Google ha presentado Gemini 2.5 Computer Use, su nuevo modelo especializado en la automatización de interfaces gráficas, disponible públicamente para desarrolladores a través de la Gemini API en Google AI Studio y Vertex AI. A diferencia de versiones anteriores que interactuaban principalmente mediante APIs, Gemini 2.5 está diseñado para que agentes de IA puedan operar directamente sobre interfaces de usuario en navegadores web y, en cierta medida, en dispositivos móviles. Esto permite automatizar tareas que antes requerían intervención humana, como completar formularios, seleccionar opciones en menús desplegables o navegar por sitios protegidos con inicio de sesión.

El modelo destaca por su baja latencia y alta precisión, superando a otras soluciones en benchmarks como Online-Mind2Web y AndroidWorld. Está orientado a desarrolladores y equipos enfocados en automatización de flujos de trabajo, asistentes personales y pruebas de interfaces, así como a empresas que buscan optimizar tareas digitales repetitivas.

Gemini 2.5 procesa las solicitudes analizando el contexto de pantalla, acciones previas y listas de funciones personalizadas para decidir el siguiente paso en la interfaz. La seguridad es una prioridad: incorpora controles internos y verificaciones por cada acción, y permite a los desarrolladores establecer restricciones adicionales para evitar operaciones de alto riesgo.

Desarrollado por Google DeepMind, el modelo aprovecha la experiencia de la compañía en grandes modelos de lenguaje e IA agente para avanzar en la automatización digital. Ya ha sido probado internamente en pruebas de UI, el proyecto Mariner y el modo de IA de Google Search, con resultados positivos reportados por los primeros usuarios en asistentes personales y automatización de flujos de trabajo.

Con este lanzamiento, Google da un paso importante hacia la automatización inteligente de tareas digitales, facilitando tanto a desarrolladores individuales como a grandes organizaciones la creación de soluciones más eficientes y seguras.