Construyendo automatización web fiable con APIs de agentes estilo Operator
El Operator de OpenAI se lanzó en enero de 2025 y cambió inmediatamente la conversación sobre automatización web. En lugar de selectores CSS frágiles y consultas XPath, podías apuntar una IA a un sitio web y decir "compra la compra." Funcionaba — a veces. El reto siempre ha sido hacerlo lo suficientemente fiable para sistemas de producción.
Pasé seis semanas construyendo un pipeline de automatización estilo Operator para las herramientas internas de un cliente. Procesamos unas 12.000 interacciones de página en 400 flujos de trabajo diferentes.
La arquitectura central: tres capas
Cada sistema estilo Operator listo para producción que he visto usa una arquitectura de tres capas.
Capa 1: Control del navegador. Es la base — una instancia de navegador headless o headed que el agente puede comandar. Playwright se ha convertido en la opción dominante. La capacidad clave no es solo hacer clic y escribir — es leer el estado de la página de vuelta al agente en un formato estructurado.
Capa 2: Razonamiento del agente. Es el LLM que interpreta el estado de la página, decide qué acción tomar y genera el siguiente comando. GPT-4o y Claude 3.5 Sonnet son las opciones más comunes a principios de 2026.
Capa 3: Orquestación y recuperación. Es el pegamento que la mayoría de tutoriales omiten. Maneja lógica de reintentos, gestión de checkpoints, clasificación de errores y escalación human-in-the-loop.
Extracción del estado de la página
La fiabilidad de todo el sistema depende de una cosa: ¿puede el agente percibir con precisión el estado actual de la página?
Después de nuestro pipeline de filtrado, una página típica se reduce de 500 a unos 60-80 elementos accionables. El consumo de tokens baja un 70% aproximadamente, y la precisión del agente mejora del 72% al 91%.
Recuperación de errores
Construimos un sistema de recuperación de tres niveles:
Nivel 1: reintento automático (maneja ~60% de errores). Estrategias simples como esperar 2 segundos, hacer scroll para hacer visible un elemento o cerrar un banner de cookies.
Nivel 2: recuperación guiada por el agente (~30% de errores). El estado del error se retroalimenta al LLM con contexto. El agente propone un enfoque alternativo.
Nivel 3: escalación humana (~10% de errores). El sistema guarda checkpoint, genera un informe detallado del fallo con capturas de pantalla y notifica a un operador humano.
En producción, nuestro pipeline logra una tasa de finalización autónoma del 89% en flujos de trabajo complejos de múltiples pasos.
La realidad del costo de tokens
Hablemos de dinero. En un flujo de trabajo típico de múltiples pasos (8-12 acciones), consumimos aproximadamente 8.000-15.000 tokens de entrada y 500-1.000 de salida por tarea. Solo los costos de LLM son unos $0,08-0,15 por tarea.
Reducimos costos un 40% con dos estrategias: modelo más barato para pasos simples y cacheo de snapshots de estado de página.
Lista de verificación de despliegue en producción
- Gestión de pool de navegador con instancias reutilizables
- Medidas anti-detección: plugins stealth, rotación de user agents
- Persistencia de checkpoints con Redis
- Rate limiting por dominio
- Monitoreo de costos desde el día uno
La automatización estilo Operator es poderosa pero no es varita mágica. La tasa autónoma del 89% suena bien hasta que te das cuenta de que en un flujo de 12 pasos, una tasa de fallo del 11% significa que aproximadamente el 73% de las tareas se completan sin intervención humana (0,89^12). Sigue siendo bueno — mucho mejor que la automatización tradicional en páginas no estructuradas — pero no es "configurar y olvidar."