Se suele pensar que, como los modelos de lenguaje más recientes arman una interfaz funcional en segundos y recuerdan la documentación de decenas de librerías, su código también resulta de vanguardia. En la práctica veo constantemente lo contrario: le pides a un asistente de IA que maquete una ventana emergente o un tooltip normal y corriente, y vuelca en el proyecto 200 líneas de JavaScript artesanal. Dentro aparecen interceptores manuales de clics fuera del fondo, funciones para retener el foco y parches para la tecla Escape, como si todavía maquetáramos para navegadores de hace diez años.
Por fuera esa ventana se abre y se cierra, así que no notas el truco de inmediato. ¿Por qué los modelos inteligentes insisten en arrastrar código legado de archivo a proyectos nuevos y cómo enseñar a los agentes de IA a apoyarse en las capacidades nativas de los navegadores del estándar Baseline, sin tener que reescribir cada componente a mano detrás de ellos?
Por qué los modelos de lenguaje fallan frente a la plataforma web nativa
La razón está en los conjuntos de entrenamiento de las redes neuronales. Durante quince años se han acumulado en repositorios públicos terabytes de código frontend antiguo y respuestas de foros de la época en que los navegadores casi no sabían hacer nada por sí mismos. Para un modelo estadístico, el patrón más frecuente en el corpus parece el más fiable: como en millones de proyectos antiguos una ventana modal se montaba con bloques <div> y un montón de scripts, el agente reproduce exactamente ese rodeo.
Cuando destripas un componente así por dentro, salen a la luz tres problemas sistémicos que señaló el ingeniero Philip Walton en el blog Chrome for Developers:
- Carga en el hilo principal. Allí donde el navegador dibuja fácilmente una transición o una reacción al desplazamiento mediante CSS, el modelo cuelga escuchadores de eventos
scroll,clickykeydown, obligando al procesador a ejecutar scripts innecesarios. - Ruptura de la accesibilidad. Para usuarios ciegos y navegación por teclado, el navegador construye un «árbol de accesibilidad» para lectores de pantalla (screen readers), donde los diálogos caseros hechos con
<div>son indistinguibles del texto normal. Al intentar arreglarlo a ciegas, el modelo coloca atributos ARIA (marcado de roles de interfaz para lectores de pantalla) con errores y olvida aislar el fondo. Un marcado ARIA incorrecto vuelve la página menos accesible que sin él: el foco de la teclaTabse cuela a través de la ventana hacia los enlaces del fondo. - Fallos en formularios y seguridad. Los campos de entrada personalizados en JavaScript rompen el autocompletado móvil de direcciones y tarjetas al pagar, y además los modelos pasan por alto el inicio de sesión sin contraseña mediante llaves WebAuthn (passkeys) y la sanitización segura de HTML.
Al final el desarrollador gana diez minutos al principio, pero hereda una deuda técnica oculta que un linter normal no detecta.
Qué incluye el lanzamiento de Modern Web Guidance 1.0 y por qué se unieron los navegadores
Para sacar a los agentes de este día de la marmota, el equipo de Chrome mostró en mayo en Google I/O una vista previa de habilidades para IA, y el 10 de noviembre de 2026 publicó la versión estable Modern Web Guidance 1.0 (analizada por el canal «Веб-стандарты» y el boletín Frontend Focus). La gran noticia es que el proyecto se volvió multinavegador: a Philip Walton y Google se sumaron Jake Archibald de Mozilla (Firefox), Patrick Brosset de Microsoft (Edge) y la experta independiente Lea Verou.
¿Por qué competidores directos escriben instrucciones conjuntas para redes neuronales? La web solo sobrevive cuando el código funciona igual en cualquier motor. Por eso la base de las recomendaciones es el estándar conjunto Baseline, el sello de calidad de compatibilidad entre navegadores. Si imaginamos las nuevas funciones web como enlaces de autopista, el estado Baseline significa que la vía está abierta oficialmente en todos los navegadores principales y se puede circular por ella sin polyfills. Y Lea Verou, en su declaración como candidata al grupo de arquitectura W3C TAG, donde codirige el proyecto, señaló un importante efecto inverso: revisar cientos de instrucciones para agentes de IA saca a la luz puntos ciegos sistémicos de la propia plataforma web que se escapan a los grupos de trabajo individuales.
Mira cómo cambia nuestro ejemplo de ventana emergente cuando el agente se apoya en una base de conocimiento verificada:
- En lugar de un controlador de scripts aparatoso, el agente usa la etiqueta HTML nativa
<dialog>, y para tooltips y menús desplegables el mecanismo integrado Popover API (atributopopover). - El propio navegador eleva la ventana abierta a la capa superior de renderizado sin pelear con
z-index, la cierra conEscapey devuelve el foco al botón. - La parte de fondo de la página recibe el atributo de inercia (
inert, una propiedad HTML que desactiva temporalmente los elementos de fondo para clics, la teclaTaby lectores de pantalla). Antes del lanzamiento, cada guía fue probada por expertos en accesibilidad que utilizan tecnologías de asistencia a diario. - Para transiciones entre pantallas y animaciones de desplazamiento, el agente conecta View Transitions nativas y CSS scroll-driven animations.
El impacto ya se ha medido en producción y publicado en el Benchmark Dashboard. La plataforma mediática japonesa note inc. (más de 90 millones de usuarios activos al mes), en una evaluación de frontend de 180 pasadas, elevó el uso de estándares web modernos del 61% al 94%, y en 431 pull requests fusionados los agentes acertaron un 28% mejor al priorizar la carga de la imagen principal (LCP). Por su parte, el equipo de MetaMask (más de 100 millones de descargas) configuró en tres líneas de código un bot de revisión para su extensión basado en estas habilidades: en cinco semanas revisó 480 pull requests, dejó 64 comentarios y ayudó a corregir 43 errores de accesibilidad, semántica HTML y formularios con un tiempo medio de corrección de 15 minutos.
Cómo funciona el proceso de modernización de código /modern-web-guidance
Pasamos la mayor parte del tiempo en repositorios antiguos donde durante años se acumularon polyfills y rodeos. Precisamente para esa tarea se añadió al lanzamiento un flujo integrado de modernización.
El paquete de habilidades del repositorio GoogleChrome/modern-web-guidance se instala desde los marketplaces de plugins de los editores agénticos populares o ejecutando en la carpeta del proyecto: npx modern-web-guidance@latest install (para actualizar sirve npx modern-web-guidance@latest update). Después basta con invocar en el chat con el agente /modern-web-guidance Modernize the code in this directory.
El analizador estático escanea archivos HTML, CSS, JavaScript y el manifiesto package.json, buscando patrones obsoletos: desde diálogos caseros hasta dependencias npm innecesarias y controles de formulario personalizados. Los fragmentos detectados se entregan al agente junto con instrucciones de reemplazo, y el modelo migra el código a APIs nativas teniendo en cuenta el soporte objetivo de navegadores.
Aunque el paquete nació para agentes de IA, los ingenieros leen activamente sus guías y lanzan búsquedas por CLI para ponerse al día: una sola consulta muestra rápidamente técnicas recientes como Popover API o Interest invokers sin tener que leer largas especificaciones.
Límites de aplicación y combinación con Chrome DevTools para agentes
Para que la herramienta no decepcione, conviene ver los límites de lo que puede hacer. En primer lugar, por ahora el comando /modern-web-guidance funciona comparando de forma estática un conjunto limitado de patrones conocidos. Los autores empezaron por un abanico estrecho pero predecible de comprobaciones sin falsos positivos, y la auditoría agéntica profunda de arquitecturas arbitrarias al completo llegará en próximas versiones.
En segundo lugar, las reglas textuales aportan criterio al escribir código, pero son ciegas al comportamiento de la página viva en el navegador: leyendo el archivo fuente, el agente no sabe cuántos milisegundos tardará un script en un procesador lento.
Por eso se recomienda ejecutar la base de reglas junto con las herramientas de desarrollo Chrome para agentes (Chrome DevTools for Agents), que actúan como banco de pruebas en el navegador:
- Control de capacidad de respuesta (INP). DevTools lanza una traza emulando una CPU lenta, y el agente, siguiendo las pistas de las guías, divide las tareas en JavaScript hasta que el bloqueo del hilo principal baja de 50 milisegundos (métrica INP — Interaction to Next Paint).
- Comprobación de animaciones y memoria. La herramienta graba un vídeo al abrir el diálogo, verifica el respeto a la preferencia del sistema para reducir movimiento
prefers-reduced-motiony, al cachear pantallas en aplicaciones de una sola página, vigila mediante el perfilador de memoria que los nodos antiguos se liberen a tiempo.
Este doble circuito ya opera en grandes servicios: en la plataforma india de seguros Policybazaar (más de 97 millones de clientes) y el servicio Pensionbazaar automatizó la auditoría de 30 páginas de aterrizaje eliminando el 92% del trabajo manual, y en el servicio de streaming WeTV de Tencent redujo la depuración de caídas de rendimiento en CI/CD en un 87%, dejándola en 30 minutos incluida la revisión.
Sobre cómo combinar estas reglas con la arquitectura de estilos hablamos en el análisis sobre vincular las guías de la plataforma web con design tokens y pruebas visuales, y para evitar que el compilador se queje de las propiedades más recientes de los navegadores te ayudará el paquete modern-web-types para las nuevas Web API.
Puedes probarlo en la práctica ahora mismo en un par de minutos: abre la terminal en un proyecto web activo, ejecuta npx modern-web-guidance@latest install y lanza /modern-web-guidance Modernize the code in this directory sobre una carpeta con ventanas o formularios antiguos; verás enseguida cuánto JavaScript sobrante está listo para asumir el navegador moderno.




