Hark, una startup de alto crecimiento respaldada por 700 millones de dólares en financiación de Serie A, ha presentado oficialmente "Handoff", un agente inteligente diseñado para navegar por la web tal como lo haría un humano. Al ir más allá de la simple generación de texto, Handoff busca automatizar flujos de trabajo complejos en sitios web que carecen de soporte oficial de API.

Uno de los obstáculos más significativos en la automatización es la dependencia de las APIs estructuradas. El agente Handoff de Hark elude esta limitación analizando tanto la estructura subyacente del sitio web como los datos visuales para interactuar con las interfaces. Esto permite al agente navegar sin problemas por plataformas de alto tráfico que no cuentan con API, como Target, Walmart, OpenTable y LinkedIn.

El agente funciona comprendiendo señales visuales para determinar cuándo hacer clic en botones, desplazarse o introducir texto. En una demostración reciente, el CEO Brett Adcock mostró la capacidad del agente para manejar lógica compleja y "difusa" (fuzzy logic), como crear un ramo de flores personalizado donde el usuario especifica "algo a elección del florista". Esta capacidad sugiere un nivel de comprensión semántica que va más allá de la ejecución rígida de comandos, permitiendo una interacción humano-agente más natural.

Un cambio de la predicción del "siguiente token" a la "siguiente acción"

Técnicamente, Hark está alejándose del paradigma estándar de los modelos de lenguaje de gran tamaño (LLM). Mientras que los LLM tradicionales están optimizados para predecir el siguiente token en una secuencia de texto, el modelo de Hark está diseñado para predecir la "siguiente acción". Esto significa que el modelo calcula específicamente la siguiente interacción física o digital, como una entrada de teclado específica o un clic de ratón en una coordenada precisa de la pantalla.

Para acelerar el desarrollo, Hark está utilizando actualmente un modelo post-entrenado. Esta estrategia permite a la empresa perfeccionar rápidamente su infraestructura de entrenamiento, sus canales de datos y sus técnicas especializadas antes de pasar a una fase completa de pre-entrenamiento programada para finales de este año. Este enfoque iterativo está diseñado para optimizar el agente en cuanto a velocidad y rentabilidad.

El panorama competitivo de los agentes de uso de computadora

Hark entra en un terreno saturado y altamente competitivo. La carrera por el dominio del "uso de la computadora" incluye a gigantes tecnológicos como Google, OpenAI y Anthropic, junto con startups especializadas financiadas por capital de riesgo (VC) como Browser Use, Polar, Strawberry y Aside.

Hark se está posicionando como una alternativa disruptiva al afirmar que posee una velocidad superior y costes operativos significativamente más bajos en comparación con modelos de gran peso como GPT 5.5 u Opus 4.8. Al centrarse en una arquitectura especializada orientada a la acción, en lugar de un modelo de texto de propósito general, Hark busca capturar el mercado de la automatización de navegadores de alta frecuencia y bajo coste.

La empresa ha abierto una lista de espera para su plataforma y tiene la intención de lanzar el servicio completo para finales del verano. Para desarrolladores y fundadores, el éxito de Handoff podría señalar un cambio hacia los "Modelos de Acción" (Action Models) que priorizan la finalización de tareas por encima de la mera conversación.

Conclusiones clave

  • Arquitectura orientada a la acción: A diferencia de los LLM estándar que predicen tokens de texto, el modelo de Hark predice acciones específicas del usuario, como clics y pulsaciones de teclas.
  • Automatización sin API: El agente Handoff utiliza datos visuales y estructurales para navegar por sitios web como Walmart y LinkedIn que no ofrecen APIs oficiales.
  • Enfoque en coste y velocidad: Hark pretende reducir los precios y la latencia de los principales modelos como GPT 5.5, centrándose en una automatización de tareas de navegador eficiente y a gran escala.

Qué seguir de cerca

  • Cronograma de lanzamiento – Hark ha abierto una lista de espera y planea un lanzamiento completo para finales del verano.
  • Evolución del modelo – Hark está pasando de un modelo post-entrenado a una fase completa de pre-entrenamiento programada para finales de este año.