Google ha presentato una delle novità più interessanti nel panorama dell’intelligenza artificiale: il modello Gemini 2.5 Computer Use, progettato per interagire con un browser come farebbe un essere umano. Non si tratta di un semplice aggiornamento della ricerca potenziata o di un miglioramento nella sintesi dei contenuti, ma di un sistema capace di cliccare, scorrere pagine, compilare moduli e persino trascinare elementi all’interno di un’interfaccia web reale.
Gemini 2.5 Computer Use: un’AI che supera i limiti delle API
Fino a oggi, molti strumenti di automazione erano vincolati all’uso delle API, interfacce programmatiche che limitano le azioni dell’intelligenza artificiale ai dati resi disponibili dai servizi. Gemini 2.5 Computer Use rompe questo schema: l’AI può interagire con qualsiasi sito o servizio, anche in assenza di connessioni dirette. Questo significa che la macchina può “vedere” ciò che appare sullo schermo e decidere autonomamente come agire.
Il modello combina capacità avanzate di comprensione visiva e ragionamento, analizzando pulsanti, moduli, immagini e qualsiasi elemento interattivo, per completare un compito come farebbe un utente umano. Gli esempi mostrati da Google sono molteplici: test sulle interfacce utente, prenotazione di voli, caricamento di documenti, ricerche mirate di informazioni e persino attività di intrattenimento, come giocare a videogiochi.
Con Gemini 2.5, Google cerca di creare un’intelligenza artificiale più proattiva, capace di muoversi in ambienti web complessi senza bisogno di istruzioni specifiche per ogni sito. La tecnologia promette di ridurre il gap tra strumenti di automazione tradizionali e un utilizzo quotidiano più naturale dell’AI, avvicinando il concetto di intelligenza artificiale a quello di “assistente digitale umano”.
Nonostante le capacità impressionanti, Gemini 2.5 è ancora in fase di sviluppo e presenta alcuni limiti concreti. Attualmente supporta 13 azioni base, come digitare testo, aprire nuove schede del browser e trascinare oggetti. Non è in grado di controllare l’intero sistema operativo, ma solo la finestra del browser, una scelta strategica che permette di mantenere alto il livello di sicurezza e ridurre i rischi legati all’automazione completa di un dispositivo.
Il modello è disponibile per gli sviluppatori tramite Google AI Studio e Vertex AI, mentre una versione dimostrativa accessibile su Browserbase consente di vedere il sistema in azione in tempo reale, ad esempio giocando a 2048 o consultando notizie sul web.
