Agentes de IA que navegan por la web: cómo funciona

Los agentes de IA pueden controlar un navegador Chromium completo con herramientas como Playwright, y eso incluye las páginas generadas con JavaScript, los formularios y las cookies. Dónde se ejecuta ese navegador es una decisión de diseño. Un agente en un servidor puede usar un contenedor y una pantalla remota. noHuman Team es una aplicación nativa para macOS y Windows: cada noHuman abre Chromium con su propio perfil persistente en una ventana visible del escritorio.

Esta es la diferencia entre los chatbots de IA y los agentes de IA, a los que también se llama automatización de navegador con IA, agentes de investigación web con IA o agentes de IA con acceso a internet. Los chatbots generan texto sobre la web. Los agentes interactúan con ella.

Por qué la mayoría de los chatbots de IA no pueden navegar de verdad

Cuando le pides a un asistente de IA típico que "mire los precios en la web del competidor X", puede pasar una de estas dos cosas:

Escenario 1: sin acceso a la web. El modelo responde con lo que aprendió en el entrenamiento y con el contexto que le das, y eso puede no coincidir con lo que muestra la página hoy.

Escenario 2: búsqueda web mediante API. El modelo llama a una API de búsqueda (Brave, Bing), recibe fragmentos de texto y los resume. Lee los extractos de los resultados de búsqueda, pero no visita las páginas. No ve el contenido generado con JavaScript, no puede recorrer resultados paginados ni interactuar con elementos dinámicos, y tampoco llega a nada que exija iniciar sesión.

Ninguno de los dos casos es "navegar por la web". En ambos se lee texto estático sobre la web.

En las tareas del día a día, la diferencia es enorme:

• Investigación: una página de precios tiene planes, selectores, cambio entre pago anual y mensual y apartados para empresas del tipo "contacta con nosotros". Un fragmento de API te da una cifra; un navegador, el panorama completo.
• Interacción con formularios: darse de alta en una prueba, enviar un ticket de soporte o configurar un servicio de terceros exige hacer clic, escribir, seleccionar y navegar. Ninguna API hace eso.
• Contenido dinámico: las aplicaciones web modernas están hechas con JavaScript. El HTML de origen suele ser un armazón vacío que carga el contenido de forma dinámica. Las API de búsqueda ven el armazón; un navegador, la página renderizada.
• Flujos de varios pasos: "inicia sesión, ve a ajustes y exporta el CSV" es una secuencia de acciones del navegador que requiere mantener el estado a lo largo de varias cargas de página.

Cómo consiguen los agentes un navegador de verdad

La solución: darle al agente de IA un navegador web de verdad, solo suyo, y una capa de control que convierta sus intenciones en clics.

La arquitectura del navegador

[AI Agent] → sends commands → [Browser Controller (Playwright)]
                                        ↓
                          [Chromium with its own profile]
                       (a container on a server, or a window
                        on your desktop — same control layer)
                                        ↓
                                [Renders real web pages]
                                        ↓
                        [Returns: page content / screenshots / DOM]

En noHuman Team, cada noHuman tiene su propio navegador Chromium completo, con un perfil persistente: una ventana real en el ordenador que además se ve en directo en el panel. La aplicación se encarga del ciclo de vida del navegador: iniciar Chromium, enviar las órdenes con Playwright, hacer capturas de pantalla y cerrarlo de forma ordenada. Es el mismo motor que usa Google Chrome, con ejecución de JavaScript, renderizado de CSS, gestión de cookies y todo lo que ofrece una sesión de navegador real.

El agente de IA se comunica mediante una capa de control del navegador (normalmente Playwright o Puppeteer) que traduce sus intenciones en acciones del navegador:

• "Ve a esta URL" → el navegador carga la página
• "Haz clic en la pestaña de precios" → el controlador identifica el elemento (por rol, texto o selector) y hace clic
• "Lee el contenido de la página" → el controlador extrae el árbol de accesibilidad o hace una captura de pantalla
• "Rellena el campo del correo" → el controlador localiza el campo y escribe

El agente ve los resultados (contenido de la página, capturas de pantalla, descripciones de elementos) y decide qué hacer después. Es un bucle de retroalimentación: observar → decidir → actuar → observar.

Por qué importan los contenedores en los agentes de servidor

Si estás creando tu propio agente y lo ejecutas en un servidor, un contenedor Docker reforzado puede reducir el acceso del navegador al resto del sistema.

El límite real depende de la configuración:

• Los archivos del host se vuelven visibles cuando los montas, con el modo de lectura o escritura que elijas
• Las cookies del navegador siguen separadas salvo que expongas un perfil existente o un almacén de credenciales
• El modo privilegiado, los dispositivos del host, las capacidades amplias o el acceso al socket de Docker pueden debilitar el aislamiento
• Hay que revisar de forma explícita el acceso saliente y a la red local
• El sistema de archivos desechable de un contenedor se puede recrear, mientras que los datos montados persisten

noHuman Team ejecuta los noHumans de forma nativa, con un perfil de navegador separado para cada noHuman que pueda usar el navegador. En las conexiones de Claude y ChatGPT gestionadas por la pasarela, los noHumans usan credenciales provisionales y la pasarela local añade la autenticación del proveedor. Los inicios de sesión nativos y las rutas alternativas pueden guardar credenciales reales en los archivos del noHuman. Los noHumans usan los permisos de tu sistema operativo; ni los perfiles de navegador, ni los controles de aprobación, ni los presupuestos aíslan el sistema de archivos. Lee la guía de cuentas de IA para conocer los límites de acceso a las credenciales y Agentes de IA aislados para ver las opciones de aislamiento.

Qué hacen los agentes con un navegador

Investigación web (lo más habitual)

En lugar de quedarse con los fragmentos de la búsqueda, el agente visita las páginas reales y lee todo el contenido.

Ejemplo: "Investiga las 5 mejores herramientas de gestión de proyectos, compara sus precios y resume las diferencias clave."

• Sin navegador: información aproximada con salvedades ("no estoy seguro de los precios actuales")
• Con navegador: el agente visita cada sitio, va a las páginas de precios, lee los planes y funciones reales y maneja tablas comparativas generadas con JavaScript

Con un navegador se pueden recoger detalles que no salen en un resultado de búsqueda. El agente también puede interpretar mal una página, dar por bueno un valor desactualizado o quedarse bloqueado. Antes de usar el resultado, revisa las URL visitadas y las afirmaciones importantes.

Rellenar y enviar formularios

Los agentes pueden interactuar con formularios web: registrarse en servicios, enviar información, configurar ajustes.

Ejemplos de tareas:

• Enviar un ticket de soporte en la web de un proveedor
• Rellenar un formulario para proponer una colaboración
• Configurar un webhook en el panel de un servicio de terceros
• Apuntarse a la lista de espera de un evento

Web scraping y extracción de datos

Para un agente con navegador, el scraping es algo natural, incluido el contenido generado con JavaScript que las herramientas tradicionales no ven.

Ejemplos de tareas:

• Extraer los productos del catálogo de un competidor (con precio, características y disponibilidad)
• Recopilar ofertas de las páginas de empleo de varias empresas
• Vigilar de forma programada los cambios de precio en tiendas online
• Reunir reseñas de distintas plataformas

El controlador puede apoyarse en los roles de la página, el texto, las capturas de pantalla y el DOM en lugar de depender de un único analizador fijo. Aun así, los cambios de diseño, la carga dinámica, las defensas contra bots y la paginación pueden romper el flujo, así que hay que probarlo.

Pruebas de sitios web

El noHuman Developer puede usar un navegador para probar tu propia aplicación web:

• Recorrer flujos de usuario (registro, pago, ajustes)
• Comprobar que las páginas se muestran bien en distintos tamaños de ventana
• Verificar que los formularios validan correctamente
• Hacer capturas de pantalla y avisar de problemas visuales antes de que lleguen a los usuarios

Así se detectan problemas que se escapan a las pruebas unitarias: cosas que solo aparecen cuando un navegador real renderiza la página.

Vigilancia de la competencia

Configura revisiones periódicas de las webs de la competencia: ¿han cambiado sus precios? ¿Han lanzado una función nueva? Un agente con acceso al navegador visita esas páginas de forma programada, las compara con versiones anteriores y te avisa cuando cambia algo relevante.

Mira cómo navega el agente

Ver el navegador es lo que hace que un agente deje de ser una caja negra y pase a ser algo que puedes supervisar.

Los agentes de servidor lo resuelven con una pantalla virtual (Xvfb) dentro del contenedor y una conexión VNC (Virtual Network Computing) con ella: abres un cliente VNC, lo conectas al puerto de pantalla del contenedor y ves cómo se cargan las páginas, se mueve el cursor y se rellenan los formularios.

Es útil para:

• Depurar: cuando un agente no puede completar una tarea, al mirar ves por qué: una ventana emergente inesperada, un CAPTCHA, un diseño distinto del esperado
• Generar confianza: ver trabajar al agente da seguridad. Ves el proceso real en lugar de fiarte de un informe de texto
• Aprender: observar cómo navega el agente te ayuda a escribir mejores descripciones de tareas

En noHuman Team no hay nada a lo que conectarse: el navegador del agente es una ventana normal del ordenador, y la misma imagen aparece en directo en su pestaña Navegador del panel. Puedes mirar ahí, tomar el control para hacer clic y escribir, o usar la ventana real para iniciar sesión en un sitio y devolverle el control.

Seguridad: qué separa el perfil del navegador

En noHuman Team, el navegador controlado usa un directorio de datos de usuario de Chromium distinto para cada noHuman. En el uso normal del navegador, eso significa:

• Las cookies del navegador que usas a diario no se cargan en el perfil de navegador del agente
• Las contraseñas guardadas y las extensiones que usas a diario no están configuradas en ese perfil
• Los inicios de sesión que se hagan en el perfil del agente pueden mantenerse de una tarea a otra
• Cualquier persona o programa con acceso a los datos del perfil en el sistema de archivos podría leerlos o modificarlos igualmente

Lo que el diseño del navegador no garantiza:

• Ningún límite de contenedor impide a un noHuman nativo leer otros archivos a los que tenga acceso tu cuenta del sistema operativo
• Un perfil separado no convierte un inicio de sesión en algo de bajo riesgo; usa cuentas específicas y con el mínimo privilegio
• Los controles de aprobación reducen las acciones sin supervisión solo cuando la política cubre realmente esa acción
• Los CAPTCHA, las llaves de hardware y los sistemas antibots pueden detener o interrumpir la automatización

Conviene tener claro el límite: un noHuman nativo se ejecuta con tu usuario, así que llega a los mismos archivos que tú. Acótalo con la carpeta de trabajo, el control de autonomía y la cola de aprobaciones, no con una frontera del kernel que no tienes.

Ideas clave

• La búsqueda y la automatización del navegador dan acceso a información y capacidades distintas
• Un perfil de navegador por agente evita cargar las cookies y extensiones que usas a diario, pero no aísla el sistema de archivos
• El acceso al navegador sirve para investigar, rellenar formularios, extraer datos, probar sitios web y vigilar cambios; la fiabilidad depende del sitio y del flujo
• Ver el navegador es lo que permite supervisar a un agente: los agentes de servidor lo muestran con un visor remoto; en noHuman Team es una ventana normal del escritorio
• Buena práctica: crea cuentas específicas para los agentes, nunca compartas credenciales personales y haz que lo sensible pase por un paso de aprobación

Preguntas frecuentes

¿Pueden los agentes de IA acceder a cualquier sitio web? Con un navegador, los agentes de IA pueden entrar en la mayoría de los sitios públicos igual que lo haría una persona. Hay excepciones: los sitios que bloquean la navegación automatizada con detección de bots (Cloudflare, CAPTCHA avanzados), los que exigen llaves de seguridad físicas y los que requieren verificación por SMS para cuentas nuevas. En esos casos, el agente suele necesitar que una persona complete la verificación una vez; después puede continuar.

¿Es seguro dejar que los agentes de IA naveguen por la web? Depende de las cuentas, los permisos, los secretos, el acceso a la red y el límite de aislamiento. Usa un perfil de navegador propio y cuentas con el mínimo privilegio, haz que las acciones sensibles pasen por aprobaciones efectivas y revisa la configuración del contenedor si el navegador se ejecuta en Docker. noHuman Team es nativo, así que no ofrece un límite de sistema de archivos como el de un contenedor.

¿Qué diferencia hay entre la búsqueda web con IA y la automatización de navegador con IA? La búsqueda web con IA (la que usan la mayoría de los chatbots) llama a una API de búsqueda y devuelve fragmentos de texto de páginas web indexadas. La automatización de navegador con IA ejecuta un navegador real y visita URL reales: ve el contenido generado con JavaScript, interactúa con formularios, recorre flujos de varias páginas y accede a contenido que las API de búsqueda no pueden indexar. La automatización del navegador es más lenta, pero llega mucho más lejos a la hora de investigar, extraer datos y trabajar con formularios.

¿Cómo funciona un visor VNC con agentes de IA? Cuando el navegador de un agente se ejecuta en una máquina remota o sin pantalla, VNC (Virtual Network Computing) te permite conectarte a su pantalla y ver lo que se renderiza, igual que al compartir pantalla. noHuman Team no lo necesita: el Chromium del agente es una ventana real y visible en tu ordenador. Ves la ventana del navegador, los movimientos del cursor y las interacciones con la página en tiempo real, y mirar no interrumpe el trabajo del agente.

¿Pueden los agentes de IA iniciar sesión en sitios web en mi nombre? Sí, si les das las credenciales para una tarea concreta. En noHuman Team también puedes tomar el control de la ventana del navegador del agente, iniciar sesión tú y devolvérsela. Ese inicio de sesión queda en el perfil de navegador propio de ese noHuman, no en el tuyo. Lo recomendable es crear cuentas específicas para los agentes en lugar de compartir tus cuentas personales, y usar tokens de API o cuentas de servicio cuando existan.

¿Quieres noHumans con sesiones de navegador visibles? Consigue noHuman Team para macOS o Windows. Cada noHuman usa un perfil de Chromium persistente y separado; elige cuentas específicas y reglas de aprobación que se ajusten al trabajo.