Durante los últimos meses, el ecosistema tecnológico ha sido testigo de una explosión de demos de agentes de inteligencia artificial capaces de navegar por sitios web, rellenar formularios, extraer datos y ejecutar tareas complejas con una fluidez casi humana. Sin embargo, cuando esos mismos agentes se enfrentan a entornos reales con decenas de sesiones concurrentes o a páginas cuyo DOM cambia de una semana a otra, el rendimiento se desploma. Durante mucho tiempo se pensó que la solución era mejorar el modelo de lenguaje: un LLM más inteligente implicaría un agente más fiable. Pero la experiencia acumulada en el desarrollo de infraestructura de automatización web revela que el cuello de botella no está en el modelo, sino en el sustrato de ejecución. Este artículo explora por qué el verdadero desafío es controlar el entorno sobre el que opera la IA y cómo empresas como Q2BSTUDIO están abordando este problema desde una perspectiva práctica y empresarial.
El problema rara vez se nombra en las discusiones habituales. Un agente de navegación típico inicializa una sesión de navegador, carga una página, lee el DOM, envía una instantánea al LLM, recibe instrucciones y ejecuta acciones. En teoría es simple. En la práctica, los entornos de navegador en vivo son volátiles. Las cookies se acumulan, los elementos del DOM se renderizan de forma diferente según la carga de anuncios, las pruebas A/B o las variaciones en las CDN. Un botón que ayer se identificaba con un ID fijo hoy se genera dinámicamente con un hash aleatorio. El agente no alucina porque su razonamiento sea malo; alucina porque el entorno que intenta interpretar cambia entre llamadas. Esta deriva del DOM genera una brecha silenciosa entre la página que se indexó y la que realmente se está tocando. Mientras la mayoría de los análisis de fiabilidad se centran en la ingeniería de prompts o en la elección del modelo, casi nadie examina el control del sustrato de ejecución.
La solución que ha demostrado mayor eficacia consiste en aplicar un principio tomado del desarrollo web moderno: la ejecución sin estado. En este paradigma, cada sesión del agente comienza desde un contexto limpio y preindexado. No hay estado heredado, ni cookies residuales, ni deriva del DOM por interacciones acumuladas. El navegador se inicializa de nuevo y la estructura de la página se procesa previamente en un formato normalizado y legible por máquina antes de que el agente intervenga. Esto aporta tres beneficios interconectados: predecibilidad, paralelismo y desacoplamiento. La predecibilidad permite reproducir fallos y depurar con precisión. El paralelismo hace posible ejecutar miles de sesiones concurrentes sin colisiones de estado compartido. El desacoplamiento separa la evaluación del razonamiento del modelo de la fiabilidad de la ejecución, proporcionando una señal mucho más limpia para iterar.
Implementar esta arquitectura requiere repensar dónde se realiza el trabajo de preprocesamiento. El enfoque ingenuo de pasar el HTML bruto al LLM para que interprete el DOM quema enormes cantidades de tokens —una página compleja puede generar 50.000 tokens de marcado que el modelo apenas necesita— y sufre de referencias erróneas cuando la estructura cambia. En Q2BSTUDIO, siguiendo nuestra experiencia en inteligencia artificial para empresas, trasladamos ese trabajo estructural río arriba. Antes de que el agente comience, un paso de preindexado convierte el DOM vivo en un mapa de acciones normalizado: una representación limpia y mínima de los elementos interactuables, sus roles semánticos, su estado y sus relaciones. El LLM nunca ve HTML sin procesar; trabaja sobre ese mapa previamente digerido. Esto reduce el consumo de tokens en aproximadamente un 95% y el número de pasos de interacción por tarea en un 90%. El agente no navega entre etiquetas, sino que opera sobre un contexto estructurado y relevante para la tarea.
El segundo pilar es cómo se traducen las acciones. Las salidas de los LLM son probabilísticas. El modelo puede decir 'haz clic en el botón de enviar' cuando el selector real ha cambiado o cuando existen dos elementos que podrían coincidir. Por eso se sitúa un motor de acciones determinista entre la salida del modelo y las llamadas al protocolo Chrome DevTools. Este motor valida y resuelve la intención contra el mapa de acciones indexado antes de cualquier interacción con el navegador. Aquí es donde el enfoque sin estado paga su mayor dividendo: como el mapa se construyó a partir de una instantánea controlada y preindexada, el motor puede validar la intención del modelo frente a una representación conocida de la página. Las acciones ambiguas o inválidas se detectan antes de que generen un error en el navegador. La tasa de alucinaciones cae no porque el modelo sea más inteligente, sino porque la brecha entre la salida del modelo y la realidad ejecutable se reduce drásticamente.
Los resultados en benchmarks públicos (Mind2Web y BrowserComp) muestran una tasa de éxito superior al 85% con esta arquitectura, frente al 50% de la línea base. Es importante no tomar estos números como una garantía absoluta para entornos de producción, porque los benchmarks son entornos curados. Pero sí demuestran que la mejora no proviene de un modelo base superior —puede usarse el mismo LLM en ambos casos— sino del control del sustrato de ejecución. Ese es el punto clave: la fiabilidad no se consigue pidiendo al modelo que razone mejor sobre un entorno sucio, sino limpiando el entorno para que el modelo pueda razonar bien.
Lo que muchos equipos no esperan al construir este tipo de infraestructura es lo mucho que revela sobre la estructura del problema de fiabilidad en los sistemas agénticos en general. Cuando se pide a un modelo que opere en un entorno que no controla completamente, se combinan dos fuentes de varianza: el razonamiento del modelo y el estado del entorno. Los fallos se multiplican. Un modelo con un 90% de fiabilidad en un entorno limpio puede caer al 50% en uno real porque la varianza ambiental añade un segundo modo de fallo multiplicativo. La respuesta correcta no es perseguir una mayor precisión del modelo sobre un sustrato sucio, sino reducir la varianza ambiental lo más cerca posible de cero. La ejecución sin estado es una forma de conseguirlo para entornos de navegador, pero el principio se extiende a cualquier dominio donde los agentes operen: cuanto más se controle el estado sobre el que el modelo razona, más predecible será su comportamiento.
En Q2BSTUDIO entendemos que la próxima oleada de ganancias en fiabilidad de los sistemas agénticos no vendrá del escalado de modelos, sino de la infraestructura de ejecución: sandboxing, gestión de estado, normalización de entornos y capas de validación de acciones. Por eso combinamos nuestras capacidades de aplicaciones a medida y software a medida con servicios cloud como servicios cloud AWS y Azure, ciberseguridad, inteligencia de negocio con Power BI y soluciones de automatización de procesos. Nuestro equipo integra estas disciplinas para ofrecer a las empresas agentes de IA robustos, escalables y realmente fiables en producción. No se trata solo de tener un modelo potente; se trata de construir el sustrato adecuado para que la inteligencia artificial pueda desplegar todo su potencial sin sorpresas. Si estás evaluando cómo implementar IA para empresas o deseas mejorar la fiabilidad de tus agentes actuales, te invitamos a conocer cómo nuestra experiencia en el desarrollo de infraestructura de ejecución puede marcar la diferencia.
