Anunciado en una publicación en el blog Google DeepMind, el modelo para el Uso de Computadoras permite a Gemini interactuar directamente con aplicaciones, navegadores y sistemas operativas, realizando tareas complejas de varios pasos, como completar formularios, reservar citas, editar documentos y configurar ajustes de software de forma autónoma.
Google describe el modelo como un gran paso hacia la creación de 'agentes de IA verdaderamente útiles' capaces de comprender tanto la intención del usuario como las interfaces de las computadoras.
Google declaró:
'Queremos que Gemini pueda ayudar a las personas a realizar sus tareas, no solo a generar texto. El modelo funciona interpretando visualmente los elementos en pantalla, simulando clics y pulsaciones de teclas, y verificando cada paso en tiempo real para garantizar la precisión y la seguridad'.
La tecnología se está probando internamente, y Google confirmó que Computer Use forma parte de su familia Gemini 2.5, una evolución del sistema que impulsa Gemini Advanced y Gemini for Workspace.
Google afirmó que, en demostraciones, la IA gestionó con éxito tareas como actualizar hojas de cálculo, responder correos electrónicos y dar formato a presentaciones sin intervención directa del usuario.
La compañía afirmó que el modelo incorpora sólidas medidas de seguridad, como verificación humana en el circuito, solicitudes de permisos y entornos de ejecución localizados para proteger los datos confidenciales.
Google añadió:
'La seguridad y la privacidad son fundamentales. Gemini solo realiza acciones que los usuarios aprueban, y todas las interacciones son transparentes'.
Los analistas afirman que Gemini Computer Use podría situar a Google por delante de competidores como OpenAI y Anthropic, que trabajan en sistemas de IA con agentes similares.
Si se implementa ampliamente, la herramienta podría transformar el modo en que las personas trabajan con las computadoras, transformando a Gemini de un chatbot a un asistente digital completo, capaz de actuar además de conversar.
