Google lanza Gemini agent: la IA empresarial pasa de "elegir modelos" a "gestionar agentes"

Qué ocurrió

El 8 de octubre de 2026, Google Cloud anunció el agente Gemini en su evento Gemini at Work 2026 — definido oficialmente como "un agente único y universal para el trabajo". Responde preguntas de conocimiento, realiza trabajo de conocimiento, crea imágenes y medios, y escribe y ejecuta código, todo a través de un único cuadro de prompt y una única API. En la publicación oficial del blog adaptada de su discurso inaugural, el CEO Thomas Kurian lo planteó así: le das objetivos, no instrucciones; delegas un resultado y regresas a un trabajo terminado.

El agente se apoya en seis principios arquitectónicos. Un agente unificado: chat, cumplimiento autónomo de objetivos y programación conviven en una sola interfaz. Acceso omnipresente: web, iOS, Android, Windows y Mac, además de la línea de comandos, Google Workspace, Microsoft 365, Slack, aplicaciones de terceros y operación headless. Ejecución persistente en la nube: un único conjunto de memoria, contexto y grafo de personalización te acompaña entre dispositivos, y el trabajo puede durar horas o incluso días — cerrar el portátil no lo detiene. Orquestación multiagente: puede crear dinámicamente subagentes temporales, cada uno con su propia identidad, que ejecutan tareas de varios pasos en paralelo o en secuencia; también puede crear agentes coworkers persistentes — como miembros del equipo — con sus propias direcciones @agents.company.com, calendarios, almacenamiento en Drive y almacenamiento persistente, visibles solo para el contexto que se les conceda explícitamente. Profundamente contextual: mantiene cuatro tipos de memoria — memoria de sesión, memoria semántica, memoria procedimental y memoria episódica.

[1] [2] [3]

El movimiento clave: desacoplar el modelo del agente

El blog oficial lo dice con claridad: Gemini es el agente, y el modelo subyacente es una elección aparte. Enruta cada tarea al modelo que mejor se ajuste — hoy la familia Gemini de Google y los modelos Claude de Anthropic, con más modelos privados y abiertos por venir. La frase de Kurian merece citarse textualmente: "El modelo líder cambia cada pocos meses", así que mantener abierta esa elección significa que tu contexto, tus skills y tus datos nunca tienen que mudarse.

El coste y la gobernanza vienen en par. En coste: orquestación multimodelo, Smart Routing y límites de gasto en tiempo real. En gobernanza: gestión de identidad y políticas, controles de autorización y permisos, sandboxing seguro y pasarelas de red. La integración con Workspace es donde aterriza: Gemini trabaja dentro de Gmail, Drive, Docs, Slides, Sheets, Chat y Calendar en tres modos — asistencia personal, delegación proactiva (reconoce una tarea delegable en un correo y la transfiere con un clic) y miembro del equipo (un agente coworker con su propia cuenta de Workspace, presente en el directorio de la empresa, mencionable con @ en una sala de chat).

La lista de conectores es larga: Confluence, Microsoft Office, Teams, Slack, Git, Jira, Salesforce, ServiceNow, BigQuery, Databricks, Postgres, Snowflake, archivos de escritorio y cualquier servidor MCP dentro o fuera de la red de la empresa — además de un registro empresarial de herramientas, un registro de skills y skills de análisis de datos en lenguaje natural. En verticales, las ediciones específicas para servicios financieros y equipos legales ya se anunciaron (en preview según Reuters), con ediciones para gobierno, salud y retail en camino. El bufete Cooley se ha anunciado como socio de lanzamiento de un agente de redacción para litigios.

[1] [2] [6]

Por qué importa: tres cambios

Primero, cambia la lógica de compra. Durante el último año la pregunta central de compra de IA empresarial era "qué modelo"; el agente Gemini la degrada a una política de enrutamiento — la plataforma de agentes elige por ti. Es un golpe directo a cada equipo que construye su propia pasarela de modelos: cuando el propio Google orquesta los modelos de Anthropic, la narrativa de plataforma "solo nuestros modelos" ya no se sostiene.

Segundo, la identidad del agente se convierte en un objeto de gobernanza de primera clase. Un agente coworker tiene su propio correo, calendario y atribución en el historial de versiones — cuando sugiere una edición en un comentario de un documento, aparece con su propio nombre en el historial. Eso significa que la auditoría, los permisos y las bajas — los viejos problemas de RR. HH. e IT — deben rehacerse para "empleados" no humanos. Identidad, política, sandbox, pasarela: la metodología que las empresas usaban para gobernar aplicaciones SaaS se está trasladando a los agentes.

Tercero, la arquitectura de memoria se está estandarizando. Una vez que un gran proveedor escribe la división en cuatro memorias (sesión/semántica/procedimental/episódica) en su arquitectura oficial, puede convertirse en el vocabulario por defecto de la industria. Los equipos que construyen infraestructura de agentes deben decidir ahora si sus propias capas de memoria se alinean con ese lenguaje — alinearse compra comprensión de los compradores; divergir cuesta explicación.

[1]

Contrapuntos y lo que aún no puede afirmarse

Primero, el límite de la evidencia. Cada cifra de adopción en la publicación oficial — casi 500 clientes que procesan más de un billón de tokens cada uno en el último año, casi el 80% de los clientes de Cloud usando sus productos de IA, casi el 90% de las Fortune 100 usando Gemini Enterprise — y casos como Bradesco reduciendo la revisión de documentos "de una hora a cinco minutos" u Orange Spain desplegando "más de 1.000 agentes" son afirmaciones propias de Google, sin auditoría independiente. No pueden citarse como referencia del sector.

Segundo, faltan datos comerciales clave: la publicación no revela precios ni calendario de disponibilidad general. Informes de terceros (runtimewire, citando a 9to5Google) dicen que el producto sigue en private preview, con una disponibilidad más amplia en fases para planes selectos de Workspace Business y Enterprise — trátese como información de terceros hasta que Google lo confirme.

Tercero, "enrutar cada tarea al mejor modelo" suena elegante, pero los criterios de decisión de Smart Routing, la explicabilidad de las decisiones de enrutamiento y la atribución de costes entre modelos no se han divulgado. Hasta que los costes sean realmente auditables, la promesa de ahorro de la orquestación multimodelo es una afirmación de marketing.

Por último, el riesgo de dependencia es real. La memoria, los skills y los registros de herramientas del agente se asientan dentro del sistema de Google Cloud; "mantener abierta la elección" aplica a la selección de modelos, no a la migración de plataforma. Apostar las identidades de agentes y el grafo de memoria de una empresa a un único proveedor cloud es una decisión de nivel directivo.

[1] [6] [5]

Acciones para constructores y decisores

Para los constructores: primero, rehacer el modelo de permisos en torno a la "identidad del agente" — el correo y el almacenamiento de un agente coworker son una superficie de ataque real, y el mínimo privilegio ahora aplica a principales no humanos. Segundo, actualizar las suposiciones de interfaz: los agentes pueden trabajar dentro de documentos, correo y chat, así que "abrir una app de IA" puede dejar de ser el inicio del recorrido del usuario. Tercero, evaluar la lista de conectores MCP uno por uno — es la vía más barata para conectar los sistemas existentes a una plataforma de agentes.

Para los decisores: primero, mover parte del presupuesto de "selección de modelos" a "gobernanza de agentes" — identidad, auditoría y límites de gasto son partidas más urgentes que los parámetros del modelo. Segundo, exigir informes de explicabilidad de las decisiones de enrutamiento; no pagar por un Smart Routing de caja negra. Tercero, pilotar la fiabilidad de las tareas largas "de horas a días" con datos propios del negocio — la promesa de ejecución persistente necesita retestearse fuera del discurso de lanzamiento.

En una línea: lo que Google ha lanzado no es un modelo más potente, sino el prototipo de un sistema operativo empresarial de "agente como empleado". Los modelos cambiarán cada pocos meses; identidad, memoria, gobernanza y enrutamiento son las preguntas de infraestructura que se quedarán los próximos tres años.