Operadores de OpenAI: momento similar a ChatGPT para agentes de IA

Imagine un mundo en el que su tira de tareas pendientes mágicamente se soluciona sola. ¿Necesitas reservar un planeo? Hecho. ¿Olvidaste pedir comida? Manejado. ¿Quieres crear un meme para tu chat grupal? Dócil. Esto ya no son simples palabras: es la verdad que OpenAI está construyendo con Cirujano, un agente de IA renovador que cambiará la forma en que interactuamos con el mundo digital. En 2025, la palabra agentes de IA en sí no es nueva, pero con Cirujano, OpenAI acaba de transigir la experiencia de automatización a un nuevo nivel. Sumérgete en este blog para comprender lo que es Cirujano, cómo funciona y cómo puede modificar tu vida.

Si desea comprender qué son los agentes de IA, consulte este blog.

¿Qué es el cirujano de OpenAI?

El cirujano es un agente de inteligencia químico que utiliza su navegador para realizar tareas por usted. Piense en ello como un asistente digital que puede «ver» e «interactuar» con páginas web tal como lo haría un humano. Puede escribir, hacer clic, desplazarse e incluso autocorregirse cuando enfrenta desafíos. El cirujano puede navegar por la web, interactuar con sitios web y completar tareas de forma autónoma, todo ello mientras usted mantiene el control.

Con una interfaz similar a la de ChatGPT, Cirujano está diseñado para manejar tareas repetitivas como completar formularios, pedir comida y reservar citas. Pero esto es sólo el aparición. A medida que OpenAI recopile comentarios y perfeccione la tecnología, las capacidades del cirujano se ampliarán, convirtiéndolo en una aparejo indispensable para individuos y organizaciones.

¿Cómo funciona el cirujano de OpenAI?

El cirujano funciona con el maniquí de agente de uso informático (CUA) de última engendramiento de OpenAI, CUA (agente que utiliza computadoras) es un maniquí de IA progresista diseñado para interactuar con interfaces gráficas de beneficiario (GUI), como ordenanza, menús y campos de texto, de forma similar a como los humanos usan las computadoras.

Impulsa a Cirujano, un asistente de inteligencia químico capaz de realizar tareas digitales, como navegar por sitios web y completar formularios, sin acatar de API especializadas. combina La visión de GPT-4o capacidades y razonamiento progresista utilizando el formación por refuerzo. Así es como funciona:

• Percepción: El maniquí toma capturas de pantalla para comprender el estado contemporáneo de la computadora y agrega contexto visual para la ejecución de la tarea.
• Razonamiento: Emplea “prisión de pensamiento”razonamiento para planificar tareas de varios pasos y adaptarse dinámicamente en función de los resultados.
• Batalla: Utiliza un mouse y un teclado virtuales para ejecutar tareas como hacer clic, desplazarse y escribir, y se requiere la confirmación del beneficiario para acciones confidenciales como ingresar contraseñas o contestar a CAPTCHA.

Puntos de relato de rendimiento

El maniquí CUA logra un rendimiento de última engendramiento en puntos de relato evaluar la interacción digital:

• OSWorld: 38,1% tasa de éxito para realizar tareas complejas en escenarios de uso completo de la computadora, como navegación del sistema operante y compañía de archivos.
• WebArena: 58,1% tasa de éxito para navegar por sitios web simulados sin conexióncomo el comercio electrónico o los sistemas de mandato de contenidos, para completar tareas del mundo efectivo.
• WebVoyager: 87% tasa de éxito para interactuar con sitios web en vivo (por ejemplo, Amazon, GitHub) para realizar tareas sencillas como averiguar y filtrar información.

Con el maniquí CUA, OpenAI pretende acercarse un paso más a AGI, permitiendo que los agentes se ejecuten de forma autónoma para realizar tareas y conquistar resultados procesables a escalera.

¿Cómo opera el cirujano?

1. El cirujano toma capturas de pantalla de páginas web para «ver» lo que hay en la pantalla. Entiende los píxeles sin procesar.
2. A posteriori de ver la imagen, piensa en el venidero paso.
3. Interactúa con sitios web mediante acciones del mouse y el teclado, eliminando la condición de integraciones API personalizadas. Luego piensa en su próximo paso y luego actúa.
4. Toma una captura de pantalla y luego la analiza para el venidero paso.

¡Cada vez que CUA realiza una batalla, toma una captura de pantalla! El ciclo de tomar capturas de pantalla, realizar acciones y pensar continúa hasta que termina todas sus tareas o cuando interviene el humano. Si el Cirujano comete un error o se queda atascado, utiliza su capacidad de razonamiento para retornar a intentarlo o solicita la intervención humana.

¿Cómo ingresar al cirujano?

El Cirujano de OpenAI está actualmente habitable como una «aspecto previa de investigación» exclusivamente para los suscriptores de los usuarios de ChatGPT Pro en los Estados Unidos. La suscripción a ChatGPT Pro tiene un precio de 200 dólares al mes. Si tienes la suscripción Pro y vives en EE. UU.:

¿Cómo trabajar con el Cirujano?

Usar Cirujano es tan simple como describir lo que necesitas. Así es como funciona:

1. Describe la tarea: Dígale al cirujano lo que desea, como «Pida pan de ajo en Leo’s» o «Reserve un restaurante en Florencia». El cirujano asumirá y completará la tarea de forma autónoma.
2. Mantén el control: Para tareas delicadas como iniciar sesión o ingresar detalles de plazo, el Cirujano le pedirá que se haga cargo. Incluso puede personalizar los flujos de trabajo configurando preferencias para sitios específicos, como su aerolínea o tienda de comestibles favorita.
3. Multitarea con facilidad: El cirujano puede realizar múltiples tareas simultáneamente, como si tuviera varias pestañas del navegador abiertas.

Cirujano en el trabajo: aplicaciones del mundo efectivo del agente de IA de OpenAI

En cualquier oficio donde exista condición de automatización o donación, un agente cirujano puede encontrar allí su utilidad. Es un asistente personal para todos. Estas son algunas de las formas en que puede hacer la vida más manejable:

Productividad

• Compras: Puede automatizar compras en recta, averiguar descuentos, comparar precios y realizar un seguimiento de las entregas.
• Reservas: Puede reservar restaurantes, vuelos, hoteles y entradas para eventos.
• Pagos de facturas: Puede resolver pagos recurrentes, facturas de servicios públicos y suscripciones.
• Mandato de calendario: Puede programar citas, expedir recordatorios y sincronizar calendarios entre plataformas.
• Mandato de suscripciones: Puede resolver inscripciones, cancelaciones y recordatorios de servicios de suscripción.

Tareas administrativas

• Presentación de gastos: Puede expedir informes de gastos extrayendo y organizando datos de recibos y facturas.
• Entrada de datos: Puede automatizar tareas repetitivas como ingresar datos en hojas de cálculo o herramientas CRM.
• Mandato de documentos: Puede descargar, organizar y convertir archivos a varios formatos como PDF o Excel.
• Programación de reuniones: Puede configurar, reprogramar o suspender reuniones en plataformas como Teleobjetivo o Teams.
• Solicitudes de empleo: Puede filtrar ofertas de trabajo relevantes, presentar solicitudes en su nombre y programar entrevistas.

Mercadotecnia y Publicidad

• Investigación de Mercado: Puede compendiar información de la competencia, opiniones de clientes y tendencias de la industria para su examen.
• Mandato de redes sociales: Puede programar publicaciones, monitorear la décimo y analizar métricas en plataformas como Instagram o LinkedIn.
• Interacción con el cliente: Puede automatizar las respuestas a las preguntas frecuentes a través de sistemas de chat basados ​​en la web.
• Campañas publicitarias: Puede configurar, optimizar y realizar un seguimiento de campañas publicitarias en plataformas como Google Ads o Facebook Ads.
• Implementación de la averiguación: Puede diseñar y distribuir encuestas a través de herramientas como Typeform o SurveyMonkey.

Apoyo técnico

• Recuperación de código: Puede recuperar fragmentos de código o soluciones de plataformas como GitHub o StackOverflow.
• Mandato de API: Puede automatizar llamadas API para recuperar o desempolvar datos en todos los sistemas.
• Actualizaciones de documentación: Puede desempolvar los documentos del esquema según sus instrucciones.
• Alternativa de problemas de errores: Puede encontrar y aplicar soluciones a errores de codificación comunes.

En normal, Cirujano tiene poco que ofrecer a todos los que utilizan el navegador web.

Seguridad y Privacidad

Con los Agentes, siempre existe el temor de un mal uso o una desalineación por parte del beneficiario o el agente o incluso de los sitios web. Para contrarrestarlos, openAI ha priorizado la seguridad y la privacidad en el diseño del Cirujano:

• Control de beneficiario: el cirujano siempre solicita información durante acciones sensibles como inicios de sesión o pagos.
• Privacidad de datos: los usuarios pueden optar por no participar en la sumario de datos y eliminar datos de navegación con un solo clic.
• Medidas de seguridad: el cirujano detecta e ignora sitios web maliciosos, lo que garantiza una experiencia de navegación segura.

Puede descifrar más sobre las iniciativas de seguridad. aquí.

Futuro del cirujano

Es solo el aparición de los agentes de inteligencia químico de OpenAI. A medida que la tecnología perfeccionamiento, sus capacidades aumentarán, abriendo nuevas posibilidades:

• Multitarea: El cirujano manejará flujos de trabajo más largos y complejos, como resolver proyectos completos o coordinar tareas entre plataformas.
• Integración con dispositivos IoT: Imagine al Cirujano controlando sus dispositivos domésticos inteligentes, ajustando termostatos o administrando sistemas de seguridad.
• Accesibilidad mundial: A medida que Cirujano se expanda a más idiomas y regiones, superará las barreras lingüísticas y hará que los servicios digitales sean accesibles para todos.
• Toma de decisiones impulsada por IA: Las versiones futuras de Cirujano podrían analizar datos, gestar conocimientos y aconsejar acciones para empresas e individuos.
• Innovación del Sector Divulgado: El cirujano podría desempeñar un papel secreto en las iniciativas de ciudades inteligentes, automatizando tareas como la mandato del tráfico y la recogida de residuos.

Conclusión

El cirujano es más que un simple agente de IA: es un vistazo al futuro. Ya sea usted un profesional ocupado, propietario de un negocio o una estructura del sector notorio, Cirujano promete cambiar las reglas del pasatiempo. Sin confiscación, el expansión de sistemas agentes tan capaces igualmente plantea muchas preguntas con respecto a la privacidad y la seguridad. Una cosa es segura: Cirujano marca un cambio importante en la forma en que trabajamos con la IA generativa. Ahora se está volviendo más personalizado y más integrado en nuestra vida diaria. A medida que avanzamos, el mundo mismo tiene que establecer el nivelación entre expansión y sensibilidad para permitir que esta innovación agencial verdaderamente tenga un impacto positivo en nuestras vidas.

Preguntas frecuentes