Amazon ha anunciado el lanzamiento de Nova Act, un nuevo modelo de inteligencia artificial diseñado para ejecutar acciones dentro de un navegador web. La compañía tecnológica ha puesto a disposición de los desarrolladores una versión preliminar del SDK (kit de desarrollo de software), accesible desde la web nova.amazon.com, que permite experimentar con esta nueva herramienta de automatización.
Agentes que no solo hablan, también actúan
Desde la popularización de los grandes modelos de lenguaje (LLM, por sus siglas en inglés), se ha hablado mucho de los “agentes” como sistemas que responden con lenguaje natural o que acceden a bases de datos mediante técnicas como la generación aumentada por recuperación (RAG). Sin embargo, Amazon redefine este concepto al centrarse en agentes que no solo hablan, sino que actúan: sistemas capaces de realizar tareas concretas en entornos digitales y físicos.
Nova Act permite a los desarrolladores crear agentes que pueden automatizar flujos de trabajo complejos en el navegador: desde enviar una solicitud de vacaciones hasta configurar un aviso de ausencia por correo electrónico, pasando por la gestión de citas en un calendario.
Un enfoque en la fiabilidad y la precisión
La clave de Nova Act está en su fiabilidad. Mientras otros agentes aún requieren supervisión humana constante para tareas multietapa, Amazon ha desarrollado un sistema que descompone las tareas complejas en comandos atómicos fiables, como buscar elementos en pantalla, responder preguntas o hacer clic en botones.
Además, el SDK permite instrucciones detalladas, como por ejemplo: “no aceptar el seguro adicional”. También es posible combinar el uso de APIs, herramientas de automatización como Playwright para manipulación directa del navegador e incluso integrar código Python con pruebas, puntos de ruptura y ejecución paralela. Todo ello con el objetivo de superar las limitaciones actuales de los agentes inteligentes.
Resultados de referencia
Amazon ha medido el rendimiento de Nova Act en los benchmarks especializados ScreenSpot y GroundUI Web, diseñados para evaluar la capacidad de los agentes para interactuar con elementos de una interfaz gráfica. En ellos, Nova Act ha obtenido resultados superiores a los de sus competidores directos:
- ScreenSpot Web Text: 0.939 frente a 0.900 (Claude 3.7 Sonnet) y 0.883 (OpenAI CUA).
- ScreenSpot Web Icon: 0.879 frente a 0.854 y 0.806.
- GroundUI Web: aunque ligeramente por debajo de Claude y OpenAI (0.805 frente a 0.825 y 0.823), el enfoque de Amazon apunta a mejorar rápidamente.
Esto sitúa a Nova Act como un sistema con rendimiento líder en tareas específicas como la selección de fechas, el uso de menús desplegables o la gestión de ventanas emergentes.
Integración en Alexa+ y futuro desarrollo
Aunque aún se trata de una versión inicial, Nova Act ya se está utilizando en Alexa+, el servicio de Amazon que permite a los usuarios realizar tareas complejas mediante comandos de voz, incluso cuando no existen APIs disponibles.
Según la compañía, Nova Act es “el primer paso en nuestra visión para desarrollar las capacidades clave que habilitarán agentes útiles a gran escala”. Para lograr esto, Amazon apuesta no solo por el ajuste supervisado tradicional, sino por el aprendizaje por refuerzo en entornos diversos, lo que permitirá una evolución más natural y robusta de estos sistemas.
Competencia en aumento
Este tipo de agentes no es exclusivo de Amazon. OpenAI ha desarrollado Operator, una función que permite a ChatGPT navegar por la web, y Google trabaja en Mariner, un agente impulsado por Gemini 2.0 para asistir en tareas complejas como la compra online. Además, Opera ha lanzado recientemente Browser Operator, un agente nativo de IA que realiza tareas directamente desde su navegador.
Aun así, Amazon busca diferenciarse con un enfoque en la precisión, la modularidad y la fiabilidad. Una muestra de ello es el uso de Nova Act en situaciones prácticas, como la automatización de pedidos de comida semanales o la búsqueda autónoma de apartamentos en internet.
Una invitación a la comunidad desarrolladora
Con esta versión preliminar, Amazon invita a los desarrolladores a experimentar con Nova Act, a descubrir nuevos casos de uso y a contribuir con sus ideas al futuro de los agentes autónomos. “Creemos que los casos de uso más valiosos aún no se han construido”, señala la compañía, que apuesta por un proceso de iteración rápida y retroalimentación constante con la comunidad.
Nova Act ya está disponible en Estados Unidos para usuarios con cuenta de Amazon, y se espera que próximamente se extienda a otros mercados.
