Google construye una copia cerrada de internet para probar los agentes de IA de Chrome
Soltar a los agentes de IA del navegador en la web real es peligroso, y los bancos de pruebas simples los entrenan mal. El equipo de Chrome ha construido una copia aislada de la web: redes sociales, tiendas y banca online donde los agentes trabajan en un Chrome auténtico. Allí se les somete a pruebas con inyecciones de prompts ocultas. La conclusión: el entorno de pruebas de un agente debe parecerse a la web real, pero seguir bajo tu control.
Procesado por IA desde Wired; editado por Hamidun News
Imagina que enseñas a un becario a usar la banca online. Darle acceso a cuentas reales da miedo, y una maqueta de práctica con dos botones no le enseñará nada. Más o menos ese dilema afrontó el equipo de Google Chrome cuando empezó a desarrollar funciones de navegador basadas en modelos Gemini. Su solución parece casi de ciencia ficción: han construido todo un internet alternativo que controlan por completo. Dentro de Google lo llaman «Mirror Dimension», es decir, la «Dimensión Espejo». Wired ya lo contó con detalle, y hoy Google describe por primera vez el entorno en su propio blog.
Por qué los agentes necesitaban su propio internet
Los agentes que navegan solos por los sitios y ejecutan tareas necesitan conocer la web abierta: cómo funcionan las plataformas reales, cómo moverse por ellas y cómo no caer en un ataque. Los entornos de prueba limitados ofrecen una imagen demasiado estrecha. Hay además un segundo problema, conocido como «eval awareness»: el modelo se da cuenta de que lo están evaluando y empieza a comportarse de forma distinta a como lo haría en el trabajo real. Y lanzar un agente inmaduro al internet real es, sencillamente, peligroso.
Según Charles Qian, ingeniero del equipo de seguridad de IA de Chrome, el espacio de situaciones posibles es enorme: los agentes no se programan de forma rígida, el usuario puede plantear cualquier petición en cualquier sitio y la web es hostil. Por eso hay que explorar ese espacio con la mayor amplitud posible. Qian afirma que el agente ya ha empezado a desarrollar un criterio maduro: entiende qué información necesita realmente para la tarea y vuelve a tiempo al usuario para pedirle confirmación.
Cómo funciona la «Dimensión Espejo»
Es un ecosistema de sitios aislado pero diverso: redes sociales, tiendas, paneles bancarios. Están construidos con todos los componentes y propiedades de los sitios reales. El agente debe realizar tareas en Chrome igual que en el internet real. Por el camino se comprueba su resistencia, por ejemplo con inyecciones de prompts ocultas: instrucciones escondidas en la página que intentan hacer que el agente haga algo que el usuario no pidió.
Lo más curioso es cómo se pobló el entorno. Tenía que ser lo bastante grande para reflejar la escala de la web real y, al mismo tiempo, construirse con rapidez. Por eso el equipo recurrió a auténticos ejércitos de agentes de IA que desarrollan sitios y aplicaciones web bajo el control de un arnés (harness) creado a medida. Estos agentes producen servicios y flujos de datos realistas hasta en los detalles más pequeños, como introducir un código promocional en una tienda o rellenar páginas en una red social.
Hackear el propio navegador
Para un entrenamiento preciso, los agentes deben trabajar en un Chrome auténtico, no en una versión recortada. Pero Chrome está repleto de protecciones y comprobaciones de autenticidad. Para que los agentes tuvieran una experiencia normal, los investigadores tuvieron que, en esencia, hackear su propio navegador y, por ejemplo, crear certificados web falsos para superar esas comprobaciones. El equipo subraya que nada de esto es posible contra usuarios normales en el internet abierto. Todo funciona solo porque el equipo controla todo el entorno y la red y tiene acceso de nivel «modo dios».
Qué viene ahora y qué conviene llevarse
Los investigadores aclaran que los agentes sometidos a prueba son inofensivos y no tienen capacidades cibernéticas. El objetivo es que la «Dimensión Espejo» esté disponible para otros equipos de Google, de modo que más investigadores puedan trabajar en un entorno seguro y controlado. Doug Turner, director de ingeniería de Google, dice que la compañía comparte su enfoque para que otros equipos, internos y externos, también se lo planteen. Es solo un primer paso, la inversión continuará y, a medida que los modelos se vuelvan más complejos, habrá que hacer el entorno cada vez más realista.
Para los profesionales, la conclusión es bastante directa. Si desarrollas un agente que hace clic en sitios web, con páginas de demostración no basta. Necesitas un entorno que:
- se parezca a la web real en diversidad y en pequeños detalles;
- esté completamente aislado, para que los errores del agente no dañen nada;
- contenga ataques, por ejemplo instrucciones ocultas, y compruebe cómo los resiste el agente;
- no se delate como una prueba; de lo contrario, medirás el comportamiento «en el examen» y no en el trabajo real.
Las limitaciones también son evidentes. Google todavía no publica resultados cuantitativos: ni la proporción de ataques repelidos ni una comparación con el entrenamiento en bancos de pruebas convencionales. Lo único que se conoce son las palabras de los ingenieros sobre el «criterio maduro» del agente. Pero el enfoque en sí, en el que unos agentes de IA construyen el campo de pruebas para otros agentes de IA, probablemente se convertirá en estándar para quienes confían a los modelos la banca online y las compras.
- 20 nov 2026Google enseña a Gemini a controlar el Mac en segundo plano, sin ocupar la pantalla ni el cursor
- 20 nov 2026Las acciones de Anthropic suben un 17% en su primer día tras una IPO récord de $81,3 mil millones
- 20 nov 2026Google abre Genie 4 en la API: un minuto de paseo cuesta unos $6
- 20 nov 2026Gemini API reduce casi 7 veces los tokens de un agente con 200 herramientas, según el cálculo de Google
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Por qué los agentes necesitaban su propio internet?
Los agentes que navegan solos por los sitios y ejecutan tareas necesitan conocer la web abierta: cómo funcionan las plataformas reales, cómo moverse por ellas y cómo no caer en un ataque. Los entornos de prueba limitados ofrecen una imagen demasiado estrecha. Hay además un segundo problema, conocido como «eval awareness»: el modelo se da cuenta de que lo están evaluando y empieza a comportarse de forma distinta a como lo haría en el trabajo real.
Cómo funciona la «Dimensión Espejo»?
Es un ecosistema de sitios aislado pero diverso: redes sociales, tiendas, paneles bancarios. Están construidos con todos los componentes y propiedades de los sitios reales. El agente debe realizar tareas en Chrome igual que en el internet real. Por el camino se comprueba su resistencia, por ejemplo con inyecciones de prompts ocultas: instrucciones escondidas en la página que intentan hacer que el agente haga algo que el usuario no pidió. Lo más curioso es cómo se pobló el entorno.
¿Qué se sabe sobre Hackear el propio navegador?
Para un entrenamiento preciso, los agentes deben trabajar en un Chrome auténtico, no en una versión recortada. Pero Chrome está repleto de protecciones y comprobaciones de autenticidad. Para que los agentes tuvieran una experiencia normal, los investigadores tuvieron que, en esencia, hackear su propio navegador y, por ejemplo, crear certificados web falsos para superar esas comprobaciones. El equipo subraya que nada de esto es posible contra usuarios normales en el internet abierto.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.