas, dominio y decisión de seguridad. Si la respuesta exige confirmación, se detiene. Solo entonces el controlador ejecuta el paso permitido.
4. Comprueba el estado nuevo. Toma una captura después del paso y compara el resultado con el criterio esperado. Si no coincide, detén el ciclo en vez de dejar que el agente improvise indefinidamente.

Este fragmento de la documentación oficial ilustra únicamente la primera solicitud. Requiere google-genai versión 2.7.0 o posterior y una clave de Gemini configurada. No ejecuta clics por sí solo: aún necesitas el controlador, el bucle de capturas y las verificaciones anteriores. No probé esta llamada con una cuenta de Google en esta publicación.

from google import genai

client = genai.Client()
interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="En una página de prueba, localiza el campo nombre. Detente antes de guardar.",
    tools=[{
        "type": "computer_use",
        "environment": "browser",
        "enable_prompt_injection_detection": True,
    }],
)
print(interaction)

Los límites que determinan si te conviene

Una captura puede contener instrucciones maliciosas incrustadas en una página. Google ofrece detección opcional de inyección y decisiones de seguridad para algunas acciones, pero tu aplicación sigue siendo responsable de controlar el ejecutor y pedir confirmación cuando corresponda. Además, cada vuelta del ciclo consume solicitudes y procesamiento de imágenes; revisa precios por modelo y límites de tu proyecto antes de escalar. No tengo una medición propia de latencia, precisión ni costo de esta función, así que no presento un porcentaje de éxito.

Mi decisión práctica: si la tarea tiene API estable, úsala primero. Si solo existe interfaz gráfica, prueba Computer Use en una página aislada con una acción reversible y un criterio de éxito visible. Solo después decide si vale la pena incorporar un agente con permisos, observabilidad y supervisión humana.