Agentes de navegador en 2026: Browser Use, Genspark, Comet y la nueva ola

Si ya entiendes qué es un agente de IA y la diferencia con un workflow tradicional, 2026 te trae una categoría que hasta hace nada era ciencia ficción: agentes que viven dentro de un navegador, abren pestañas, rellenan formularios, hacen login, scrollean y deciden qué clic dar. Browser Use, Genspark, Comet, Operator y Computer Use de Anthropic se están repartiendo el espacio.

Vamos a ver qué son, en qué se diferencian, qué hacen bien, qué hacen mal, y cuándo pagarle a alguien dinero por uno de ellos.

Qué es un agente de navegador

Un agente de navegador (o agentic browser) es un agente de IA cuyo único entorno de ejecución es un navegador web controlado por programa. Por debajo casi todos usan Chromium con Playwright o Puppeteer, exponen el DOM al modelo, reciben acciones (click, type, scroll, goto) y las ejecutan.

A grandes rasgos, hay dos arquitecturas:

1. Agentes que ven el DOM — extraen el HTML simplificado y dejan que el LLM razone sobre la estructura semántica de la página. Más fiables en sites bien marcados, mucho más baratos en tokens. Browser Use y casi todos los frameworks open source van por aquí.

2. Agentes que ven píxeles (a.k.a. visual web agents) — toman screenshots de la página y razonan sobre la imagen como lo haría una persona. Más resistentes a sites raros pero mucho más caros. Computer Use de Anthropic y Operator de OpenAI son los referentes.

El navegador no es un capricho estético. Cuando una tarea vive en la web (research, e-commerce, scraping con login, automatización SaaS), un agente browser elimina el problema de tener APIs rotas, endpoints sin documentar y permisos OAuth que nunca se actualizan.

Plataformas líderes en abril de 2026

Browser Use

Browser Use es el framework open source más popular del año. MIT, Python primero (también TypeScript), agnóstico de modelo: lo conectas a OpenAI, Anthropic, Google o un Ollama local y funciona. Usa Playwright por debajo y un sistema de DOM extraction muy bien hecho que recorta el HTML para no quemar contexto.

Fortalezas:

• Cero coste por sesión más allá del LLM que elijas.

• Self-hosted: nada sale de tu infraestructura si usas modelos locales.

• Fácil de meter dentro de pipelines existentes; expone una API pythonica clara.

Debilidades:

• Setup no trivial; requiere mantener Chromium y resolver dependencias.

• Tú gestionas anti-bot, captchas y proxies.

• La latencia depende de tu modelo: con GPT-5.5 o Claude Opus 4.7 cada acción es ~2-4 segundos, con un local pequeño puede subir a 8-15 segundos.

Genspark Super Agent

Genspark salió en mayo de 2025 con un planteamiento distinto: navegador propio + agente nativo + on-device cuando se puede. En 2026 ofrecen ya cobertura para más de 169 modelos de pesos abiertos que se pueden ejecutar localmente. La pieza clave es su Super Agent, que mezcla browser agent, deep research y orquestación multi-tool.

Fortalezas:

• Producto consumer terminado, no toca pelearse con Playwright.

• Estrategia híbrida (cloud + on-device) para tareas sensibles.

Debilidades:

• Menos auditable que Browser Use.

• Pricing por suscripción tipo Comet/Perplexity; difícil de meter en pipelines empresa.

OpenAI Operator

Operator usa el modelo CUA (Computer-Using Agent), que combina visión de GPT-5 con razonamiento entrenado por refuerzo para mover cursor, leer y actuar como una persona delante del navegador. Está más cerca de Computer Use que de Browser Use: ve píxeles.

Fortalezas:

• Aguanta sites mal hechos donde el DOM no ayuda nada.

• Integración fluida con el resto del stack OpenAI (Responses API, tools).

Debilidades:

• Caro: muchas más tokens por acción al meter screenshots.

• Operator todavía está en rollout limitado y pasa por sandbox de OpenAI.

Comet de Perplexity

Comet es el navegador agentic de Perplexity. Lanzado en marzo de 2026 para iOS, Android, macOS y Windows, es ya el primer agentic browser nativo en móvil con tracción real (más de 430.000 descargas en su primera semana en iOS). Integra Deep Research, asistente contextual y voice mode, todo dentro del propio navegador.

Fortalezas:

• UX excelente para usuario final.

• Free tier accesible; Perplexity Max desbloquea todo.

Debilidades:

• Han salido varias vulnerabilidades de prompt injection (PerplexedBrowser, CometJacking) que han forzado parches y desconfianza temporal.

• Un juez federal en EE.UU. ordenó parar agentes de Comet haciendo pedidos en Amazon, lo que abre un frente legal nuevo para cualquier agente que actúe como cliente comercial.

Computer Use de Anthropic

Aunque Computer Use ve toda la pantalla y no solo el navegador, en la práctica la mayoría de tareas que se le piden son de browser. La capa específica de browser sobre Sonnet 4.6 / Opus 4.7 sigue siendo de las más fiables del mercado, especialmente en flujos largos con muchos pasos.

Fortalezas:

• Trazabilidad: cada acción del agente queda registrada con el tool call.

• Modelo (Opus 4.7) razona muy bien sobre estados intermedios complicados.

Debilidades:

• Es lento: cada screenshot + razonamiento = varios segundos.

• El coste por hora real de uso es elevado.

Tabla comparativa — abril 2026

Casos reales en los que funcionan bien

1. Research multi-pestaña: pedirle a un agente que abra 30 tabs sobre un tema, extraiga datos de cada una y devuelva una tabla. Browser Use con un buen LLM resuelve esto por menos de 1 € por research.

2. Scraping con login: webs B2B que esconden datos detrás de un signup. Un agente puede mantener sesión, navegar y exportar.

3. Compras / checkout: añadir productos al carrito siguiendo criterios complejos ("portátil con 32 GB RAM, peso < 1.5 kg, en stock en España"). Aquí Operator y Comet brillan, aunque ya hay litigio sobre si esto es legal sin autorización del marketplace.

4. Onboarding/automatización SaaS: configurar 50 cuentas de Notion, Slack, Figma para un equipo nuevo. Computer Use es excelente porque maneja bien los flujos largos.

5. QA visual de webs propias: un agente recorre tu producto, hace tareas, detecta regresiones. Browser Use + un modelo barato y va.

Donde fallan (y mucho)

• CAPTCHAs: hCaptcha, reCAPTCHA, Cloudflare Turnstile. La mayoría de proveedores serios prohíben explícitamente que les des la vuelta y los agentes browser se atragantan en cuanto aparece uno.

• Sites con anti-bot agresivo: marketplaces (Amazon, eBay), bancos, aerolíneas. La fricción es por diseño y el agente lo nota.

• Sesiones largas: el LLM se confunde tras 30-50 pasos. Hay que segmentar la tarea o usar memoria externa.

• Estados ocultos: un modal que aparece tarde, una notificación que tapa el botón "Confirmar", un cookie banner. Cualquier ruido visual rompe agentes mal preparados.

• Decisiones financieras: meter datos de tarjeta o aceptar términos legales es jurídicamente delicado y casi siempre exige human-in-the-loop.

Browser agent vs Computer Use: ¿cuándo cuál?

Para aterrizar la decisión, esta guía sobre cómo evaluar agentes de IA cubre la parte de medir success rate, coste por tarea y robustez en producción.

Privacidad y RGPD

Aquí hay varias capas de complicación específicas a navegador:

• Cookies y sesiones: el agente mantiene cookies activas; si manejas datos de usuarios reales, eso es tratamiento de datos personales con todas las obligaciones del RGPD.

• Captura de pantallas: si tu agente toma screenshots y los manda a un LLM cloud, estás transfiriendo PII potencial fuera de tu infraestructura. Una AIPD para sistemas de IA suele ser obligatoria.

• Transferencias internacionales: si usas Claude o GPT desde EU para procesar datos de usuarios europeos, repasa transferencias internacionales en IA y la situación del DPF post-FISA 702.

• Consentimiento: scraping de contenido de terceros sin permiso era ya gris; con un agente "que actúa como persona" la línea entre legal y no se va a redibujar varias veces antes de fin de año.

Lo razonable: para datos personales, ejecuta el agente en infraestructura europea con modelos locales o bajo Levante Platform (AI Gateway con Zero Data Retention y Tensorix como capa de inferencia europea).

Tendencias para los próximos meses

1. Modelos especializados en agente browser: ya hay "small action models" entrenados específicamente para acciones DOM. Esperamos que en Q3 2026 haya versiones gratuitas decentes.

2. Marketplaces de skills agentic: Comet y Genspark están construyendo tiendas de "agente para X". Algo similar al MCP Store pero para tareas web.

3. Estándares de robots.txt para agentes: ya hay propuestas (agents.txt, LLMs.txt) que extienden robots para indicar qué pueden o no hacer los agentes.

4. Auditoría legal: la sentencia de Comet/Amazon abrió la veda. Espera más restricciones a agentes que actúen como cliente comercial sin firma humana.

5. Voz + browser: agentes de voz que navegan por ti mientras hablas. Lo veremos integrarse cada vez más con el patrón agente de voz IA.

Cómo empezar (si nunca has tocado uno)

1. Pruébalo gratis: Browser Use, instalación local con uv pip install browser-use playwright y un modelo de tu elección. 30 minutos para tener algo que funcione en una task simple.

2. Sube a un caso real: research de competencia, automatización de export de SaaS, monitoring de precios. Tareas con valor pero bajo riesgo si fallan.

3. Mide: success rate, latencia media por acción, coste por tarea exitosa. Sin métricas no hay decisión.

4. Endurece: añade reintentos, human-in-the-loop para acciones financieras, logging detallado.

5. Escala: cuando una tarea funciona >85% del tiempo, móntala como cron o trigger. Si no lo verificas, el agente acabará comprando 200 unidades de algo cuando el site cambie un selector.

Conclusión

Los agentes de navegador han pasado de demo a producto en menos de 18 meses. Browser Use es la opción profesional barata y abierta, Operator/Computer Use son los candidatos premium para sites complicados, Comet y Genspark son las apuestas consumer. La pregunta ya no es si puedes automatizar la web con un agente, sino cuándo y bajo qué controles.

Si la tarea vive en EU y trata datos personales, el patrón sano es: agente browser open source + modelo bajo control europeo + AIPD documentada. Para eso existe Levante Platform.