Son las 3:14 a. m. Estás mirando una hoja de cálculo que necesita sincronizarse con un tablero de Jira y un canal de Slack, y te preguntas por qué sigues haciendo esto manualmente en 2025. Probablemente hayas intentado escribir un script en Python para gestionarlo, pero los límites de la API son una broma y la autenticación es una pesadilla. Solo quieres que algo “haga la tarea” en tu escritorio sin tener que escribir un wrapper personalizado para cada aplicación heredada de tu pila.
Perplexity está apostando a que su herramienta “Personal Computer” —que anteriormente solo funcionaba en Mac— puede resolver esto convirtiendo Windows en un entorno de pruebas agéntico. La idea es un “trabajador digital de propósito general” que puede ver tu pantalla e interactuar con tus aplicaciones. Según The Verge, esta expansión significa que el sistema operativo más popular ahora cuenta con una capa de IA que no solo sugiere texto, sino que realmente mueve el mouse.
La ambición aquí es alta, pero la realidad técnica de Windows es un campo minado. Para quienes hemos pasado tiempo en las entrañas de la automatización, sabemos que los agentes basados en la interfaz de usuario son fundamentalmente frágiles. Una actualización inesperada de Windows que desplaza un botón tres píxeles a la izquierda, o un pop-up aleatorio de un controlador de impresora, y el agente de repente está haciendo clic en el vacío.
¿Por qué fingir que un clic simulado del mouse es el pináculo de la productividad? Es una admisión de derrota. Es, en esencia, reconocer que las APIs de nuestro software más utilizado están tan rotas o son tan restrictivas que la única forma de automatizarlas es imitar a un humano con un mouse. Es como intentar entrenar a un golden retriever para operar una centralita: podría funcionar unas pocas veces, y se ve impresionante cuando lo hace, pero no confiarías tus entornos de producción en él.
(Si puedes ignorar la latencia) la promesa sigue siendo seductora. La capacidad de decir “encuentra la discrepancia entre estos dos PDFs y envía un correo al gerente” sin abrir manualmente cuatro ventanas es el objetivo. Pero la sobrecarga es real. Entre la latencia del screen-scraping y el costo en tokens de enviar capturas de pantalla de alta resolución a un modelo de visión, este será un proceso lento.
Es una capa frágil sobre un sistema operativo desordenado.
Existe una diferencia clara entre un wrapper basado en la nube y un sistema de IA ejecutado localmente, y Perplexity está intentando cerrar esa brecha. Al permitir que el sistema opere localmente en Windows, están intentando eludir algunas de las preocupaciones de privacidad que suelen hacer que los departamentos de TI se alarmen cuando mencionas un “agente de IA con acceso a pantalla”.
Sin embargo, la parte “local” suele ser un truco de marketing. A menos que estés ejecutando un LLM local potente (siempre que tengas VRAM de sobra), la inteligencia sigue ocurriendo en la nube. Solo estás ejecutando el controlador localmente. Esto crea un cuello de botella donde los “ojos” del agente son locales, pero su “cerebro” está a veinte milisegundos de distancia en un centro de datos.
Esta es una película familiar. Cada vez que una herramienta de terceros logra romper la capa del sistema operativo, el proveedor del SO eventualmente decide que quiere su parte del pastel. (Apuesto a que Microsoft lanza una versión nativa equivalente que haga este wrapper de terceros redundante para el cuarto trimestre).
La verdadera pregunta es si el objetivo es un agente que “trabaje” nuestra computadora por nosotros, o si la necesidad real es software que no sea un jardín amurallado de APIs propietarias. Perplexity está tratando el síntoma, no la enfermedad. Hasta que exista una forma estandarizada para que los agentes se comuniquen con las aplicaciones sin depender de coordenadas visuales, esto es solo echarle una mano de pintura fresca a un edificio que se desmorona.
