Gemini agent: Google Cloud quiere un único agente para todo el trabajo
En el Gemini at Work 2026, Thomas Kurian presenta un agente único, persistente y multi-modelo, que incluso recibe su propia dirección de correo corporativa.
En breve
Google Cloud lanza el «Gemini agent», un agente universal que responde preguntas, ejecuta trabajo en segundo plano, genera medios y escribe código desde una sola ventana de prompt. Funciona en la nube, orquesta sub-agentes, elige su modelo (Gemini o Claude de Anthropic) e integra identidad, auditoría y límites de gasto. Es el intento más acabado de Google para convertir al agente, y no al modelo, en el producto que se vende a las empresas.
🍺 Versión de barra
Google ha decidido que tu próximo compañero de trabajo tendrá una dirección en @agents.company.com, una agenda, un Drive, y ninguna gana de tomarse un café. Trabaja mientras tu portátil está cerrado, recuerda todo lo que le has dicho, y él mismo delega en sub-agentes, lo que lo convierte técnicamente en el primer becario que ya tiene sus propios becarios. El detalle jugoso: para las tareas que lo requieren, el agente de Google puede hacer funcionar Claude, el modelo de un competidor. Esto importa porque la batalla de la IA empresarial ya no se juega en quién tiene el modelo más listo, sino en quién controla el agente que elige el modelo.
Para recordar
- 1
El Gemini agent reúne chat, trabajo autónomo, generación de medios y código en un único agente y una única API, accesible en web, iOS, Android, Windows, Mac, línea de comandos, Workspace, Microsoft 365, Slack, o en modo headless.
- 2
El agente funciona en la nube con una memoria única (sesión, semántica, procedimental, episódica) y continúa tareas de varias horas o días después de cerrar el ordenador.
- 3
Puede crear sub-agentes temporales y «coworker agents» permanentes dotados de su propia identidad, dirección de correo, almacenamiento y cuenta de Workspace.
- 4
El modelo subyacente es una elección separada: Gemini y Claude de Anthropic hoy, otros modelos privados y abiertos más adelante, con Smart Routing para optimizar coste y calidad.
- 5
Hay versiones especializadas en preview para finanzas (FactSet, LSEG, S&P Global, más de 50 skills) y legal, antes de llegar a sector público, salud y retail.
- 6
La gobernanza se apoya en una identidad criptográfica por agente, un registro de auditoría atribuido al agente, un Agent Sandbox y un Agent Gateway que aplica las políticas a todos los agentes.
- 7
En cifras: cerca de 500 clientes han procesado más de un trillón de tokens cada uno, el 80 % de los clientes de Google Cloud usa sus productos de IA, y el TPU 8i promete un 80 % más de price-performance.
Un agente, una ventana, una API
El mensaje de Thomas Kurian cabe en una frase: el trabajo ahora empieza en la ventana de prompt. El Gemini agent se presenta como el único punto de entrada para responder preguntas, producir documentos, crear imágenes y escribir y ejecutar código.
La promesa es la de la delegación: se fija un objetivo, no una serie de instrucciones, y se regresa a trabajo terminado. El agente puede activarse bajo demanda, programarse, o reaccionar a eventos.
Puede actuar como asistente personal, como miembro de un equipo (un jefe de proyecto, por ejemplo) o en nombre de un rol concreto dentro de la organización, como un analista financiero.
Arquitectura: persistencia, sub-agentes y elección del modelo
El agente se ejecuta en la nube y conserva un único grafo de personalización, sea cual sea el dispositivo. Distingue cuatro memorias: la sesión en curso, una base de conocimiento semántica, una memoria procedimental (incluyendo skills que él mismo se escribe) y una memoria episódica de todo lo que ya ha hecho.
Para las tareas largas, genera un equipo de sub-agentes temporales, cada uno con su identidad, y coordina pasos paralelos o secuenciales. Los «coworker agents», por su parte, son duraderos, poseen su dirección en @agents.company.com y solo ven el contexto que se les comparte.
El punto más estratégico: Google separa el agente del modelo. Gemini y Claude de Anthropic ya se orquestan hoy, bajo el argumento de que «el mejor modelo para la tarea no siempre es el más grande» y que el líder cambia cada pocos meses.
El agente se conecta a las herramientas existentes (Confluence, Teams, Slack, Jira, Salesforce, ServiceNow, BigQuery, Snowflake, Databricks…) y a cualquier servidor MCP, con registros corporativos para compartir tools y skills.
En Workspace, un compañero con cuenta propia
En Gmail, Docs, Sheets, Slides, Chat y Calendar, Gemini trabaja inline. Ejemplo dado: organizar una reunión con «el equipo habitual de responsables regionales» sin dar un solo nombre, deduciendo el agente los participantes a partir de un espacio de Chat y un hilo anterior.
La delegación se vuelve proactiva: cuando un manager pide un informe de avance en slides, Workspace Intelligence propone encargar la tarea a Gemini con un clic, y ordena la bandeja de entrada por importancia en lugar de por fecha.
Un coworker agent creado a partir de una simple descripción de rol recibe correo, agenda, Drive y una entrada en el directorio. Comenta los documentos bajo su propio nombre y aparece en el historial de versiones.
Datos y verticales de negocio
Para los ingenieros de datos y ML, Gemini genera PySpark, entrena modelos y repara pipelines. Para los perfiles de negocio, construye consultas de reporting sobre BigQuery que, una vez guardadas, se ejecutan sin coste en tokens.
Tres piezas anclan las respuestas: el Knowledge Catalog (definiciones de negocio compartidas, que elevó un 63 % la precisión SQL en Bloomberg Media), Smart Storage para el 90 % de datos no estructurados, y un Borderless Lakehouse que consulta S3 y Azure sin costes de egress y federa tablas Apache Iceberg.
Las versiones Finance y Legal están en preview. La primera presume de scores de confianza, data lineage y citas verificables, ya usada por CME Group y Deutsche Bank; la segunda hereda los ethical walls de iManage y NetDocuments, con Harvey, Onit y Cooley como socios.
Gobernanza y costes, las dos condiciones para escalar
Kurian resume la gobernanza en cuatro preguntas: quién es el agente, qué puede hacer, qué ha hecho, qué no debe tocar jamás. Respuesta: identidad certificada criptográficamente y mínimo privilegio, permisos propagados vía OAuth, auditoría atribuida al agente y no a un humano.
Todo se ejecuta dentro de un Agent Sandbox, y todo el tráfico pasa por Agent Gateway, un firewall de red para la IA. Una política escrita una sola vez («sin acceso a documentos Need to Know») se aplica a todos los agentes.
Sobre los costes, Google recuerda que el precio por token ha caído un 98 % desde 2024 pero que los volúmenes se han disparado. De ahí el enrutamiento multi-modelo, el Smart Routing y los límites de gasto por proyecto que pausan al agente, con posible refacturación por departamento.
Infraestructura, modelos y clientes
El TPU 8i ofrecería un 80 % más de price-performance que la generación anterior. Se detalla la gama de modelos: Argon para razonamiento frontier, Flash para velocidad, Omni para medios generativos, Gemma para edge en open weights, que el JPL de la NASA ejecuta en un satélite en órbita.
La lista de clientes es larga: BNP Paribas (65 000 empleados), Bradesco (revisión documental reducida de una hora a cinco minutos), SOMPO (más de 10 000 agentes), DBS (cadenas de 70 a 80 agentes para credit memos), o el CDAO estadounidense, que ha puesto Gemini Enterprise en manos de 3 millones de miembros de las fuerzas armadas.
Accenture crea un business group dedicado y las consultoras han hecho pasar a más de cien mil consultores por hackathons de Gemini en un mes.
“Work now starts in the prompt window.”
“You give it objectives, not instructions.”
“The best model for the task is not always the largest one.”
Por qué importa
El anuncio marca un desplazamiento claro: Google ya no vende primero un modelo, sino un agente que elige sus modelos, incluidos los de Anthropic. Es una admisión lúcida de que la capa de modelo se está convirtiendo en commodity y que el valor reside ahora en el contexto, la memoria, los conectores y la gobernanza, es decir, en lo que hace difícil que un cliente se vaya. El discurso de «lo que construyes sigue siendo tuyo» merece por tanto leerse con distancia: los datos no se mueven, pero los skills, la memoria procedimental y los coworker agents viven en Google, y es precisamente ahí donde se crea la adherencia. La idea de agentes con dirección de correo, agenda y un lugar en el directorio también plantea cuestiones concretas de responsabilidad y organización del trabajo que el registro de auditoría no resuelve por sí solo. Finalmente, las cifras de clientes citadas (x3 de conversión, 80 % de tiempo ahorrado) son autodeclaradas en el contexto de un keynote, sin metodología: útiles como señales de adopción, no como benchmarks. Frente a Microsoft Copilot y las ofertas empresariales de OpenAI y Anthropic, Google apuesta por la integración vertical completa, desde los TPU hasta Workspace, como ventaja decisiva.
Para ti
Ponla a trabajar con tus fuentes.
Gratis: un mes de artículos y tres fuentes tuyas. Pro: todo el archivo y tus fuentes, desde 8 €/mes.
Para tu equipo
La misma máquina, sobre tus temas.
Un espacio con tus colores, tus ángulos de vigilancia, tus curadores. Piloto abierto a tres empresas.
Sigue leyendo
#agentesHoyCloudflare lanza Clef-omni: un modelo de decisión que ve, oye y decide
Una semana después de sus primeros modelos open-weight, Cloudflare añade audio y vídeo, divide por más de dos el precio de Clef-flash y acelera Clef.
Fuente · Cloudflare Blog · Introducing Clef-omni with full multimodality, plus a faster Clef and a cheaper Clef-flash
#políticaHoyAdam Schiff: el Congreso frente a la IA, entre la Sección 230 y la ley de Murphy
El senador demócrata de California desmonta el pacto voluntario firmado en la Casa Blanca y aboga por una «FDA de la IA», reconociendo al mismo tiempo que el Congreso nunca supo regular la tecnología.
Fuente · The Verge – Decoder · Sen. Adam Schiff on making Congress relevant in the AI age
#open sourceHoyBeam: Reflection lanza un MoE abierto de 501B apostando por el RL masivo
Con 501.000 millones de parámetros, 23.000 millones activos y 100 millones de rollouts de reinforcement learning, Reflection quiere demostrar que Occidente todavía puede competir en el open-weight.
Fuente · Reflection AI · Introducing Beam: Reflection's 501B open-weight model