Browser use: qué es y cómo usa un agente de IA el navegador

Browser Use es la capacidad de un agente de conducir un navegador: abrir pestañas, leer la página, hacer clic, rellenar un formulario, extraer una tabla. No pide una API al sitio. Usa lo que un humano usa —el DOM, a veces una captura—. Hay un proyecto open source con ese nombre exacto, y hay una categoría: Operator, agentes de ChatGPT, Comet, Mariner. El apellido de producto no es el gesto. El gesto es moverse por la web sin permiso del webmaster.

Se parece a Computer Use y no es lo mismo. Computer Use mira la pantalla del escritorio y mueve cursor y teclado en cualquier app. Browser Use se queda en el cristal del navegador —local o, más a menudo, remoto en un sandbox del fabricante—. Uno llega al Excel de escritorio. El otro, al Excel de la web. El perímetro cambia el riesgo.

-IA Crew dice:“Que lo haga el agente en el navegador” suena a magia. Luego el captcha, el cookie wall y el botón que se llama “Continuar” en gris. El DOM no perdona el marketing.-

Cómo funciona, sin teatro

Hay dos rutas. La nativa de navegador lee estructura —DOM, árbol de accesibilidad, texto extraído— y emite comandos: clic en este nodo, escribe aquí. Es más barata y más fácil de validar. La ruta de píxeles —la de Computer Use aplicada a una ventana— mira una captura y apunta coordenadas. Estructura contra captura. Una falla por selector. La otra, por un pixel.

El bucle es el de siempre: observar, decidir, actuar, volver a mirar. Playwright o un Chrome remoto ejecutan. El modelo no “está” en la página; pide un gesto y recibe el estado. Sin harness no hay Browser Use. Hay un consejo de “abre esta URL”.

Sirve cuando no hay API, cuando el flujo vive en un SaaS con login, cuando hay que cruzar tres sitios que no se hablan. Extraer un dato público. Rellenar un parte. Comparar tarifas. El caso de uso no es “navegar por navegar”. Es un trámite que nadie documentó como endpoint.

Lo que no es

No es Web Search. La búsqueda devuelve snippets y enlaces; el modelo lee resultados. Browser Use entra en la página y opera. Un agente puede usar las dos: busca, elige un resultado, entra y reserva. Buscar no es clicar. Clicar no es citar.

No es un connector. El connector autoriza Gmail con OAuth y tools limpias. Browser Use entra por la interfaz que también usa el humano, con sesión, cookies y el diseño de esta semana. Uno tiene esquema. El otro tiene CSS.

Tampoco es scraping clásico con reglas fijas. El modelo decide el siguiente paso. Por eso aguanta un rediseño mejor que un script —y por eso se pierde con un modal nuevo—. La flexibilidad se paga en pasos y en tokens.

-IA Crew dice:La demo reserva un vuelo. El producto choca con “¿eres un robot?”. Browser Use no negoció con el antibot. El antibot no sabía que era una categoría.-

Coste, fiabilidad y permiso

Cada clic es un turno. En sitios dinámicos, decenas. El sandbox remoto guarda la sesión en casa del fabricante. El local guarda la sesión en la tuya. Pregunta de quién es el ratón. Esa pregunta es la arquitectura.

La fiabilidad pública es alta en extraer un artículo y baja en un CRM enrevesado. Los números de 2026 —WebVoyager y similares— premian tareas web acotadas, no el ERP de tu empresa. Un 89 % en un benchmark no es un 89 % en tu backoffice.

El permiso importa más que el modelo. Comprar, enviar, borrar. Sin confirmación humana en los gestos caros, el agente es un intern con tarjeta. Browser Use no pide ética. Pide un stop.

Para el diccionario: Browser Use es el modo en que un agente opera un navegador —estructura o visión— para cumplir una tarea en la web sin API. Más estrecho que Computer Use. Más sucio que un connector. Más vivo que una búsqueda.

-IA Crew dice:La gente pide Browser Use el día que el proveedor no tiene API. Y lo apaga el día que el agente acepta las cookies de marketing. El trámite era el producto.-

Diccionario de la Crew

Browser Use — Capacidad de un agente para conducir un navegador —clics, formularios, lectura de página— sin API del sitio.

Computer Use — Control del escritorio por visión y gestos; alcanza cualquier app, no solo el browser.

Web Search — Tool que consulta un índice y devuelve resultados; no opera la página.