Anthropic da a Claude 3.5 Sonnet control del ordenador

Anthropic ha actualizado hoy Claude 3.5 Sonnet y ha presentado una función que acerca los modelos de lenguaje a la automatización práctica: Computer Use, una herramienta en beta con la que Claude puede mirar una pantalla, mover el cursor, hacer clic y escribir en una interfaz.

No se trata de que el modelo tenga acceso mágico a todo el ordenador. La aplicación le envía una captura de pantalla y Claude decide qué acción realizar después: pulsar un botón, rellenar un formulario o navegar por una web. El sistema repite ese ciclo hasta completar la tarea o encontrar un obstáculo. Es un paso relevante porque permite usar programas que no cuentan con una API, el canal técnico que normalmente emplean las aplicaciones para comunicarse entre sí.

Un agente que trabaja sobre la pantalla

Hasta ahora, un asistente como Claude podía redactar un correo, resumir un documento o escribir código, pero necesitaba que una persona trasladase el resultado a la aplicación correspondiente. Con Computer Use, el modelo puede ejecutar parte de esa secuencia por sí mismo.

Anthropic ha puesto como ejemplos la gestión de tareas administrativas, la introducción de datos entre sistemas, las pruebas de software y la investigación en la web. Para un desarrollador, la novedad permite construir agentes: programas que reciben un objetivo general y encadenan acciones para resolverlo.

La herramienta está disponible en beta mediante la API de Anthropic. La empresa también ha indicado que llega a Amazon Bedrock y Vertex AI de Google Cloud, dos plataformas que permiten a compañías utilizar modelos de IA dentro de su infraestructura tecnológica.

La palabra beta es importante. El modelo puede equivocarse al interpretar una pantalla, hacer clic en el lugar incorrecto o perder el contexto cuando una tarea se alarga. En la prueba OSWorld, que mide la capacidad de manejar ordenadores con tareas reales, Claude 3.5 Sonnet alcanza un 14,9%. Es casi el doble del anterior mejor resultado publicado, del 7,8%, pero queda muy lejos del 72,4% logrado por personas.

La actualización de Sonnet mejora también en programación

La nueva versión de Claude 3.5 Sonnet sustituye al modelo lanzado en junio. Anthropic afirma que ha mejorado especialmente en programación y en tareas que exigen seguir instrucciones de varios pasos.

En SWE-bench Verified, una evaluación basada en incidencias reales de proyectos de software, el modelo resuelve el 49% de los problemas. La prueba no equivale a que pueda reemplazar a un ingeniero: mide si logra proponer un cambio de código que supera las comprobaciones de un repositorio. Aun así, se ha convertido en uno de los indicadores más observados para comparar modelos en desarrollo de software.

Sonnet mantiene el precio de 3 dólares por cada millón de tokens de entrada y 15 dólares por cada millón de tokens de salida en la API. Un token es una unidad de texto que usan los modelos para procesar y generar lenguaje; en español no coincide exactamente con una palabra.

La función de ordenador añade un coste indirecto: las capturas de pantalla también deben procesarse como entrada. Cuanto más larga y visual sea una tarea, más tokens consumirá. Por eso, al menos de momento, su uso tendrá más sentido en procesos repetitivos y de valor elevado que en acciones sencillas que una persona puede resolver en segundos.

Claude 3.5 Haiku apunta a tareas rápidas y masivas

Anthropic también ha anunciado Claude 3.5 Haiku, una versión más pequeña y rápida de su familia de modelos. La compañía sostiene que iguala o supera a Claude 3 Opus —su modelo más potente hasta ahora— en varias evaluaciones, con menor coste y mayor velocidad.

Haiku está pensado para casos donde importa atender muchas peticiones con poca demora: asistentes de atención al cliente, clasificación de contenidos, extracción de datos o ayuda integrada en productos digitales. Anthropic prevé ponerlo a disposición de los usuarios a finales de octubre, con un precio de 1 dólar por millón de tokens de entrada y 5 dólares por millón de tokens de salida.

La combinación de un modelo potente, uno más barato y una herramienta para operar interfaces revela la dirección del sector. Las empresas de IA ya no compiten solo por producir mejores respuestas en una conversación: buscan que los modelos participen en flujos de trabajo completos.

El problema no es solo técnico

Dar control de un cursor a un modelo también multiplica los riesgos. Una página web, un correo o un documento pueden contener instrucciones diseñadas para manipular al agente y desviar su tarea. Este ataque se conoce como inyección de instrucciones: el modelo confunde texto externo con órdenes legítimas del usuario.

Anthropic recomienda utilizar Computer Use en entornos controlados, limitar los permisos y mantener supervisión humana, sobre todo ante decisiones con consecuencias económicas, legales o de seguridad. También aconseja no usarlo todavía para operaciones que impliquen información sensible o acciones irreversibles.

La diferencia entre una demostración llamativa y una herramienta fiable estará precisamente ahí. Mover el ratón es relativamente fácil; saber cuándo no debe pulsar un botón, pedir confirmación y resistir instrucciones maliciosas es lo que determinará si estos agentes pueden salir de pruebas acotadas y entrar en procesos reales de empresa.