La web está transformándose silenciosamente de una colección de páginas para humanos en un espacio de acción para agentes de IA. En lugar de solo leer contenido, sistemas como el Agente ChatGPT de OpenAI, Atlas y los servicios habilitados para NLWeb de Microsoft tratan la estructura de la página, los enlaces, los prompts e incluso las políticas de gobernanza como señales que impulsan el “piloto automático agéntico”, IA que puede navegar, hacer clic, escribir y coordinar trabajo en internet en nuestro nombre.
Comprender estas señales web se está volviendo esencial para cualquiera que construya productos, flujos de trabajo o gobernanza en torno a agentes de IA. Desde árboles DOM y rankings de búsqueda hasta aprobaciones de usuarios y registros de políticas, la web moderna se está convirtiendo en un tejido denso de pistas que indican a los agentes qué pueden hacer, qué deben hacer y cuándo deben devolver el control a los humanos. Este artículo explora cómo funcionan esas señales en los principales sistemas agénticos actuales y qué significan para la emergente Web Agéntica.
De páginas a espacios de acción: ¿qué son las señales web?
En un navegador tradicional, la web es principalmente visual: los usuarios ven texto, botones, formularios y enlaces, y luego deciden qué hacer clic a continuación. El piloto automático agéntico invierte esta lógica. Para agentes como el Agente ChatGPT de OpenAI, la web es un entorno estructurado hecho de señales: nodos DOM, atributos, respuestas HTTP, estados de error y prompts de usuario. Cada uno de estos se convierte en parte de un “espacio de acción” latente sobre el que el modelo razona al decidir su próximo paso.
El anuncio del Agente ChatGPT de OpenAI en julio de 2025 lo deja explícito: el agente funciona en una computadora virtual y navega autónomamente por sitios web, haciendo clic en botones, completando formularios y agregando información para terminar tareas de varios pasos como preparar informes para clientes o analizar competidores. El agente no recibe una API de alto nivel; ve elementos de la interfaz web y respuestas de red, tratándolos como señales que sugieren posibles acciones y restricciones.
Este enfoque es ahora común en la naciente categoría de navegadores de IA. La entrada de Wikipedia de 2025 sobre navegadores de IA define “navegadores agénticos” como aquellos en los que la navegación, los clics y el llenado de formularios pueden hacerse de forma autónoma. Los árboles DOM, formularios, enlaces y la semántica a nivel de sitio ya no son solo detalles de presentación; son superficies de señales estandarizadas que codifican posibilidades para los agentes, de la misma manera que los atajos de teclado y los menús lo hicieron alguna vez para los usuarios avanzados humanos.
Piloto automático agéntico temprano: Operator, ChatGPT Agent y la API de Responses
Operator de OpenAI, presentado a principios de 2025, fue uno de los primeros “agentes que usan computadoras” ampliamente visibles. Según la cobertura de Reuters, aprendió a leer y actuar sobre elementos de la interfaz web, botones, menús, campos de texto, para realizar tareas como planificar viajes, gestionar reservas u organizar listas de tareas. Operator interpretaba las señales visuales y estructurales de la web como descripciones de las acciones posibles en cada contexto.
Crucialmente, Operator también trataba las aprobaciones del usuario como señales de control. Acciones sensibles como ingresar credenciales o hacer reservas requerían confirmación explícita, incorporando efectivamente el consentimiento humano como parte del ciclo de señales que rige el comportamiento del piloto automático. Esta combinación de posibilidades de la interfaz y aprobación humana anticipó cómo los sistemas posteriores incorporarían seguridad y supervisión en la pila de señales.
El mismo patrón aparece en la API de Responses de OpenAI, lanzada en marzo de 2025 como la principal plataforma para construir sistemas agénticos. Aquí, la búsqueda web no es solo un asistente de generación de texto; es una fuente explícita de señales. Herramientas de búsqueda como gpt-4o search devuelven respuestas actualizadas con citas, convirtiendo rankings, fragmentos y páginas enlazadas en entradas estructuradas que los agentes deben interpretar. Las herramientas de uso de computadora agregan otra capa de señales: estado de la interfaz, contexto del navegador, latencia y mensajes de error que informan decisiones sobre reintentos, cambios de estrategia o escalada a un humano. Juntas, estas señales forman la columna vertebral de flujos de trabajo semiautónomos de grado de producción.
Atlas y navegadores de IA: contexto web persistente como señal de largo plazo
Con el lanzamiento del navegador Atlas a finales de 2025, el piloto automático agéntico pasó de ser una función adicional a convertirse en el paradigma de navegación predeterminado para algunos usuarios. Atlas integra ChatGPT directamente en la experiencia de navegación para que pueda planificar eventos, pedir víveres o editar documentos en varios sitios. El navegador ya no es solo una ventana pasiva; es un motor de contexto que alimenta continuamente señales al agente.
La innovación más importante de Atlas es la memoria persistente. Según informa PC Gamer, el sistema rastrea la navegación previa, las preferencias del usuario, las páginas visitadas y el historial de tareas entre sesiones. Estos rastros sirven como señales web continuas para la planificación a largo plazo, permitiendo al agente mantener la continuidad, por ejemplo, recordando la marca de víveres preferida de un usuario o reutilizando un itinerario anterior como plantilla. Las interacciones web se convierten en un flujo de datos longitudinal en lugar de una serie de clics sin estado.
Este nuevo poder viene con advertencias explícitas: Atlas pide a los usuarios que “sopesen los pros y contras” antes de otorgar autonomía extensa. Los estados de permiso, la configuración de privacidad y los interruptores de autonomía se convierten en señales críticas. Un agente puede ver la misma página en dos contextos diferentes, uno con el piloto automático completo habilitado y otro en modo restringido, y debe tratar las mismas posibilidades de la interfaz de manera diferente según la política elegida por el usuario. Así, los navegadores agénticos convierten la preferencia y el consentimiento del usuario en señales web de primera clase junto con HTML y HTTP.
Benchmarks y entrenamiento: enseñar a los agentes a leer señales web
Construir agentes que puedan interpretar y actuar de manera fiable sobre señales web requiere más que modelos más grandes; exige nuevos benchmarks y métodos de entrenamiento adaptados a la navegación. El benchmark BrowseComp de OpenAI, lanzado en abril de 2025, ejemplifica este cambio. Con 1,266 preguntas diseñadas para requerir navegación web persistente, BrowseComp mide qué tan bien los agentes aprovechan señales como enlaces, resultados de búsqueda, relevancia de contenido y rutas de navegación de varios pasos.
El diseño de BrowseComp impulsa a los agentes a favorecer respuestas precisas y verificables sobre la especulación extensa. Cada pregunta apunta a “información difícil de encontrar, entrelazada” y espera salidas cortas que puedan ser fácilmente verificadas. Esta estructura fomenta comportamientos como secuencias de clics cuidadosas, uso juicioso de la búsqueda y manejo robusto de páginas ruidosas o engañosas. El desempeño en BrowseComp se convierte en un proxy de cuán eficazmente un agente puede convertir señales web en resultados confiables.
En el lado del entrenamiento, técnicas como Visual Agentic Reinforcement Fine-Tuning (Visual-ARFT) combinan señales web y visuales. El artículo de Visual-ARFT de mayo de 2025 muestra cómo grandes modelos de lenguaje-visión pueden ser entrenados vía refuerzo para navegar sitios web y manipular imágenes usando tanto el diseño visual como el contenido textual como señales. El Multi-modal Agentic Tool Bench (MAT) asociado evalúa dos configuraciones: MAT-Search para búsqueda/navegación web y MAT-Coding para herramientas basadas en imágenes. Visual-ARFT logra mejoras sustanciales en MAT-Search y preguntas multi-hop al optimizar explícitamente a los agentes para reaccionar a señales multimodales como estructura de página, resultados de búsqueda y regiones de imagen. El futuro de los agentes de navegación es inherentemente multimodal.
Señales humanas en el ciclo: límites, supervisión y gobernanza
A medida que aumentan las capacidades del piloto automático, también lo hace la necesidad de una supervisión humana matizada. Magentic-UI, presentado en julio de 2025, explora lo que significa tratar la retroalimentación y las restricciones humanas como señales web de primera clase. Es una interfaz web multiagente diseñada para estudiar la colaboración humano-agente en navegación, ejecución de código y manipulación de archivos.
En Magentic-UI, las intervenciones del usuario , aprobaciones, ediciones, cambios de trayectoria, se tratan como señales de supervisión que moldean el comportamiento del agente con el tiempo. Los guardias de acción definen restricciones en acciones web sensibles, como impedir que un agente envíe información financiera sin aprobación. Estos mecanismos codifican efectivamente la política organizacional y la intención del usuario en la misma capa de señales que los agentes usan para interpretar páginas, haciendo de la gobernanza parte del entorno en vez de un añadido posterior.
Esta filosofía de humano-en-el-ciclo escala hasta la gobernanza empresarial y de ecosistema. El trabajo de Microsoft sobre la evolución de la gobernanza de Power Platform para agentes de IA, citado en la literatura de la Web Agéntica, destaca cómo los registros, auditorías, banderas de riesgo y políticas de cumplimiento se convierten en meta-señales sobre las interacciones web. Con previsiones de 1.3 mil millones de agentes para 2028, las organizaciones deberán tratar la telemetría de gobernanza , quién hizo qué, dónde y con qué resultado, como un flujo continuo de señales que restringe, monitorea y mejora el piloto automático agéntico a escala.
La Web Agéntica y NLWeb: tratar el contenido como una API de lenguaje natural
La visión más amplia detrás de estas tecnologías es la “Web Agéntica”, descrita en una creciente cantidad de investigaciones y resumida en una entrada de Wikipedia de 2025. En este marco, internet está evolucionando hacia una red descentralizada de agentes de IA que descubren, comunican y colaboran autónomamente entre servicios digitales. La web se convierte en una “capa de inteligencia” donde las interacciones y señales entre agentes generan comportamientos emergentes como negociación, creatividad composicional y redundancia.
El marco NLWeb (Natural Language Web) de Microsoft ofrece un plan concreto para esta evolución. Documentado en Signal Magazine, NLWeb sugiere que los sitios web deberían exponer su funcionalidad para que los agentes puedan invocarla mediante lenguaje natural en lugar de APIs rígidas. El texto de la página, metadatos estructurados y anotaciones semánticas se convierten en señales explícitas y legibles por máquina que guían las acciones de los agentes, convirtiendo efectivamente cualquier sitio habilitado para NLWeb en una API blanda. En vez de escribir integraciones personalizadas para cada servicio, los agentes aprenden a leer y seguir contratos de lenguaje natural incrustados en el propio sitio.
Este enfoque se alinea con la definición de la web agéntica como un ecosistema abierto donde los agentes gestionan tareas complejas y colaboran entre sitios en nombre de los usuarios. Las señales web interoperables , desde marcado semántico hasta descriptores de políticas, son requisitos previos. Así como HTTP estandarizó cómo se obtienen los documentos, NLWeb y esfuerzos relacionados buscan estandarizar cómo se expresan funcionalidades y restricciones en términos que los agentes puedan entender y ejecutar.
Piloto automático empresarial y de código: registros, métricas y señales de IDE
En entornos empresariales, las señales web van mucho más allá de las páginas públicas y los resultados de búsqueda. La API de Responses y el SDK de Agents de OpenAI están explícitamente orientados a empresas que construyen agentes capaces de orquestar herramientas como búsqueda web, búsqueda de archivos y uso de computadoras dentro de flujos de trabajo complejos. TechTarget informa que las empresas usan estas capacidades para obtener respuestas rápidas y precisas con citas, convirtiendo rankings de búsqueda, fragmentos y documentos recuperados en entradas estructuradas en cada etapa de un proceso automatizado.
El SDK de Agents añade transferencias, límites y trazabilidad, lo que significa que las políticas internas, registros y controles de seguridad se convierten en señales adicionales no relacionadas con el contenido. Un agente podría ser técnicamente capaz de reservar viajes en cualquier sitio, pero los registros de políticas internas y los límites pueden dictar qué proveedores están permitidos, qué datos pueden compartirse y cuándo un humano debe aprobar un paso. Esta interacción entre señales orientadas a la web y señales de gobernanza generadas internamente es donde probablemente se diferenciarán las estrategias empresariales de agentes.
Las herramientas agénticas de codificación ofrecen un patrón similar en el ámbito del software. Según Wired, el entorno de codificación basado en web de OpenAI da a los agentes acceso a sistemas de archivos, terminales y salidas de ejecución a través de una interfaz de navegador. Aquí, repositorios, registros, resultados de pruebas, vistas de diferencias y notificaciones de IDE se convierten en señales similares a las web. El agente depende de estas para proponer correcciones, refactorizaciones y actualizaciones de documentación. Cuando se despliegan en flujos de trabajo de producción en empresas como Cisco y Superhuman, las métricas de rendimiento y la retroalimentación de desarrolladores , tasas de regresión de errores, comentarios de revisión de código, incidentes de despliegue, se convierten en señales de refuerzo que refinan continuamente el comportamiento del piloto automático.
Clasificando agentes, no páginas: AgentRank e Internet 3.0
Si las páginas web alguna vez compitieron por atención mediante PageRank y enlaces, la Web Agéntica requerirá nuevos sistemas de clasificación para los propios agentes. El artículo “Internet 3.0: Arquitectura para una Web-de-Agentes” introduce un ecosistema donde los agentes descubren, coordinan y colaboran entre servicios, exigiendo evaluación basada en el rendimiento real en lugar de descripciones estáticas.
El protocolo DOVIS propuesto (Descubrimiento, Orquestación, Verificación, Incentivos, Semántica) describe cómo recopilar agregados de uso y señales de rendimiento que preservan la privacidad. Estos incluyen frecuencia de selección, resultados de tareas, latencia e incidentes de seguridad, un conjunto más rico de indicadores que las tasas de clics o el conteo de tráfico. Encima de DOVIS, el algoritmo AgentRank-UC integra uso y competencia en una clasificación dinámica, análoga a PageRank pero impulsada por señales de interacción en lugar de estructura de enlaces.
A medida que crece la Web Agéntica , con Microsoft estimando el paso de millones de agentes en el segundo trimestre de 2025 a 1.3 mil millones para 2028, estas señales entre agentes serán centrales para cómo descubrimos, confiamos y componemos servicios. La ley de Metcalfe sugiere que la utilidad de la red podría aumentar dramáticamente con la densidad de conexiones, pero solo si podemos interpretar y gobernar la avalancha resultante de señales de interacción de manera escalable.
El piloto automático agéntico ya no es ciencia ficción; está convirtiéndose de manera constante en el modo de interacción predeterminado para muchas tareas en la web. Desde herramientas tempranas como Operator hasta navegadores completamente agénticos como Atlas, y desde el entrenamiento Visual-ARFT hasta la semántica NLWeb, el hilo común es un universo en expansión de señales web. La estructura de la página, los rankings de búsqueda, los diseños visuales, las aprobaciones, las políticas, los registros y las métricas entre agentes están siendo codificados como entradas que impulsan decisiones autónomas.
Para constructores, legisladores y usuarios, la implicación es clara: diseñar para la Web Agéntica significa diseñar superficies de señales con tanto cuidado como antes diseñábamos interfaces de usuario. Cada elemento que moldea el comportamiento humano , desde la etiqueta de un botón hasta una cláusula de términos de servicio, ahora también moldea cómo los agentes perciben y actúan. La próxima fase de internet pertenecerá a quienes puedan orquestar estas señales web para equilibrar autonomía con alineación, eficiencia con seguridad e innovación con gobernanza.
