Explora el camino visionario de Manus mientras desarrolla agentes de IA autónomos capaces de navegar por la web. Descubre la tecnología de los navegadores en la nube, la persistencia de estado y cómo evoluciona la colaboración entre humanos y máquinas para ampliar nuestros límites cognitivos.
En resumen
Manus está redefiniendo el concepto de los agentes de IA al superar los simples chatbots para crear entidades digitales persistentes y autónomas. Al aprovechar la tecnología de navegadores en la nube y centrarse en una agencia universal en lugar de integraciones limitadas, el equipo de Manus está construyendo un futuro en el que la IA funcione como una extensión fluida de la mente humana, capaz de ejecutar tareas complejas en toda la web.
Todo comenzó con una nota de voz. Hace un año, en una sala llena del zumbido de MacBooks de alta gama y del aroma a café pasado, cuatro ingenieros se sentaron para descubrir por qué la tecnología más avanzada de la historia de la humanidad aún no podía reservar un vuelo ni organizar una hoja de cálculo sin supervisión constante. Grabaron su debate, un intercambio de ideas sin pulir que acabaría convirtiéndose en el plano de Manus. Al revisar hoy aquellas transcripciones, se puede ver el momento exacto en que nació la visión de un verdadero agente de IA: no como un chatbot que habla sobre el trabajo, sino como una entidad digital que realmente lo realiza.
El término agente de IA se ha convertido en la nueva palabra de moda favorita de la industria tecnológica, pero la mayoría de las personas aún tiene dificultades para definir qué significa realmente. ¿Es simplemente una versión más inteligente de Siri? ¿Es un script que se ejecuta en segundo plano? Según Zhang Tao y su equipo en Manus, un agente de IA es algo mucho más profundo: es una extensión de la mente humana. Es un software capaz de navegar por el mundo desordenado y no estructurado de la web abierta con el mismo nivel de autonomía y persistencia que un becario humano, sin necesidad de dormir ni de un seguro médico.
En este análisis profundo, exploramos la filosofía interna y los obstáculos técnicos tratados durante aquella reunión fundacional. Analizamos cómo el equipo gestionó la tensión entre crear un sistema «generalista» o «especialista», por qué el «navegador en la nube» es el arma secreta de la próxima década y cómo está cambiando la economía de la inteligencia. Esta no es solo la historia de una startup; es una hoja de ruta para una era en la que cada persona del planeta tendrá un agente de IA dedicado a su disposición.
La transición de la IA generativa a un agente de IA autónomo representa el cambio más importante en la informática desde la invención de la interfaz gráfica de usuario. Estamos pasando de un mundo en el que indicamos a los ordenadores *cómo* hacer las cosas (programación) a otro en el que les decimos *qué* queremos conseguir (intención). Pero, como el equipo de Manus comprendió rápidamente, conseguir que una máquina entienda la intención es la parte fácil; lograr que la ejecute en el panorama fragmentado de internet es donde se gana la verdadera batalla.
Uno de los debates más intensos durante el lanzamiento de Manus se centró en una encrucijada estratégica: ¿debían crear una herramienta especializada para tareas concretas o un motor universal? Red Peak, uno de los principales pensadores del proyecto, utilizó una brillante analogía histórica para plantear el problema. Comparó el estado actual de la IA con los primeros días de internet en China, concretamente con la rivalidad entre Hao123 y Baidu.
Hao123 era un directorio: una colección de enlaces preseleccionados y organizados por personas. Funcionaba porque la web era pequeña. Del mismo modo, muchas de las primeras herramientas de IA se basan en enlaces. Se conectan a una API específica para Spotify, otra para Google Calendar y otra para Slack. Pero este enfoque es inherentemente limitado. Solo se puede hacer aquello que el desarrollador haya integrado previamente. Si quieres que tu agente de IA realice una tarea que el desarrollador no haya previsto, no tienes suerte. Este modelo de inteligencia basado en la oferta es un callejón sin salida para la verdadera autonomía.
Por otro lado, el «modelo Baidu» (o modelo Google) comenzó con un rastreador. No pidió permiso; simplemente aprendió a leer y navegar por toda la web. Al crear primero un motor de búsqueda universal, después pudieron optimizarlo para consultas específicas. El equipo de Manus decidió que su agente de IA debía seguir este camino. No debería ser una colección de plugins, sino una entidad digital que supiera utilizar un navegador igual que tú. Si puede ver un botón, puede hacer clic en él. Si puede ver un formulario, puede rellenarlo.
Esta decisión de priorizar la generalidad sobre la optimización vertical es audaz. Significa que el agente de IA debe enfrentarse al caos de la web «salvaje»: ventanas emergentes, captchas y diseños cambiantes. Pero el equipo argumentó que, si resolvían el problema general, los problemas específicos se resolverían por sí solos. No estaban construyendo solo una herramienta; estaban creando una plataforma para el trabajo digital.
Si la filosofía de Manus gira en torno a la agencia general, el corazón técnico del proyecto es el «navegador en la nube». Durante la reunión, Zhang Tao y Fan Bin se obsesionaron con la forma en que el agente de IA interactuaría realmente con el mundo. No se puede entregar a un LLM un terminal y esperar que reserve un hotel. La mayor parte del valor del mundo está detrás de interfaces gráficas de usuario (GUI) diseñadas para ojos y dedos humanos.
La solución fue crear una arquitectura de «navegador dentro del navegador». En lugar de intentar «extraer» datos en segundo plano, el agente de IA opera realmente una instancia completa de un navegador que se ejecuta en un servidor remoto. Cuando le pides al agente de IA que busque una casa en Zillow, no se limita a llamar a una API: literalmente «abre» un navegador en la nube, accede a la URL y empieza a desplazarse. Esto permite al usuario observar el trabajo del agente en tiempo real y crea un puente de confianza que los bots basados únicamente en texto no pueden igualar.
Sin embargo, esto plantea un enorme desafío técnico relacionado con la latencia. ¿Cómo se transmite una ventana del navegador en alta definición desde un servidor hasta el portátil del usuario sin que parezca un desastre lento? Zhang Tao señaló tecnologías como XPRA, que utilizan transmisión inteligente de píxeles. Al enviar únicamente las partes de la pantalla que cambian, el agente de IA puede parecer que trabaja justo delante de los ojos del usuario, aunque el trabajo pesado se realice a miles de kilómetros de distancia, en un centro de datos.
| Característica | Bot de API tradicional | Agente de IA Manus |
|---|---|---|
| Interfaz | Oculta/solo texto | Navegador visual en la nube en directo |
| Compatibilidad | Requiere una API oficial | Funciona en cualquier sitio web |
| Control del usuario | Ninguno (caja negra) | Modo de control interactivo |
| Persistencia | Solo basada en sesiones | Estado completo y memoria de inicio de sesión |
Este enfoque visual también resuelve el problema de las «alucinaciones». Si un chatbot estándar te dice que ha reservado un vuelo, tienes que confiar en su palabra. Si el agente de IA Manus te muestra la pantalla de confirmación en una ventana del navegador en directo, tienes una prueba. Esta visibilidad es esencial tanto para el ingeniero que necesita depurar el proceso como para el gerente que solo necesita saber que el trabajo está terminado.
Una de las conclusiones más profundas de la reunión de lanzamiento de Manus fue que un agente de IA sin memoria no es más que una calculadora sofisticada. Peak señaló un defecto importante de líderes actuales del mercado como Devin: son «de usar y tirar». Cuando termina una sesión, el agente sufre efectivamente de amnesia digital. Olvida tus contraseñas, los archivos que creó y cómo te gusta que estén formateadas tus hojas de cálculo.
Para ser un verdadero representante de una persona, un agente de IA debe tener «persistencia de estado». Esto significa que necesita su propia identidad digital. Necesita una bóveda segura para guardar cookies y almacenamiento local, de modo que permanezca conectado a tu cuenta de Amazon o GitHub. También necesita un sistema de archivos persistente donde pueda guardar el borrador de un informe el lunes y volver a terminarlo el jueves. Sin esto, la «agencia» del agente de IA es una ilusión.
El equipo habló de crear un «hogar» virtual para cada agente. Este entorno incluiría variables de entorno, claves seguras y un espacio de trabajo dedicado. Es como una oficina digital a la que el agente de IA «entra» cada vez que lo convocas. Esta persistencia permite realizar tareas prolongadas que pueden durar horas o días, mientras el agente comprueba periódicamente el estado para informar al usuario de sus avances.
"La verdadera autonomía no consiste solo en resolver un problema; consiste en ser dueño del espacio de trabajo donde se resuelve. Si el agente de IA no puede recordar quién soy entre sesiones, no es un asistente: es un extraño."
Pero crear esta memoria persistente es costoso y complejo. Requiere una enorme capacidad informática de alto rendimiento y acceso fluido a los mejores modelos de lenguaje de gran tamaño del mundo. Aquí entra en juego la economía subyacente de la industria de los agentes de IA. Para ejecutar un agente de propósito general que pueda pensar, ver y recordar, los desarrolladores necesitan una infraestructura que no acabe con su presupuesto.
A medida que la conversación pasó del «qué» al «cómo», la realidad del coste de los modelos cobró importancia. Ejecutar un agente de IA sofisticado requiere un flujo constante de interacciones con un gran número de tokens. Cada vez que el agente «mira» una página web o «razona» sobre una tarea de varios pasos, consume créditos de API costosos. Para que una startup como Manus pudiera escalar, no podía permitirse depender de los precios minoristas de los principales proveedores de modelos.
Aquí es donde las plataformas de integración profunda como GPT Proto cambian las reglas del juego para los desarrolladores que crean agentes de IA. Al ofrecer una interfaz unificada para los modelos más potentes del mundo —incluidos OpenAI, Claude y Google— con descuentos de hasta el 60 % frente a los precios habituales, GPT Proto permite a los desarrolladores centrarse en la «agencia» en lugar de la «facturación». Cuando un agente de IA necesita realizar una tarea de razonamiento complejo, puede cambiar a un modelo orientado al rendimiento; cuando solo resume una página web, puede pasar a un modo eficiente en costes.
El equipo de Manus comprendió que la «programación inteligente» —la capacidad de alternar dinámicamente entre modelos según la complejidad de la tarea— es una ventaja competitiva fundamental. Con un sistema como GPT Proto, un agente de IA puede comportarse como una potencia multimodal, accediendo al procesamiento de texto, imágenes e incluso vídeo mediante una única interfaz estándar. Este nivel de flexibilidad es lo que transforma un prototipo en un modelo de negocio sostenible.
Para el usuario, esto significa que el agente de IA es más asequible y más capaz. Es la diferencia entre una herramienta de lujo para las élites tecnológicas y un servicio universal para el público general. Al optimizar la «cadena de suministro de la inteligencia», Manus puede garantizar que sus asistentes digitales sean siempre rápidos, inteligentes y accesibles.
Una de las partes más centradas en las personas de la conversación sobre Manus trató sobre qué ocurre cuando el agente de IA falla. Y no hay que engañarse: incluso el mejor agente de IA se encontrará con un obstáculo. Ya sea una solicitud de 2FA (autenticación de dos factores), un captcha complejo o un sitio web con una interfaz no estándar, hay momentos en los que la intuición humana sigue siendo necesaria. La mayoría de las herramientas de IA actuales simplemente muestran un error o piden al usuario que arregle el código.
Manus propuso una solución más elegante: el control interactivo. Como el agente de IA se ejecuta en un navegador en la nube que se transmite al usuario, la transición del control de la IA al control humano puede ser instantánea. Si el agente se atasca en una pantalla de inicio de sesión, el usuario puede hacer clic en la ventana, escribir su contraseña o resolver el captcha y pulsar el botón «Reanudar» para devolverle el control al agente de IA.
Esto crea un ciclo de colaboración. El agente de IA se encarga del 90 % del trabajo repetitivo y aburrido, mientras que la persona actúa como supervisora de alto nivel para el 10 % que requiere aportaciones creativas o seguras. Elimina la ansiedad de la «caja negra» que muchas personas sienten al utilizar la IA. No estás cruzando los dedos y esperando que el bot haga lo correcto; estás a su lado, listo para intervenir cuando sea necesario.
La propia interfaz sigue una filosofía de «divulgación progresiva». El equipo criticó el enfoque de «muro de texto» presente en muchas herramientas técnicas. Para un gerente, el agente de IA Manus debería parecer un panel sencillo y limpio. Pero para el ingeniero que quiere ver cómo funcionan los engranajes, el entorno «similar a un sistema operativo» permite abrir el terminal, los registros del navegador y el sistema de archivos como ventanas independientes y flotantes. Es un sistema operativo para la era de la IA.
En un giro inesperado durante la reunión, el equipo comenzó a hablar de *EVE Online*, un juego multijugador masivo conocido por sus sistemas económicos y políticos increíblemente complejos. ¿Por qué? Porque *EVE* representa el límite de la capacidad humana para gestionar información. Los jugadores de *EVE* suelen tener que gestionar simultáneamente decenas de hojas de cálculo, rutas comerciales y alianzas diplomáticas. Es un juego que a menudo se describe como «hojas de cálculo en el espacio».
PanPan y Zhang Tao lo consideraron el campo de pruebas perfecto para un agente de IA. Si un agente puede ayudar a un jugador a desenvolverse en las complejidades de una economía galáctica simulada, sin duda puede ayudar al propietario de una pequeña empresa a gestionar las complejidades del transporte internacional, el cumplimiento fiscal y el marketing digital. El agente de IA no es solo un «ayudante»; es un «amortiguador de complejidad». Absorbe los datos desordenados y de alta entropía del mundo y presenta al usuario opciones claras y acciones ejecutadas.
Los seres humanos somos notoriamente malos manteniendo la concentración intensa durante largos periodos. Nos cansamos, pasamos por alto detalles y tendemos al «sesgo de experiencia»: hacemos las cosas como siempre, aunque exista una opción mejor. Un agente de IA, en cambio, puede trabajar desde los «primeros principios». Puede analizar todas las opciones disponibles en la web, comparar precios entre 500 proveedores y encontrar el «camino más corto» hacia un objetivo sin aburrirse ni distraerse. De este modo, se convierte realmente en una extensión de nuestra propia fuerza de voluntad.
Una de las principales preocupaciones planteadas por Fan Bin fue si un agente de IA generalista podría competir alguna vez con un especialista humano que utiliza software profesional. Por ejemplo, ¿puede un agente utilizar realmente Final Cut Pro para editar un vídeo? ¿O siempre será una versión «torpe» de un editor humano? La respuesta del equipo fue humilde y ambiciosa a la vez. Reconocieron que, en el «uso del ordenador» —la capacidad de la IA para ver y hacer clic en aplicaciones que no son web—, todavía queda mucho camino por recorrer.
Sin embargo, argumentaron que la mayor parte del trabajo profesional se está trasladando a la web. Desde Figma para el diseño hasta Google Workspace para los documentos y Salesforce para CRM, el «navegador» se está convirtiendo en el sistema operativo universal. Al dominar el navegador, el agente de IA domina el 80 % del trabajo de oficina moderno. La «brecha de experiencia» no consiste en conocer cada botón de un programa, sino en la capacidad del agente para aprender una nueva interfaz sobre la marcha.
Esto dio lugar a la idea del «entrenamiento del agente». Igual que una persona aprende a utilizar una herramienta nueva leyendo el manual y experimentando, el agente de IA Manus está diseñado para «autocorregirse». Si hace clic en un botón y el resultado no es el esperado, no abandona sin más. Analiza el nuevo estado de la pantalla, busca pistas e intenta un enfoque diferente. Este «bucle de razonamiento» es lo que diferencia un script estático de un verdadero agente de IA.
| Tarea cognitiva | Limitación humana | Fortaleza del agente de IA |
|---|---|---|
| Recuperación de información | Lenta y propensa a sesgos | Análisis exhaustivo en tiempo real |
| Capacidad de atención | Se deteriora con las horas | Infinita, funcionamiento 24/7 |
| Ejecución de procesos | Manual y propensa a errores | Precisión programada con razonamiento |
| Toma de decisiones | Emocional/heurística | Basada en datos/primeros principios |
El objetivo es elevar a la persona en la cadena de valor. En lugar de ser el «conductor» del software, se convierte en el «arquitecto» del resultado. No le dices al agente de IA cómo mover el ratón; le dices cómo debería ser el producto final y aportas el «gusto» y el criterio necesarios para decidir si el resultado es bueno.
No se puede hablar de un agente de IA que posee tus credenciales de acceso y los datos de tu tarjeta de crédito sin hablar de seguridad. Esta fue quizá la parte más seria de la reunión. Si el agente se ve comprometido, toda la vida digital del usuario está en riesgo. El equipo de Manus dedicó mucho tiempo a analizar cómo aislar estos agentes para que, incluso si una instancia es vulnerada, el resto del sistema permanezca seguro.
La confianza se construye mediante la transparencia. La decisión de hacer visibles las acciones del agente de IA en un navegador en la nube no fue solo una elección de UX; también fue una decisión de seguridad. Al permitir que el usuario vea exactamente qué está haciendo el agente, Manus crea un registro de auditoría. Si el agente empieza a navegar hacia un sitio sospechoso, el usuario puede verlo y finalizar la sesión. Este modelo de «lo que ves es lo que hace» (WYSIWID) es fundamental para la adopción masiva de agentes autónomos.
Además, hablaron de la «encapsulación de credenciales». La idea es que el agente de IA nunca «vea» realmente tu contraseña sin cifrar. En su lugar, utiliza un token de sesión seguro o una bóveda gestionada. Esto limita el alcance de cualquier posible incidente de seguridad. A medida que entramos en una era en la que nuestro agente de IA gestionará nuestro dinero y nuestros datos, estos detalles «aburridos» de infraestructura son, en realidad, las características más importantes de todas.
La reunión concluyó con una sensación de entusiasmo sereno. Las grabaciones muestran a un equipo consciente de que se encontraba al principio de un maratón, no de una carrera corta. Habían pasado de la idea abstracta de la «IA» a la realidad concreta de un agente de IA funcional: un empleado digital persistente, visual y capaz. Comprendieron que el éxito de Manus no se mediría por cuántas personas hablaban con él, sino por cuántas horas de trabajo manual ahorraba.
Estamos entrando en un periodo histórico en el que la frontera entre «pensar» y «hacer» se está disolviendo. En el pasado, si tenías una gran idea para un trabajo de investigación o un plan de negocio, aún debías dedicar cientos de horas al trabajo pesado: buscar, dar formato, enviar correos y introducir datos. El agente de IA está diseñado para eliminar ese trabajo pesado. Permite que el espíritu humano permanezca en el «estado de flujo» de la creación mientras la máquina se ocupa de la logística de la ejecución.
Mientras Manus pasa de ser un conjunto de actas de reunión a convertirse en un producto vivo, lleva consigo la filosofía de aquella primera conversación: la tecnología no debe ser solo una herramienta que utilizamos, sino un socio que nos comprende. Ya sea para gestionar un proyecto complejo, reservar unas vacaciones soñadas o navegar por el intrincado mundo de las finanzas digitales, el agente de IA está preparado para convertir tu intención en realidad.
El viaje desde una grabación de voz en una oficina pequeña hasta un agente de IA de clase mundial demuestra el poder de una filosofía de producto clara y realista. Al rechazar el modelo «Hao123» de integraciones limitadas y adoptar el modelo «Baidu» de capacidad general, Manus se ha encaminado a redefinir nuestra relación con los ordenadores. Mediante el uso de navegadores en la nube, memoria persistente y un modelo de interacción con una persona integrada en el proceso, están resolviendo los problemas de confianza y ejecución que han frenado a la IA durante años.
Y, a medida que los modelos subyacentes se vuelven más potentes y la infraestructura más asequible gracias a plataformas como GPT Proto, el sueño de un agente de IA verdaderamente autónomo se vuelve accesible para todos. Ya no nos limitamos a conversar con las máquinas; colaboramos con ellas. La era de la extensión mental digital ha comenzado oficialmente.
Artículo original de GPT Proto
"Nos centramos en debatir problemas reales con emprendedores tecnológicos, ayudando a algunos a entrar antes en la era de la GenAI."
