Google ha utilizado su conferencia Google Cloud Next 26 para lanzar un mensaje claro al mercado empresarial: la inteligencia artificial deja de ser un asistente puntual y pasa a ejecutar procesos, coordinar agentes y manejar datos dentro de los sistemas corporativos. La compañía bautiza este modelo como «empresa agéntica» y promete aterrizarlo en producción durante los próximos meses.
Thomas Kurian, consejero delegado de Google Cloud, defendió en la apertura del evento que la IA generativa ya pasó la fase de experimentación. Según los datos que manejó la propia compañía, el 75% de sus clientes cloud usa algún producto de IA de Google y los modelos procesan 16.000 millones de tokens por minuto a través de su API. La cifra le sirve para justificar el siguiente movimiento, que es empaquetar todas estas piezas en una plataforma única para empresas.
El anuncio principal del evento fue Gemini Enterprise Agent Platform, una capa que permite crear, gestionar y supervisar agentes de IA conectados a herramientas internas, aplicaciones de terceros y políticas de seguridad. Google la presenta como la evolución natural de Vertex AI, con módulos específicos como Agent Studio, Agent-to-Agent Orchestration y Agent Observability, pensados para que los equipos de TI no pierdan el control cuando los agentes empiecen a tomar decisiones automatizadas.
Junto a esta plataforma, la compañía lanzó la aplicación Gemini Enterprise, dirigida a empleados sin perfil técnico. Con Agent Designer, Inbox y Skills cualquier usuario puede crear asistentes que sigan instrucciones largas, consulten fuentes internas y mantengan contexto a lo largo de un proceso. El objetivo está claro, y es competir contra OpenAI y los proveedores especializados en áreas como atención al cliente, finanzas y gestión documental, donde el retorno de la automatización es más fácil de defender ante un comité.
En el frente del hardware, Google presentó la octava generación de sus TPUs, divididas en dos líneas. La TPU 8t se orienta al entrenamiento de modelos y la TPU 8i a la inferencia en producción. La compañía asegura mejoras notables en potencia y rendimiento por vatio, un factor cada vez más relevante por el coste energético real de cada prompt y por las restricciones de capacidad eléctrica que ya afectan a centros de datos en Estados Unidos y Europa.
El otro pilar técnico fue Agentic Data Cloud, una arquitectura que conecta a los agentes de IA con datos repartidos por sistemas distintos. Incluye un Lakehouse multicloud y un Knowledge Catalog que actúa como memoria contextual, de forma que el agente sabe qué información puede consultar, cómo está estructurada y bajo qué políticas. Sin esa capa, según Google, los agentes responden sobre datos parciales y los proyectos de IA se atascan.
Una buena parte del evento se dedicó al control de los propios agentes. Google insistió en tres frentes, que son la identidad (cada agente como entidad auditable), la observabilidad (saber en todo momento qué hace y por qué) y la detección de anomalías. La compañía presentó Agentic Defense, un paquete que mezcla inteligencia de amenazas y operaciones de seguridad con el argumento de que los agentes ya no solo responden preguntas, también ejecutan acciones que pueden romper procesos críticos si nadie los vigila.
Esta preocupación coincide con un debate creciente en el sector. Hace pocos días, Madrid Network y MTP reunieron en Madrid a directivos del sector para discutir gobernanza de IA en empresas, una conversación que en muy poco tiempo ha pasado del laboratorio al consejo de administración.
Google también enseñó Workspace Intelligence, una capa semántica que se añade a Gmail, Docs, Drive y al resto de aplicaciones. La idea es que dejen de comportarse como herramientas independientes y compartan un contexto común, así que cuando un agente trabaje en un correo o un documento sabrá qué hay en el resto del entorno del usuario sin necesidad de subir archivos ni reescribir prompts. El movimiento pisa de lleno el terreno donde Microsoft 365 Copilot ha ido construyendo cuota.
La pelea entre Google, AWS y Microsoft ha cambiado de plano. Hace tres o cuatro años se medía en almacenamiento, cómputo y descuentos por reserva, y ahora se mide en quién aloja la plataforma donde una empresa construye sus agentes, conecta sus datos y aplica reglas de gobernanza. Microsoft empuja fuerte con Copilot y AWS con Bedrock, mientras Google encadena la misma carrera de inversión en centros de datos que sostienen los hyperscalers.
Toca ver si la «empresa agéntica» sale del PowerPoint y aterriza en proyectos rentables. Google ha presentado un catálogo amplio, pero la cuestión real son los despliegues a escala. Cuánto tarda una empresa europea con datos sensibles en pasar de un piloto a producción, qué coste tiene mantener esa infraestructura y cómo se gestionan los fallos cuando un agente toma una decisión equivocada. Las respuestas no se vieron en el escenario.
Es el modelo que Google plantea para que la IA deje de ser un asistente puntual y pase a ejecutar procesos, coordinar agentes entre sí y manejar datos corporativos dentro de las políticas de seguridad de cada compañía.
Vertex AI se centraba en el ciclo de vida de los modelos. La nueva plataforma añade Agent Studio, orquestación entre agentes y observabilidad, pensados para gestionar agentes que actúan, no solo modelos que se entrenan o se consultan.
Google ha dividido la línea en TPU 8t para entrenamiento y TPU 8i para inferencia. La compañía promete mejor rendimiento por vatio, un dato relevante porque la factura eléctrica y la disponibilidad de energía pesan cada vez más en la economía de los centros de datos de IA.
Es la arquitectura con la que Google quiere conectar agentes de IA con datos empresariales repartidos por distintos sistemas. Incluye un Lakehouse multicloud y un Knowledge Catalog que define qué información puede consultar cada agente y bajo qué reglas.
Más información y referencias en Revista Cloud.
