Nou paradigma d'interacció amb el programari
Fins ara, qualsevol intent d'automatitzar processos corporatius entre múltiples aplicacions implicava dues rutes sovint frustrants: el desenvolupament costós d'integracions via API o la implementació d'eines de Robotic Process Automation (RPA), fràgils i incapaces d'adaptar-se a petites variacions visuals. Amb l'estrena de la capacitat 'computer use' al model actualitzat Claude 3.5 Sonnet, Anthropic introdueix una nova via fonamentada en la percepció multimodal i l'acció directa sobre la pantalla.
Disponible inicialment en fase beta pública per a desenvolupadors a través de la seva API, aquesta tecnologia capacita el model per utilitzar l'ordinador com ho faria un operador humà. En comptes de dependre d'arquitectures d'integració tècniques, Claude 3.5 Sonnet rep captures periòdiques de l'escriptori, identifica elements visuals i executa moviments de ratolí, clics i insercions de text a través de qualsevol finestra o aplicació oberta.
Arquitectura tècnica: de la visió a l'acció
El mecanisme d'acció es basa en un cicle continu de percepció, raonament i execució. El model analitza la pantalla en temps real, calcula les coordenades precises dels elements d'interacció i tradueix les instruccions generals de l'usuari en micro-ordres del sistema operatiu. Si una finestra emergent inesperada apareix o una pàgina triga a carregar-se, el model detecta la nova configuració a la següent captura i ajusta el seu comportament de manera dinàmica.
Aquesta aproximació suprimeix la necessitat de modificar el codi de les aplicacions de l'empresa. Des d'un ERP implementat fa més d'una dècada fins a un modern panell d'administració al núvol, la intel·ligència artificial navega a través d'interfícies gràfiques estàndard exactament igual que un professional especialitzat.
Avaluació empírica i el salt d'OSWorld
Al referent analític OSWorld, creat per avaluar la capacitat de models d'IA per resoldre tasques reals en sistemes operatius (incloent-hi ofimàtica, edició gràfica i navegació web multitasca), Claude 3.5 Sonnet va assolir un 14,9% en la modalitat basada exclusivament en captures de pantalla. Aquest registre supera amb escreix el 7,8% obtingut pels models de frontera competidors i marca una fita sense precedents.
Malgrat que aquest percentatge es troba encara distant del rang assolit per persones expertes (70-75%), l'increment demostrat en una sola generació anticipa una ràpida maduració tecnològica. En tasques empresarials delimitades i amb regles clares, la consistència del model permet començar a dissenyar processos de suport real sota supervisió estructurada.
Casos de negoci en producció anticipada
Diverses empreses tecnològiques internacionals han participat en els tests primerencs d'Anthropic per calibrar la viabilitat operativa de la solució. Companyies com Asana, Canva, DoorDash i Replit han aplicat 'computer use' per automatitzar recorreguts que abans exigien desenes o centenars de manipulacions manuals.
A Replit, per exemple, el model s'utilitza per provar aplicacions web acabades de generar: l'agent obre un navegador, navega pels menús, fa clic als formularis i comprova que el comportament visual i funcional coincideixi amb les especificacions. A Asana, la tecnologia permet transformar comunicacions informals en entrades d'incidència estructurades navegant directament entre el CRM i les aplicacions internes sense cap desenvolupament de connectors addicionals.
Impacte estratègic per a l'empresa catalana i europea
L'ecosistema empresarial de Catalunya i de l'entorn mediterrani compta amb una extensa xarxa d'empreses mitjanes en àmbits com la logística industrial, la maquinària, el retail i la distribució sanitària. Moltes d'aquestes organitzacions conviuen amb un mapa de programari altament heterogeni, on s'acumulen solucions de gestió locals, taules de càlcul desconnectades i portals SaaS amb funcionalitats aïllades.
El cost de dissenyar middlewares dedicats o refer arquitectures per integrar aquests programaris ha estat tradicionalment prohibitiu. La delegació mitjançant interfície gràfica canvia les regles: ara una empresa pot connectar el seu sistema de gestió d'estocs amb plataformes digitals externes mitjançant un agent que simplement utilitza la pantalla, esquivant els pressupostos desorbitats de consultoria i evitant la dependència absoluta de proveïdors concrets.
- Estimació representativa de l'ecosistema d'aplicacions típic al teixit empresarial mitjà europeu.
Està la seva organització a punt per als agents de pantalla?
Abans d'autoritzar un agent a controlar el cursor en equips corporatius, cal definir protocols clars de seguretat, assignació de permisos i verificació d'errors. L'adopció eficaç no comença per la tecnologia, sinó per l'anàlisi de quins processos operatius toleren la supervisió esglaonada.
Utilitzeu aquest breu diagnòstic per valorar el nivell de preparació interna de la vostra companyia davant d'aquest salt operatiu.
Quin tipus de programari absorbeix la major càrrega de feina repetitiva a la vostra organització?
Governança i seguretat en el marc normatiu europeu
Atorgar a un model la facultat de fer clics i emplenar formularis demana controls de seguretat més exigents que els requerits per a un assistent conversacional. A la Unió Europea, sota les garanties de l'RGPD i les noves exigències de la Llei d'IA (AI Act), la delegació d'accions requereix entorns d'aïllament segurs (sandboxes), traçabilitat absoluta de cada operació i sistemes de bloqueig automàtic davant comportaments anòmals.
Anthropic insisteix que el llançament en fase beta pretén precisament perfeccionar aquests mecanismes de protecció. Processos crítics com ara pagaments bancaris, esborrament massiu de dades o signatura de documents oficials han de mantenir obligatòriament la supervisió humana presencial, assegurant que la intel·ligència artificial actuï com a assistent coordinat i no com a decisor últim.
Cap a un entorn col·laboratiu entre equips i agents
L'arribada d'aquests agents visuals no pretén substituir els professionals, sinó alliberar-los de la càrrega més tediosa de la gestió diària. De la mateixa manera que el full de càlcul va desplaçar l'aritmètica manual cap a tasques d'anàlisi estratègica, els agents de pantalla evitaran que el talent administratiu dediqui hores a traspassar dades d'una pantalla a l'altra o verificar camps repetitius.
Per a les empreses catalanes, anticipar-se en l'adopció pragmàtica d'aquestes tecnologies representarà un clar avantatge competitiu. Aquelles organitzacions que comencin a experimentar de manera estructurada amb agents supervisats optimitzaran la seva capacitat de resposta i aconseguiran una agilitat operativa superior en els propers exercicis.
“El control directe de l'escriptori trenca la barrera econòmica i tècnica de les integracions d'API per al teixit empresarial mitjà.”
