Qué ocurrió
La aplicación de escritorio de Anthropic ahora permite convertir las acciones del usuario en instrucciones repetibles mediante video y comentarios.
Por qué importa
Este cambio reduce la barrera de entrada para la automatización de tareas, permitiendo entrenar a la IA mediante el método de "mostrar, no contar", lo que podría acelerar significativamente la adopción de asistentes en flujos de trabajo profesionales.
La aplicación de escritorio Claude Cowork de la empresa Anthropic ha recibido una nueva actualización que permite a los usuarios grabar la pantalla mientras realizan tareas específicas. Según un informe de la publicación The Decoder, el usuario puede acompañar dicha grabación con comentarios de voz que expliquen el desarrollo de las acciones.
Tras finalizar la grabación, el sistema analiza el video y la pista de audio, convirtiéndolos en una habilidad lista para ser reutilizada. Este mecanismo tiene como objetivo simplificar la transferencia de flujos de trabajo complejos del humano a la inteligencia artificial sin necesidad de escribir código o instrucciones textuales.
Esta función marca una transición de la interacción textual al aprendizaje demostrativo, donde la IA aprende directamente del ejemplo de las acciones del operador. Esto abre la posibilidad de automatizar rápidamente operaciones rutinarias que anteriormente requerían una descripción detallada paso a paso.
Hechos
- Anthropic ha actualizado su aplicación de escritorio Claude Cowork.
- La nueva función permite grabar la pantalla durante la ejecución de una tarea.
- Los usuarios pueden añadir comentarios de voz a la grabación.
- El sistema convierte la grabación y los comentarios en una habilidad reutilizable.
- La información fue publicada por The Decoder el 21 de julio de 2026.
Contexto
El desarrollo de funciones de uso informático (computer use) es una tendencia clave en el desarrollo de modelos de lenguaje modernos. Anteriormente, sistemas similares requerían comandos de texto claros, mientras que el nuevo enfoque se basa en la percepción multimodal de la interfaz visual y el habla.
Qué falta por saber
- ¿Cuál es la precisión del reconocimiento de las intenciones del usuario en interfaces complejas?
- ¿Estará la función disponible para todos los tipos de sistemas operativos?
- ¿Cómo se garantiza la confidencialidad de los datos que caen dentro del campo de visión de la cámara durante la grabación?
Análisis de IA
La implementación de la grabación de pantalla con acompañamiento de voz indica una estrategia para desplazar el enfoque desde la programación de habilidades hacia su demostración natural. Esto podría hacer que los agentes de IA sean más accesibles para usuarios sin habilidades técnicas, pero también crea riesgos de reproducir errores del usuario si el sistema interpreta incorrectamente el contexto de las acciones.
Conclusión estratégica de IA
Una consecuencia probable será el aumento de bibliotecas de habilidades creadas por usuarios para tareas corporativas específicas. La siguiente señal observable será la aparición de herramientas para editar y depurar habilidades creadas de esta manera. La principal incertidumbre sigue siendo la capacidad del modelo para generalizar las acciones mostradas a condiciones ligeramente diferentes sin instrucciones adicionales.