Hoy, los agentes usan software. Mañana, lo usarán todo.
Estamos construyendo hacia un mundo donde la IA no solo hace clic en botones en pantallas — opera máquinas, navega espacios físicos y trabaja junto a los humanos en el mundo real.
Computer-use
Agentes que ven pantallas, hacen clic en botones y operan cualquier software exactamente como lo haría un humano. Sin necesidad de APIs. Aquí es donde está Deck hoy — y ya está cambiando cómo trabajan las empresas.
Maximizando los LLMs dentro de los límites actuales
Los modelos actuales son poderosos pero limitados — ventanas de contexto, alucinaciones, costo. Estamos investigando cómo ir más allá: orquestación multi-agente, memoria de tareas de larga duración, flujos de trabajo auto-reparables que se recuperan de errores sin intervención humana, y razonamiento estructurado que mantiene a los agentes en el camino a lo largo de flujos de trabajo de más de 100 pasos.
Uso robótico
Los mismos principios que permiten a un agente navegar un sitio web pueden permitirle navegar un almacén. El mismo modelo de visión que lee un tablero puede leer un piso de fábrica. Estamos explorando cómo Computer Use se extiende más allá de las pantallas — hacia cámaras, sensores, brazos robóticos y entornos físicos.
Preguntas abiertas en las que estamos trabajando
APIs cover 1% of the world's software. The other 99% has only a user interface. How do you build an agent that can operate all of it — without a single line of integration code?
If the cognitive loop for navigating a website is the same as navigating a warehouse — perceive, decide, act — what infrastructure bridges the gap between digital and physical environments?
In a 200-step workflow where each step is 98% reliable, the end-to-end success rate drops to ~2%. How do you design error correction that keeps reliability above 95% without quadratic cost?
Every enterprise has thousands of credentials and every agent needs access. How do you build a credential architecture where no single VM compromise exposes the entire graph?
Software changes its UI faster than any model can retrain. How do you build agents that treat every interface as novel — and still operate it correctly on the first attempt?
¿Cuál es la gran pregunta que intentas responder?
Si estas preguntas te emocionan