Nuevo ejemplo de que la batalla de los modelos generativos avanza hacia la acción y las facultades agenciales, incluso en el universo SLM, Microsoft Research lanza un pequeño modelo ejecutable localmente capaz de controlar ordenadores para realizar tareas de automatización: Fara-7B.
El rumor en torno al “uso de la computadora” no es sólo una moda pasajera. Detrás de esta expresión se esconde un cambio importante: modelos de IA que ya no se contentan con producir texto, sino que miran la pantalla, mueven el ratón, hacen clic, introducen formularios y encadenan acciones en un navegador o en una estación de trabajo virtual, en su nombre y con total autonomía.
Anthropic puso la pelota en marcha con las capacidades de “uso de computadoras” de Claude, capaces de controlar una estación remota en una zona de pruebas segura. OpenAI comenzó con su “agente que usa computadora”, utilizado en Operador y luego integrado en el “modo Agente” de ChatGPT.
Google está siguiendo la misma trayectoria con sus variantes de Gemini para “uso informático”, diseñadas para interactuar con interfaces web o móviles existentes.
Incluso Microsoft introdujo recientemente un modo de uso de computadora en Copilot 365.
La mayoría de las veces, estas funcionalidades agentes permanecen restringidas al uso de modelos grandes. Pero ahora Microsoft Research, a la que ya debemos los pequeños y ágiles modelos Phi-4, lanza un nuevo modelo agente compacto especialmente diseñado desde el principio para usos de “Uso Informático”: Fara-7B.
Un SLM que no sólo habla, sino que actúa
Fara-7B no es un nuevo GPT ni un competidor directo de los grandes LLM generalistas. Se trata de un modelo con 7 mil millones de parámetros, especializado en la automatización de tareas web. En lugar de devolver respuestas textuales, genera una secuencia de acciones: desplazarse por una página, hacer clic en una ubicación específica, ingresar texto en un campo, validar un formulario.
Una característica importante es que Fara-7B utiliza capturas de pantalla y no DOM ni árboles de accesibilidad. El modelo “ve” la página como un ser humano y deduce por sí mismo dónde actuar. Este enfoque reduce la dependencia de las estructuras internas de las aplicaciones y abre el camino a agentes capaces de interactuar con interfaces existentes, incluidas las mal documentadas. En otras palabras, ¡Fara-7B es un modelo diseñado para RPA inteligente!
Como casi siempre ocurre con Microsoft Research, Fara-7B se publica en “peso abierto”, bajo una licencia permisiva. El modelo está disponible tanto a través de Azure AI Foundry como en plataformas como Hugging Face, con variantes cuantificadas optimizadas para NPU de PC Copilot+. Por tanto, el editor no se contenta con presentarlo en sus propios servicios: lo entrega directamente a los equipos técnicos destacando las ventajas de las NPU de los nuevos PC diseñados para la IA.
Rendimiento pragmático, calibrado para el campo
Para entrenar a Fara-7B, Microsoft creó un canal masivo de generación de datos sintéticos: los agentes ejecutan escenarios completos (reserva de viajes, comparación de precios, creación de cuentas, búsqueda de información, etc.), cuyas trayectorias de acción sirven luego como corpus de aprendizaje. Resultado: un modelo dimensionado para tareas web concretas, con un coste de cálculo compatible con escenarios de producción frugales.
La promesa no es superar todos los modelos generales en todos los puntos de referencia, sino obtener una buena tasa de éxito con un mínimo de “pasos” de interacción y un coste contenido. Para un CIO, la propuesta de valor reside precisamente ahí: un agente lo suficientemente competente para tareas recurrentes, pero lo suficientemente ligero como para no hacer explotar la factura de la nube o las latencias.
¿Por qué destaca este modelo?
En un mundo de modelos de IA generativos cada vez más agentes, donde vemos cada vez más la idea de grandes modelos LLM que confían a modelos más pequeños la realización de las diferentes etapas de las tareas solicitadas, Fara-7B parece particularmente bien posicionado. Se destaca en tres dimensiones:
– compacidad: un modelo 7B puede funcionar en entornos más restringidos, incluso en PC con NPU, sin sacrificar todas las ambiciones funcionales. Este enfoque abre el camino a arquitecturas híbridas donde parte de la inteligencia agente vive lo más cerca posible de la estación de trabajo, en lugar de en un centro de datos distante.
– el segundo es la apertura. Mientras que las capacidades de “uso de computadoras” de los principales actores permanecen estrechamente vinculadas a sus plataformas patentadas, Microsoft acepta que Fara-7B se convierta en un componente reutilizable en otros contextos: agentes orquestadores, plataformas RPA, entornos soberanos, prototipos internos. La posibilidad de auditarlo, especializarlo en rutas comerciales y combinarlo con otros componentes básicos de la IA cambia la conversación entre los equipos de arquitectura.
– el tercero, finalmente, es la integración natural en el ecosistema de Windows y Copilot+. Las PC Copilot+ deben destacarse, demostrar su diferencia y la utilidad de su NPU. La optimización de Fara-7B para las PC Copilot+ sugiere un futuro en el que agentes especializados en el uso de computadoras realizarán tareas bajo demanda en la estación de trabajo, bajo el control de políticas de seguridad, Intune y herramientas de gobernanza. El discurso sobre una “IA más cercana al usuario” adquiere aquí una materialidad muy concreta.
Microsoft se mantiene cauteloso: Fara-7B se presenta como un proyecto de investigación avanzada, que se implementará en un entorno sandbox, bajo supervisión y en perímetros comerciales controlados. Los límites son los mismos que para todos los agentes: errores de comprensión, clics en el lugar equivocado, posibles desviaciones si el contexto no está bien fijado.
Para los departamentos de TI, la cuestión no es sólo tecnológica. Se trata de inventar marcos de uso donde los agentes realmente tomen el control de las interfaces comerciales, sin poner en duda la seguridad, el cumplimiento o la legibilidad de los procesos. Aquí es donde Fara-7B se vuelve interesante: un modelo lo suficientemente abierto y ligero como para permitir experimentos controlados, sin esperar a que todo esté empaquetado en un producto llave en mano. Aún así, la próxima ola de IA empresarial no solo responderá a los empleados, sino que hará clic, completará, validará y orquestará viajes completos. Depende de los departamentos de TI decidir hasta qué punto permitir que esta IA «use la computadora» en lugar de los equipos… y bajo qué condiciones.
Lea también:
Windows 11: la barra de tareas y el Explorador de archivos pasan a la era de los agentes
Claude Opus 4.5: Anthropic vuelve a golpear el techo de cristal de los LLM
Con GPT-5.1-Codex-Max, OpenAI lleva la IA de desarrollo a otra dimensión
Nano Banana Pro: la IA de Google que dibuja imágenes con estilo
Google Antigravity: cuando los agentes de IA hacen los pequeños trabajos de los desarrolladores
Gemini 3 ya está aquí: la respuesta relámpago de Google para hacerse con el trono de la IA
OpenAI lanza su GPT 5.1, un modelo más eficiente pero sobre todo más “humano”
[
