Hark presenta Handoff, el agente que navega la web y dice superar a GPT-5.4 y Claude Opus 4.8 a un costo mucho menor

Hark, la startup de inteligencia artificial fundada por Brett Adcock (el mismo creador de Figure AI), presentó su primer producto: Handoff, un agente de uso de computador diseñado para completar tareas en línea operando sitios web igual que lo haría una persona.

Según la empresa, Handoff puede pedir comida, reservar vuelos, comprar en línea, tomar reservas de restaurante, investigar información y gestionar flujos de reclutamiento. En vez de depender de las APIs de cada sitio, el agente interactúa directamente con el navegador: hace clic, escribe y hace scroll.

¿Por qué Hark apuesta al navegador y no a las APIs?

El argumento de la compañía es un dato incómodo para toda la industria de automatización: Hark estima que menos de 1 de cada 1.000 sitios web ofrece una API pública. Eso deja a los agentes de IA sin vía formal para operar la mayoría de los servicios cotidianos.

Hark agrega que encuestó a usuarios a lo largo de casi 3 millones de minutos de tiempo de pantalla y encontró que el 74,9% de ese tiempo se pasó dentro de navegadores. Si ahí ocurre el trabajo, ahí tiene que operar el agente.

Para cada solicitud, Hark crea un entorno de computador virtual dedicado con su propio navegador, sistema de archivos y terminal. El usuario puede conectar sus cuentas existentes para que Handoff use direcciones, preferencias e historial ya guardados. A diferencia de las herramientas de automatización clásicas construidas sobre flujos fijos, la empresa sostiene que Handoff está diseñado para adaptarse a sitios que cambian, pop-ups y publicidad.

¿Qué dicen exactamente los números del benchmark?

Hark afirma que Handoff lidera varios benchmarks de uso de navegador, incluido el leaderboard de evaluación humana Online-Mind2Web:

• Handoff: 97,7
• GPT-5.4: 92,8
• Claude Opus 4.8: 84,1

La empresa también reporta que su sistema superó a GPT-5.4 por 8 puntos en promedio y a Opus 4.8 por 2 puntos a lo largo de tres benchmarks de navegador.

Aquí vienen las advertencias, y son importantes. VentureBeat señaló que las pruebas de Hark compararon a Handoff contra modelos de generación anterior: quedaron fuera los modelos de frontera más nuevos. Hark además reconoció que WebTailBench y sus evaluaciones internas se corrieron usando el propio harness de pruebas de la compañía. El único resultado con anclaje externo real es Online-Mind2Web, y aun así el liderazgo en un benchmark no garantiza mejor desempeño en cada situación del mundo real.

¿Cuánto cuesta y por qué el precio es el titular verdadero?

Más allá del desempeño, Hark posiciona a Handoff como una alternativa notablemente más barata que los modelos grandes. Las tarifas publicadas son US$0,18 por millón de tokens de entrada y US$2,37 por millón de tokens de salida, muy por debajo de las de los proveedores de frontera.

Si el precio y la confiabilidad se sostienen, esto abre la puerta a automatizar trabajo digital repetitivo sin pagar tarifas premium de infraestructura de IA. La advertencia técnica también aplica: la tarifa por token no captura el costo total de completar una tarea de navegador, que incluye reintentos e infraestructura de soporte.

¿Cuál es el obstáculo real de los agentes que ejecutan acciones?

Los agentes de navegador enfrentan un problema distinto al de un chatbot: el usuario debe confiarles acciones reales. Un asistente que resume información es de riesgo bajo. Un agente que inicia sesión en cuentas, elige compras o envía mensajes necesita garantías mucho más fuertes sobre seguridad, privacidad y manejo de errores.

Hark dice que Handoff puede acceder de forma segura a las cuentas conectadas, pero no ha detallado públicamente las salvaguardas que protegen esas cuentas. El producto sigue en research preview, con disponibilidad más amplia planificada para el final del verano del hemisferio norte.

Análisis de Revenue Hub

Para un líder comercial en Chile y Latinoamérica, la noticia relevante no es el puntaje: es el precio. Durante dos años la conversación sobre automatizar tareas web fue teórica porque el costo por tarea no cerraba. Con tarifas de US$0,18 por millón de tokens de entrada, tareas que antes se descartaban por antieconómicas (enriquecer listas desde portales sin API, revisar precios de competencia, cargar datos en sistemas de proveedores o clientes, mover información entre plataformas que nunca se van a integrar) empiezan a caer dentro del presupuesto. En mercados donde el costo de mano de obra administrativa es más bajo que en Estados Unidos, ese cálculo cambia después, pero cambia igual.

La decisión que esto obliga a tomar es de gobierno, no de compra. Un agente que entra a tus cuentas con credenciales guardadas es un usuario más en tu stack, y hoy la mayoría de las empresas de la región no tiene forma de responder tres preguntas básicas: qué cuentas puede tocar, qué acciones puede ejecutar sin aprobación humana, y cómo se audita lo que hizo. Ese trabajo se hace antes del piloto, no después del primer incidente. Vale además leer los benchmarks con escepticismo: cuando un proveedor corre las pruebas en su propio harness y compara contra modelos de generación anterior, lo que estás viendo es material de marketing, no evidencia. La prueba que importa es tu propio proceso, con tus propios sitios, medido en tasa de completitud sin intervención.

Nuestra recomendación es tratar esto como un experimento acotado y medido, no como un reemplazo de personas: elige un proceso repetitivo, de bajo riesgo y con resultado verificable, y compara costo por tarea completada contra el proceso actual. Puedes revisar más contexto sobre agentes aplicados a operaciones comerciales en nuestra sección de IA en ventas y en el blog de Revenue Hub.