Acerca de

Quién creó esto

Una persona. Un desarrollador de software que se interesó por la automatización del navegador y el web scraping hace un par de años, encontró que las herramientas existentes eran demasiado de bajo nivel o demasiado limitadas, y empezó a construir la herramienta que realmente quería usar. Ese proyecto se convirtió en Guida.

No hay una empresa detrás. No hay startup, equipo, inversores ni consejo asesor. Las decisiones —arquitectónicas, éticas y comerciales— las toma la persona que escribe esta frase. Eso es una limitación en algunos sentidos evidentes y una ventaja en otros. Significa que el proyecto puede hablar con honestidad de sus compromisos sin pasarlos por un departamento de marketing. También significa que el bus factor es uno.

El binario sin firma

Si descargó Guida y Windows mostró una advertencia de SmartScreen, es lo esperado. El binario no está firmado.

Los certificados de firma de código requieren una organización con identidad legal verificable o un proceso de validación extendida que cuesta varios cientos de dólares al año y presupone una estructura empresarial. Un desarrollador individual que publica software gratuito no encaja bien en ese modelo. El certificado costaría más de lo que ingresa el proyecto, que es nada.

La advertencia de SmartScreen no significa que el software sea malicioso. Significa que Microsoft no ha visto suficientes instalaciones para construir una puntuación de reputación, y que ninguna autoridad de certificación ha avalado la identidad del editor. Al hacer clic en “Run anyway”, le está diciendo a Windows que ha decidido conscientemente confiar en ese binario concreto. Es una decisión razonable —o no— según su propia tolerancia al riesgo.

Límites del código fuente

Guida se distribuye actualmente como una aplicación Windows de código cerrado. La capa específica del producto para automatización del navegador y web scraping permanecerá cerrada.

Ese límite es deliberado. La capa de scraping es la parte más ligada a Guida como producto, y también es donde la redistribución cómoda de compilaciones modificadas podría retirar protecciones de la capacidad de mayor riesgo.

La infraestructura reutilizable construida alrededor es distinta. El motor de scripting, la gestión de credenciales de acceso, la trazabilidad y el código de soporte relacionado se publicarán como código abierto cuando estén extraídos, sean estables y estén suficientemente documentados para ser útiles fuera de la aplicación. Aún no publico una fecha porque ese límite de extracción todavía debe quedar limpio, pero la dirección es intencionada.

Vea Código fuente abierto y código fuente cerrado para el desglose completo.

Infraestructura creada para Guida

Parte de la infraestructura creada al construir Guida ya es pública:

• JanetSharp — integración del runtime Janet para .NET.
• StratQueue — colas de trabajo respaldadas por SQLite con estrategias de extracción configurables.

Qué no es Guida

Guida no es una empresa. No hay una hoja de ruta impulsada por estudios de mercado, ni priorización de funciones basada en encuestas de usuarios, ni métricas de crecimiento. No hay contrato de soporte ni SLA. Si algo se rompe, se arregla porque el desarrollador usa el software y lo ha visto, o porque alguien lo comunicó y la corrección era directa.

Es una herramienta que existe porque merecía la pena construirla, mantenida por la persona que la construyó y usada por quienes la encuentran útil. Ese es todo el modelo de negocio, sin el negocio.

Una pregunta abierta

Guida incluye g.tts.speak(): texto a voz local mediante el motor TTS integrado de Microsoft. La entrada de voz basada en Whisper está en curso. Ninguna de estas funciones se creó como característica de accesibilidad, y no voy a presentarlas como tal después.

Pero esto es lo que observo. La dirección hacia la que avanza Guida —un agente impulsado por LLM que navega por interfaces web arbitrarias mediante visión, dice lo que ve y escucha qué debe hacer después— es una clase de herramienta fundamentalmente distinta de un lector de pantalla basado en DOM. No analiza etiquetas ARIA ni recorre el árbol de accesibilidad. Mira la pantalla como lo hace una persona. Eso significa que no se rompe con aplicaciones cargadas de canvas, aplicaciones complejas de una sola página o componentes personalizados que nunca implementaron marcado semántico correcto, porque no lee el DOM en absoluto.

Que eso llegue a ser realmente útil para personas a las que les resultan difíciles las interfaces web convencionales es una pregunta abierta. No sé la respuesta. Pero la capacidad está apareciendo como efecto secundario de la arquitectura central, no como una función que alguien tenga que financiar o priorizar, y eso parece digno de mención. También conviene señalar que la navegación basada en visión implica requisitos serios de GPU: no es una herramienta asistiva ligera. Es una máquina capaz haciendo inferencia costosa. Esas restricciones son reales y no voy a fingir lo contrario.