El 22 de agosto de 2026 Alibaba presentó Qwen-UI-Agent, un modelo base orientado a interfaces gráficas capaz de operar teléfonos, computadoras, aplicaciones web y entornos de búsqueda profunda entendiendo directamente los elementos en pantalla y ejecutando clics, acciones y tareas de varios pasos. Según la compañía, en múltiples benchmarks reconocidos de GUI supera a modelos de primera línea como GPT-5.6 y Claude Opus 4.8, lo que sugiere mayor fiabilidad en navegación de interfaces y finalización de tareas.
Por qué esto importa más en LATAM que en Silicon Valley
Buena parte de los casos de uso de agentes se rompen cuando el modelo tiene que operar software real de escritorio o móvil en vez de llamar a una API limpia. Y ese es exactamente el escenario dominante en la región. Un estudio de Seren junto con la firma de análisis PCMI, citado durante el Banking Tech Summit celebrado en República Dominicana en 2026, estima que alrededor del 60% de las entidades bancarias de la región sigue operando con núcleos heredados de más de 30 años. A eso se suman los sistemas administrativos, contables y operativos de miles de empresas medianas que nunca expusieron un endpoint porque nunca hizo falta.
Hasta ahora, automatizar sobre ese tipo de software implicaba una de tres cosas: reemplazarlo (caro y lento), envolverlo en una capa de integración a medida (viable pero con esfuerzo), o resignarse a que una persona siga haciendo clics. Un agente base sólido en GUI convierte las tareas basadas en pantalla —flujos tipo RPA, navegación en aplicaciones empresariales, herramientas legadas sin API— en objetivos de automatización de primera clase en lugar de casos límite.
La advertencia que viene con la promesa
Conviene leer el anuncio con la cabeza fría. Los agentes que operan interfaces fallan de una manera particularmente incómoda: fallan en silencio. Un clic en el botón equivocado no lanza una excepción ni deja un error en el log; simplemente produce un resultado incorrecto que nadie nota hasta que se acumula. Esto es distinto a una integración por API, donde un contrato roto se manifiesta de inmediato.
Por eso, quien esté evaluando este tipo de automatización debería:
- Empezar por dos o tres procesos repetitivos que hoy dependen de que una persona navegue una interfaz compleja, y medir tasa de éxito y perfil de errores antes de ampliar.
- Diseñar rutas explícitas de escalamiento en vez de asumir autonomía perfecta: qué hace el agente cuando no está seguro.
- Instrumentar verificación posterior, es decir, validar el resultado del proceso —no solo que el agente terminó—.
- Definir qué pantallas quedan prohibidas, especialmente aquellas donde una acción es irreversible o mueve dinero.
Automatizar la pantalla no elimina la deuda técnica
Hay una tentación evidente: si un agente puede operar el sistema viejo, ya no hace falta modernizarlo. Es una conclusión peligrosa. Un agente sobre una interfaz legada es una solución de puente, no de arquitectura. Alivia el trabajo manual, pero no resuelve la fragilidad, ni la falta de datos estructurados, ni la imposibilidad de auditar lo que ocurrió por dentro. La estrategia sensata combina las dos cosas: automatizar la pantalla para ganar tiempo hoy, y usar ese tiempo para construir las integraciones que el negocio va a necesitar mañana.
Dónde entra TEKFENIX
En TEKFENIX trabajamos precisamente en esa costura entre lo que ya existe y lo que hace falta. Desarrollamos software empresarial a medida e integraciones que convierten sistemas cerrados en procesos consultables y auditables. Servigo365 centraliza la atención multicanal con IA sin obligarle a reemplazar sus herramientas actuales; Nexturno ordena los turnos y colas en sucursal conectándose a la operación real; y CumplimientoControl asegura que la trazabilidad regulatoria no se pierda cuando parte del proceso pasa a ejecutarse de forma automática. Si tiene un sistema que nadie quiere tocar pero que todos usan a diario, ese es exactamente el problema que sabemos resolver.