{"id":46030,"date":"2025-01-24T18:31:53","date_gmt":"2025-01-24T18:31:53","guid":{"rendered":"https:\/\/enfoquenoticioso.com\/tecnologia\/operator-tambien-mira-a-la-pantalla-y-mueve-tu-raton-por-ti-como-otros-agentes-ia-lo-hace-mejor-gracias-a-cua\/"},"modified":"2025-01-24T18:31:53","modified_gmt":"2025-01-24T18:31:53","slug":"operator-tambien-mira-a-la-pantalla-y-mueve-tu-raton-por-ti-como-otros-agentes-ia-lo-hace-mejor-gracias-a-cua","status":"publish","type":"post","link":"https:\/\/enfoquenoticioso.com\/?p=46030","title":{"rendered":"Operator tambi\u00e9n \u00abmira\u00bb a la pantalla y mueve tu rat\u00f3n por ti como otros agentes IA. Lo hace mejor gracias a CUA"},"content":{"rendered":"
\n

Ya tenemos el agente de IA de OpenAI. Se llama Operator<\/a>, y es un sistema capaz de ver nuestra pantalla y realizar acciones de forma aut\u00f3noma en el navegador a partir de nuestras peticiones. Es algo que ya hab\u00edamos visto con ‘Computer Use’ de Anthropic<\/a> o Mariner de DeepMind<\/a>, pero aqu\u00ed la empresa liderada por Sam Altman tiene su propio ingrediente especial.<\/p>\n

<\/p>\n

Computer-Using Agent (CUA)<\/strong>. Operator usa un modelo llamado Computer-Using Agent (CUA) que est\u00e1 basado en GPT-4o. CUA interpreta capturas de pantalla e interact\u00faa con sitios web a trav\u00e9s de los controles t\u00edpicos del navegador, como un cursor o un rat\u00f3n.<\/p>\n

<\/p>\n

C\u00f3mo funciona CUA<\/strong>. Como explican en la documentaci\u00f3n de OpenAI<\/a>, este sistema procesa esos \u00abp\u00edxeles en crudo\u00bb de las capturas que va realizando y usa un rat\u00f3n y un teclado virtual para completar sus acciones. Una vez tiene la captura de pantalla, \u00abrazona\u00bb y sigue una l\u00ednea de \u00abpensamiento\u00bb en la que tiene en cuenta las acciones pasadas para adaptarse.<\/p>\n

<\/p>\n

\n
\n
\n
\n
\n \""Hola,
\n <\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

Un rendimiento prometedor<\/strong>. Hay varios benchmarks ya que permiten evaluar la capacidad de estos modelos ag\u00e9nticos. Seg\u00fan las pruebas realizadas internamente<\/a> en OpenAI, CUA logra un 38,1% de rendimiento en OSWorld<\/a> (uso de un ordenador en general) frente a plataformas como la de Anthropic, que logra un 22%. Los humanos, eso s\u00ed, logran un 72,4% de media, lo que deja claro que estos sistemas a\u00fan tienen mucho margen de mejora. En el uso del navegador, los benchmarks WebArena y WebVoyager tambi\u00e9n permiten que Operator punt\u00fae muy alto: un 58,1% y un 87% respectivamente, frente al 36,2% y el 56% de sus \u00a0competidores.<\/p>\n

<\/p>\n

\n
\n
\n \"Captura
\n \"Captura<\/p>\n

El rendimiento de Operator es por el momento superior al de sus competidores seg\u00fan pruebas internas de la compa\u00f1\u00eda. Fuente: OpenAI<\/span>\n <\/div>\n<\/p><\/div>\n<\/div>\n

Qu\u00e9 pasa con esas capturas que recolecta Operator<\/strong>. Operator realiza continuamente capturas de pantalla para \u00abver\u00bb la interfaz del navegador con la que interact\u00faa. Ese navegador no se ejecuta en nuestro PC, sino en un navegador remoto en los servidores de OpenAI. Los datos del usuario, incluidas esas capturas, se usan de acuerdo a la pol\u00edtica de privacidad de OpenAI. Esto es: pueden usarse para detectar actividades fraudulentas y para mejorar el servicio. Eso implica que nuestros datos se pueden usar para entrenar y mejorar el modelo, aunque podemos desactivar esa opci\u00f3n<\/a> en los ajustes de Operator. El usuario, eso s\u00ed, tiene la capacidad de cu\u00e1nto tiempo se almacenan esos datos en Operator. Por defecto esos datos se guardan hasta que el usuario decida borrarlos.<\/p>\n

<\/p>\n

Un agente que pide ayuda (y confirmaci\u00f3n) cuando las necesita<\/strong>. Como hemos visto en otros agentes como ‘Computer Use’ de Anthropic, Operator es un agente que no act\u00faa a lo loco. Si se encuentra con un obst\u00e1culo \u2013como un c\u00f3digo CAPTCHA o la petici\u00f3n de introducir usuario y contrase\u00f1a en un sitio web\u2013 pedir\u00e1 que el usuario tome el control, y tambi\u00e9n pedir\u00e1 confirmaci\u00f3n final del usuario si por ejemplo tenemos que validar una reserva o la compra de un producto que nos ha buscado Operator. El usuario de Operator puede adem\u00e1s tomar el control en cada momento.<\/p>\n

<\/p>\n

\n
\n
\n \"Captura
\n \"Captura<\/p>\n

As\u00ed funciona CUA. Fuente: OpenAI<\/span>\n <\/div>\n<\/p><\/div>\n<\/div>\n

No sueltes las manos del volante<\/strong>. Esto nos recuerda los sistemas de conducci\u00f3n asistida como el FSD de Tesla. Es cierto que es capaz de llevarnos de un sitio a otro una vez introducimos la direcci\u00f3n de destino, pero es importante seguir prestando atenci\u00f3n y tener las manos en el volante por si ocurren imprevistos. Con Operator y el resto de agentes de este tipo ocurre algo parecido.<\/p>\n

<\/p>\n

Hay cosas que no puede hacer<\/strong>. De momento Operator no puede completar tareas especializadas como la de gestionar sistemas de calendario complejos o interactuar con sitios web muy personalizados o no est\u00e1ndares. Tambi\u00e9n se negar\u00e1 a hacer algunas tareas con riesgo elevado de provocar perjuicios. Por ejemplo, enviar correos electr\u00f3nicos, realizar transacciones electr\u00f3nicas o borrar eventos del calendario. Sus prestaciones y capacidades ir\u00e1n aumentando, sin duda, pero lo har\u00e1n gradualmente y siempre garantizando que la posibilidad de error es la menor posible.<\/p>\n

<\/p>\n

Imagen | OpenAI<\/p>\n

En Xataka | La IA generativa parece estancada. Las Big Tech creen tener un as en la manga: \u00abagentes\u00bb que hagan cosas por nosotros<\/a><\/p>\n<\/p><\/div>\n

Ver fuente<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Ya tenemos el agente de IA de OpenAI. Se llama Operator, y es un sistema capaz de ver nuestra pantalla y realizar acciones de forma aut\u00f3noma en el navegador a partir de nuestras peticiones. Es algo que ya hab\u00edamos visto con ‘Computer Use’ de Anthropic o Mariner de DeepMind, pero aqu\u00ed la empresa liderada por […]<\/p>\n","protected":false},"author":2,"featured_media":46031,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9],"tags":[],"class_list":["post-46030","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia"],"_links":{"self":[{"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/posts\/46030","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=46030"}],"version-history":[{"count":0,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/posts\/46030\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=\/wp\/v2\/media\/46031"}],"wp:attachment":[{"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=46030"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=46030"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/enfoquenoticioso.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=46030"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}