Gemini 3.5 Flash con computer use: qué significa para agentes IA en PYMEs

Qué ha anunciado Google

El 24 de junio de 2026, Google publicó en su blog oficial el artículo "Introducing computer use in Gemini 3.5 Flash". El titular es concreto: computer use —la capacidad de un modelo de ver una pantalla y ejecutar acciones sobre ella— deja de ser una función exclusiva del modelo Gemini 2.5 Computer Use y pasa a estar integrada de forma nativa en Gemini 3.5 Flash, el modelo de inferencia rápida y coste contenido de Google DeepMind.

Hasta ahora, si querías que un agente IA navegara por un navegador, rellenara un formulario o auditara una aplicación de escritorio, necesitabas invocar un modelo separado. Con este cambio, esa capacidad vive dentro del mismo modelo que ya usas para function calling, búsqueda web o grounding con Maps. Un solo endpoint, menos latencia, menos coste de orquestación.

Qué cambia técnicamente

Computer use como herramienta integrada, no como modelo aparte

La diferencia arquitectónica importa. Antes, encadenar razonamiento de texto con acciones sobre una interfaz gráfica requería dos llamadas a modelos distintos y una capa de orquestación propia. Ahora Gemini 3.5 Flash expone computer use como una herramienta más dentro de su API, al mismo nivel que Search o Maps grounding. El desarrollador declara la herramienta en el prompt de sistema y el modelo decide cuándo activarla dentro del flujo de razonamiento.

Según el anuncio, esto mejora el rendimiento en tareas de larga duración (long-horizon tasks): pruebas continuas de software, auditorías de accesibilidad en documentación, o flujos de trabajo que cruzan varias aplicaciones profesionales sin intervención humana.

Medidas de seguridad documentadas

Google reconoce el riesgo principal de los agentes que operan sobre entornos reales: la inyección de prompt indirecta, es decir, contenido malicioso en la pantalla que intenta redirigir al agente. Para mitigarlo han aplicado entrenamiento adversarial específico y publican dos salvaguardas opcionales para empresas:

• Confirmación explícita del usuario antes de ejecutar acciones sensibles o irreversibles.
• Parada automática si el modelo detecta una inyección de prompt indirecta.

Google recomienda combinar estas opciones con sandboxing seguro, verificación humana en el bucle y controles de acceso estrictos. No es seguridad perfecta, pero sí es el primer vendor que documenta explícitamente estas salvaguardas como parte del lanzamiento, no como nota a pie de página posterior.

El acceso está disponible hoy vía Gemini API y Gemini Enterprise Agent Platform.

Por qué esto es relevante para phoneIA y sus módulos

phoneIA no expone Gemini 3.5 Flash directamente al usuario final —la plataforma usa Retell AI para voz y Claude para generación de contenido y análisis—, así que sería deshonesto afirmar que este lanzamiento cambia algo en el producto de hoy. Lo que sí cambia es el contexto de posibilidades para los módulos de automatización de voz, y el módulo donde el paralelismo es más directo es Campañas Voz.

El puente honesto: agentes que actúan, no solo que hablan

Las campañas de llamadas IA de phoneIA ya ejecutan flujos complejos: marcan un número, mantienen una conversación estructurada, extraen datos (fecha de cita, importe de deuda, preferencia de horario) y los vuelcan al CRM. Eso es un agente de voz. Lo que Gemini 3.5 Flash con computer use añade al ecosistema general es la posibilidad de que ese mismo agente, tras la llamada, opere sobre interfaces gráficas para completar el flujo: abrir el sistema de gestión de la empresa, registrar el resultado de la llamada en un ERP heredado sin API, o confirmar una cita en un calendario externo que no tiene integración directa.

Hoy eso requiere un desarrollador que construya la integración. Con computer use integrado en un modelo de inferencia rápida como 3.5 Flash, el coste de construir ese puente baja significativamente. No desaparece —sigue requiriendo desarrollo—, pero la barrera técnica es menor.

Ejemplo de uso para una PYME: clínica dental con campañas de recobro

Imagina una clínica dental que usa phoneIA para lanzar campañas de recordatorio de pago a pacientes con facturas pendientes. El flujo actual es:

• phoneIA llama al paciente con voz IA en su idioma.
• El paciente confirma que pagará el viernes.
• El resultado (fecha comprometida, importe) queda registrado en el CRM de phoneIA.
• Un administrativo entra manualmente en el software de facturación de la clínica para actualizar el estado del cobro.

Ese último paso —el trabajo manual del administrativo— es exactamente el tipo de tarea que un agente con computer use podría automatizar. Con Gemini 3.5 Flash, un desarrollador podría construir un agente que, tras recibir el webhook de phoneIA con el resultado de la llamada, abriera el software de facturación (aunque no tenga API pública), localizara la factura por NIF y actualizara el estado. El modelo ve la pantalla, razona sobre qué campo modificar y ejecuta la acción.

Para la clínica, esto significa que el ciclo completo —llamada, confirmación, actualización del sistema de facturación— ocurre sin intervención humana. El administrativo deja de ser el cuello de botella entre la llamada y el registro.

Qué hacer ahora si gestionas campañas de voz

A corto plazo, el impacto directo es cero: Gemini 3.5 Flash con computer use está disponible en la API de Google, no en phoneIA. Pero si tu empresa ya usa campañas de voz IA y tienes un desarrollador o un partner técnico, este es el momento de mapear qué pasos manuales siguen a cada llamada. Esos pasos —actualizar un ERP, confirmar en un portal externo, registrar en un sistema sin API— son los candidatos naturales a automatizar con un agente de computer use conectado al webhook de resultados de phoneIA.

La arquitectura es viable hoy: phoneIA lanza la llamada, extrae los datos estructurados, dispara un webhook; el agente Gemini 3.5 Flash recibe esos datos y completa la acción en el sistema destino. No es un producto listo para usar, pero sí es un patrón de integración con piezas ya disponibles.

Conclusión

La integración de computer use en Gemini 3.5 Flash no es un salto de marketing: es un cambio arquitectónico que reduce el coste de construir agentes que cruzan la frontera entre conversación y acción sobre interfaces reales. Para las PYMEs que ya automatizan llamadas, el valor está en conectar el resultado de esas llamadas con los sistemas internos que todavía requieren intervención manual. Si quieres ver cómo phoneIA gestiona hoy la parte de la llamada —multiidioma, extracción de datos, volcado al CRM— antes de plantearte la integración con un agente de computer use, ver el módulo Campañas Voz.