Probar un agente de navegador con juegos web

A quién le sirve. Curiosos y equipos que quieren saber hasta dónde llega un agente de navegador antes de confiarle tareas reales, como rellenar formularios o moverse por webs. Es un experimento, no una tarea de negocio.

Qué hicieron

En la página de cada juego, dentro del navegador ChatGPT Atlas, los investigadores activaron el modo agente (versión preliminar) y le dieron una sola orden sin ejemplos: jugar hasta quedarse atascado. Hicieron 10 pruebas por juego y no intervinieron. El agente averiguó los controles él mismo. Para Stein.world añadieron después un segundo mensaje que detallaba las teclas y la primera tarea.

Cómo salió

El sudoku llevó una media de 2 minutos y 28 segundos con un 100 % de aciertos, frente a una referencia humana de 10 a 12 minutos. En T-Rex logró una media de 45,5 y en Flappy Bird sacó 0 en todas las pruebas. En Stein.world solo salió de la primera sala cuando recibió el mensaje detallado.

Conviene saber

La muestra es pequeña y las referencias humanas son aproximadas, así que los autores consideran los resultados preliminares. Stein.world necesitó instrucciones explícitas y aun así el agente tardaba mucho en decidir cada movimiento.

Qué necesitas

• El navegador ChatGPT Atlas y una cuenta de ChatGPT con acceso al modo agente, que en el estudio era una versión preliminar.
• Los enlaces de los juegos o de las tareas web que quieres probar.
• Una libreta o una hoja para apuntar tiempos y resultados de varias pruebas.
• Tiempo para repetir cada prueba varias veces. Los investigadores hicieron 10 por juego.

Cómo hacerlo tú, paso a paso

1. Abre el navegador ChatGPT Atlas y entra en la página del juego o de la tarea.
2. Activa el modo agente.
3. Dale una sola orden, sin ejemplos: que juegue hasta quedarse atascado y te cuente cuánto ha tardado y dónde se ha atascado.
4. No intervengas mientras trabaja. Apunta el tiempo y el resultado.
5. Repite varias veces y calcula la media.
6. Si falla, añade un segundo mensaje con las teclas o el primer objetivo y compara con la primera ronda.
7. Si la web pide iniciar sesión, registrarte o pagar, que se detenga y te pregunte.

Abre [enlace de un juego web, por ejemplo un sudoku en línea] y juégalo durante una partida o un rompecabezas completo. Cuéntame cuánto has tardado, si lo has terminado y dónde te has atascado. Si la web te pide iniciar sesión, registrarte o pagar, detente y pregúntame.

Consejos

• Con pocas pruebas, los resultados valen poco. Los propios autores los llaman preliminares.
• En este estudio, el agente fue bien en juegos de lógica, como el sudoku, y mal en los de reflejos, como Flappy Bird. Úsalo para lo primero.
• Antes de darle una tarea real, pruébalo con algo sin consecuencias.

Preguntas frecuentes

Fuentes

• arXiv ↗

En el directorio desde el 3 de octubre de 2026.