Agentes IA con browser y terminal: automatización real en PYMEs

Los agentes IA autónomos con acceso a navegador y terminal perciben pantallas, razonan y ejecutan acciones reales: navegan webs, rellenan formularios, consultan APIs y encadenan flujos sin intervención humana. En 2026, los primeros despliegues en PYMEs españolas muestran resultados concretos en automatización de procesos comerciales, administrativos y de datos, con costes operativos inferiores a muchos SaaS del mercado.

El RPA —Robotic Process Automation— lleva una década automatizando tareas en empresas españolas mediante scripts que siguen rutas fijas: si el botón está en la posición X, haz clic; si el campo tiene el nombre Y, escríbelo. Funciona bien en entornos estables, pero se rompe en cuanto cambia la interfaz de la aplicación o aparece un caso excepcional. Un agente IA autónomo opera de forma radicalmente distinta: recibe una instrucción en lenguaje natural, observa la pantalla mediante visión computacional, razona qué pasos son necesarios y los ejecuta adaptándose sobre la marcha. La diferencia fundamental no es de velocidad ni de coste directo, sino de resiliencia y capacidad para manejar variabilidad: un agente puede gestionar un captcha, una pantalla de error inesperada o un campo que cambió de nombre en la última actualización del proveedor. No significa que sea infalible; significa que falla de forma diferente —generalmente recuperable— y que puede comunicar el motivo, lo que el RPA clásico raramente hace.

Del objetivo al clic: el bucle percepción-razonamiento-acción

Cuando un agente recibe la instrucción 'extrae los pedidos pendientes del portal del proveedor y vuélcalos en el ERP', empieza tomando una captura de pantalla del estado actual del navegador y procesándola con un modelo de visión multimodal. El modelo identifica los elementos interactivos —botones, campos, menús desplegables— y genera un plan de acción paso a paso que ejecuta de forma incremental. Cada acción genera una nueva captura que el agente vuelve a analizar para verificar que se ha completado correctamente antes de avanzar al siguiente paso. Este bucle se repite decenas de veces incluso en tareas simples, lo que explica por qué los agentes son entre 3 y 8 veces más lentos que el RPA equivalente en procesos perfectamente definidos —y por qué esa lentitud es el precio exacto de la flexibilidad. El acceso al terminal añade una capa adicional: el agente puede ejecutar scripts Python, consultar bases de datos, procesar archivos CSV o invocar APIs directamente cuando la interfaz web no ofrece lo que necesita, combinando interacción visual con ejecución de código en un mismo flujo.

• Extracción y consolidación de datos de portales de proveedores o clientes sin API pública (scraping estructurado con razonamiento adaptativo)
• Gestión de facturas: descarga del portal de la AEAT o proveedores, clasificación automática y volcado al ERP o Google Sheets
• Prospección comercial: búsqueda de contactos en LinkedIn o directorios sectoriales, enriquecimiento de datos y carga automática al CRM
• Monitorización continua de precios de competidores con generación de informes semanales sin intervención manual
• Soporte interno: creación y clasificación de tickets en Jira, Zendesk o HubSpot a partir del análisis de emails o formularios entrantes
• Onboarding de empleados: alta en plataformas SaaS corporativas, envío de credenciales y seguimiento del checklist de incorporación
• Reporting ejecutivo: recolección de métricas de múltiples herramientas (Analytics, CRM, ERP) y generación de informe consolidado cada lunes

Dónde siguen fallando: la verdad incómoda que pocas empresas cuentan

En Blurtek llevamos más de 18 meses implementando agentes con acceso a navegador y terminal en proyectos reales, y la principal causa de fracaso no es técnica: es que el proceso que se quiere automatizar no está documentado con suficiente precisión antes de empezar. Si el equipo comercial tiene cuatro formas distintas de gestionar los pedidos según quién los procese ese día, el agente va a replicar ese caos, no a resolverlo. El segundo problema es la gestión de excepciones: los agentes actuales manejan bien los flujos lineales, pero cuando aparece una situación imprevista —un portal de proveedor que cambia su estructura sin avisar, un error de sistema que requiere contactar con soporte humano— el agente puede tomar decisiones erróneas con una confianza aparente que resulta peligrosa. El tercero es operacional: una tarea que un humano experto completa en 3 minutos puede costar al agente entre 8 y 20 minutos de navegación guiada, lo que descalifica automáticamente los casos de uso de muy alto volumen y baja complejidad. La supervisión sigue siendo imprescindible: ninguno de nuestros clientes ha desplegado un agente completamente sin revisión humana para procesos con consecuencias económicas directas.

El coste operativo de un agente autónomo trabajando en navegación web depende principalmente del modelo de IA utilizado y del volumen de tareas: en los proyectos que hemos gestionado en Blurtek durante 2025-2026, el coste mensual de API oscila entre 80€ y 350€ para un agente que opera el equivalente a 4-6 horas diarias, sin contar infraestructura de ejecución ni tiempo de supervisión. A eso hay que sumar el coste de implementación inicial —entre 2.000€ y 8.000€ según la complejidad del proceso— y las horas de documentación conjunta con el cliente, que suelen sorprender: entre 20 y 40 horas de trabajo antes de que el agente funcione de forma estable en producción. La regla que aplicamos para validar un caso de uso es directa: si el proceso consume más de 8 horas semanales de trabajo manual repetitivo y está suficientemente documentado, el retorno de inversión aparece antes de los 6 meses. Lo que Blurtek no recomienda es automatizar por inercia: si el proceso tiene más del 30% de excepciones, cambia frecuentemente o requiere juicio contextual humano en cada iteración, el coste de mantenimiento del agente puede superar el ahorro en menos de un año. La honestidad aquí no es modestia; es que hemos visto clientes gastar más en mantener un agente que lo que habrían gastado dejando el proceso en manos de una persona.

• Documenta el proceso al 100%: diagrama de flujo con todas las variantes, excepciones conocidas y criterios de decisión explícitos
• Define el perímetro de acceso del agente: qué sistemas puede tocar, con qué credenciales y con qué límites operativos máximos
• Establece un mecanismo de supervisión y alerta: quién revisa los logs del agente, con qué frecuencia y qué desencadena una escalada humana
• Prepara un entorno de pruebas aislado del productivo para validar el agente durante al menos dos semanas antes del go-live
• Calcula el coste total real: API + infraestructura + tiempo de supervisión mensual + mantenimiento cuando cambien los sistemas conectados
• Designa un responsable interno del agente: alguien que entienda el proceso de negocio y pueda ajustarlo cuando el entorno cambie
• Verifica el cumplimiento del RGPD si el agente accede, procesa o transmite datos personales de clientes o empleados

En todos los proyectos donde el cliente llegó con el proceso bien documentado y un equipo implicado en las pruebas, el agente funcionó en semanas. En los que esperaban que el agente 'descubriera' cómo funcionaba el proceso por sí solo, tardamos meses y el resultado fue peor. La tecnología no resuelve el caos organizativo; lo amplifica con mayor velocidad.