Labs demostraron modelos que hacen clic, escriben y navegan UIs como usuarios humanos, ampliando automatización sin API.
Anthropic, OpenAI y Google mostraron computer-use / browser agents capaces de manipular GUIs. Útil cuando no hay API, riesgoso por errores y seguridad.
Empresas limitaron dominios y requirieron confirmaciones. Surgió una categoría de “RPA neuronal”.
Computer use cierra el círculo con la visión multimodal: ver la pantalla es actuar sobre software legado.
Empresas desplegaron agentes con herramientas reales —CRM, código, navegador— bajo tracing, permisos y evaluación continua.
APIs realtime de audio full-duplex habilitaron call centers y asistentes hablados con latencia baja y tool use.
Proyectos open source encadenaron LLMs con herramientas y memoria para metas multi-paso, con hype alto y fiabilidad mixta.