Llevamos más de cuarenta años arrastrando la misma flechita blanca por nuestras pantallas sin que apenas cambie su funcionamiento básico. Hasta ahora. Google DeepMind ha presentado una idea que parece sacada directamente de una película de ciencia ficción: dotar al cursor del ratón de inteligencia artificial nativa. No se trata solo de hacer clic o arrastrar ventanas. El nuevo objetivo de Google es que ese pequeño puntero entienda qué estás señalando, por qué lo haces y qué demonios quieres hacer con esa información. Una auténtica locura.
Y es que, si lo piensas fríamente, la forma en que interactuamos con la IA actual es bastante arcaica. Tienes que abrir un chatbot de turno, copiar el texto, pegarlo y redactar un prompt larguísimo para que el sistema haga lo que pides. DeepMind quiere fulminar este proceso de raíz. La propuesta busca invertir los papeles y convertir los propios píxeles de la pantalla en entidades accionables mediante el motor de Gemini.
El fin de los prompts kilométricos: apuntar, hablar y ejecutar
Básicamente, el sistema está diseñado para que tu flujo de trabajo no sufra ni una sola interrupción técnica. Imagina que tienes un PDF inmenso abierto en tu ordenador. En lugar de subirlo a una plataforma externa, simplemente rodeas un bloque de texto con el ratón y dices en voz alta «hazme un resumen en viñetas». Ni se inmuta. O estás viendo una receta de cocina y señalas los ingredientes para pedirle que duplique las cantidades al instante. Así de simple.
En concreto, para lograr esta especie de magia en pantalla, los ingenieros han definido cuatro pilares técnicos. Quieren combinar el acto físico de señalar con instrucciones súper breves por voz. Incluso pretenden que el sistema entienda expresiones humanas ambiguas si las acompañas de un gesto natural con el puntero. El contexto visual pasa a ser el rey absoluto. El modelo no solo ve la interfaz de usuario, sino que entiende la relación entre un bloque de código, una fecha suelta o una nota manuscrita mal escaneada.
También te puede interesar:Google expande su herramienta de prueba virtual con IA para incluir vestidosMagic Pointer y la gran exclusiva de Aluminium OS
Pero claro, aquí asoma la letra pequeña que no le va a hacer gracia a la mayoría. Esta revolución en la interfaz no tiene pinta de llegar a tu viejo PC con Windows 11 ni a tu flamante MacBook. Google prepara esta tecnología bajo el nombre en clave de Magic Pointer, y parece estar fuertemente atada a sus futuros portátiles Googlebook. Estos equipos estrenarían el esperado Aluminium OS, un sistema operativo construido desde cero con Gemini Intelligence en sus entrañas.
Si analizamos el calendario de despliegue, la ofensiva va bastante en serio. Esta capa de IA proactiva empezará a llegar este mismo verano al ecosistema Android. Los primeros afortunados serán, como era previsible, los dueños de un Samsung Galaxy o un Google Pixel de última generación. Después, la ola tecnológica se extenderá de forma progresiva a relojes inteligentes, coches, gafas y ordenadores portátiles.
A ello se le suma una capacidad brutal para automatizar tareas entre distintas aplicaciones sin que el usuario mueva un dedo. Hablamos de resumir contenido cruzado de varias fuentes, rellenar formularios web absurdamente complejos o usar herramientas internas como Rambler para convertir un dictado de voz caótico en un texto perfectamente estructurado. Te haces una idea del potencial.
La guerra por entender tu pantalla: Microsoft y Apple ya están aquí
Evidentemente, Google no está jugando solo en esta liga de presupuestos millonarios. Microsoft ya tiene en la calle sus equipos Copilot+ con una función muy parecida bautizada como Click to Do, que escanea constantemente lo que ves para sugerirte acciones rápidas. Apple tampoco se ha quedado de brazos cruzados y ha vitaminado su Visual Intelligence en los iPhone para interactuar directamente con la cámara y el contenido mostrado en pantalla.
También te puede interesar:Google expande su herramienta de prueba virtual con IA para incluir vestidosSin embargo, el enfoque de los de Mountain View intenta diferenciarse al proponer el histórico cursor como una interfaz universal y multimodal. Apuntas con la mano, hablas con tu voz y la IA ejecuta la orden procesando los datos. Todo en cuestión de milisegundos. De hecho, Gemini integrado en el navegador Chrome ya está haciendo sus primeros pinitos en el mundo real, permitiendo a los usuarios hacer preguntas concretas sobre zonas de una web señaladas previamente con el ratón.
La otra cara de la moneda son los tremendos retos técnicos y de privacidad que esto supone. Para que un cursor con IA sea realmente útil, necesita ser completamente invisible hasta que lo necesitas de verdad. Tiene que saber con exactitud cuándo le hablas a él para pedir algo y cuándo estás simplemente moviendo el ratón para leer un artículo. Si falla en la detección del contexto, puede convertirse en el clásico asistente intrusivo que terminas desactivando al segundo día. Un completo desastre.
Por si fuera poco, tenemos el elefante en la habitación del procesamiento masivo de datos. Analizar la pantalla de un usuario en tiempo real requiere recursos de hardware importantes. ¿Se hace todo en local para proteger tu privacidad o se envían fotogramas a la nube requiriendo conexión permanente?
Google asegura que el usuario mantendrá el control absoluto de sus datos, con confirmaciones manuales obligatorias para cualquier tarea sensible. Además, el consumo de batería en portátiles para mantener esta IA «despierta» y vigilando será un factor crítico. Habrá que esperar a los próximos meses para comprobar si esta promesa se materializa con fluidez en el día a día. Lo que está claro es que el tedioso modelo de «copiar, pegar y rezarle al chatbot» tiene los días contados en la informática de consumo.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
