ByteDance anunció el 18 de agosto que el modo de tareas de trabajo de Doubao incluye ahora un Escritorio Virtual en el cliente de Windows, lo que permite al asistente ver la pantalla y manejar el ratón y el teclado en distintas aplicaciones. Los usuarios pueden acceder seleccionando el modo de tareas de trabajo, luego el ordenador local, después "operar el ordenador" en la barra de habilidades, y concediendo la autorización.

El mecanismo, en palabras de ByteDance

La empresa lo describe como un funcionamiento basado en capacidad GUI genérica: 豆包虚拟桌面基于GUI能力运行，即使没有MCP、API、插件或CLI，也能直接识别软件界面并完成操作 — reconoce interfaces de software y completa operaciones directamente, incluso cuando no existe servidor MCP, API, plugin ni interfaz de línea de comandos. La propiedad diferenciadora se formula con la misma claridad: 虚拟桌面运行时不会占用用户当前正在使用的鼠标和键盘，也不会打断现有工作 — mientras funciona, no ocupa el ratón y el teclado que el usuario está utilizando en ese momento, y no interrumpe el trabajo en curso. Los usuarios pueden ver los pasos en directo, pausar o tomar el control directamente. El ejemplo de la empresa consiste en extraer currículos de una carpeta local e introducirlos en un sistema de registro de candidatos.

Qué falla en el encuadre habitual

Ya circulan dos errores. El primero lo confunde con una función distinta de Doubao lanzada un día antes: el control remoto de teléfono a PC. Son lanzamientos separados en días consecutivos. El segundo interpreta "escritorio virtual" como una VM en la nube. Se describe como una sesión aislada en la propia máquina Windows del usuario, que es precisamente por lo que hace falta mencionar la cuestión del ratón y el teclado: una zona aislada en la nube nunca habría estado compitiendo por los dispositivos de entrada locales desde el principio.

La ausencia de integraciones es una postura de seguridad, no solo una capacidad

"Sin MCP, sin API, sin plugins" se presenta como una demostración de cobertura, y como cobertura lo es: píxeles y clics se generalizan a software que no expone ninguna superficie de integración. Pero también significa que el agente hereda toda la autoridad que tenga el usuario de Windows con sesión iniciada, condicionada por una única autorización inicial. En ninguna de las páginas que lo anuncian se describe un modelo de permisos granular, y tampoco se indica ningún benchmark, número de usuarios ni precio.

Por qué esto llega primero en China

Los agentes de uso del ordenador se han mostrado muchas más veces de las que se han desplegado. Integrar uno en un asistente de consumo masivo convierte el control de la interfaz gráfica en una función activada por defecto para usuarios corrientes, en lugar de una vista previa para desarrolladores, y evita toda la carrera por la integración de herramientas, en la que los laboratorios estadounidenses compiten por cuántos sistemas exponen una API al modelo.