MOUNTAIN VIEW, California — Thomas Kurian subió al escenario del Gemini at Work 2026 con una frase que condensa la nueva fase de la industria: “Today, Gemini becomes an agent”. No era retórica de keynote. El 8 de octubre de 2026, Google Cloud convirtió a Gemini en un agente universal de trabajo: un programa que recibe objetivos en lugar de instrucciones paso a paso, planifica el trabajo, usa herramientas y habilidades personalizadas, se conecta a los sistemas de la empresa y devuelve algo terminado. El chatbot que respondía preguntas ahora quiere cerrar tareas.
El anuncio llega en plena aceleración. En septiembre, OpenAI presentó sus agentes dots —diseñados para perseguir objetivos del usuario entre aplicaciones de forma autónoma— y Meta lanzó Muse, un agente personal capaz de comprar, reservar viajes, enviar correos y hacer pagos. El contexto lo resume bien la cobertura de la semana: la carrera ya no es por el mejor chatbot, sino por el agente que capture el flujo de trabajo. Sobre esa jugada de OpenAI publicamos un análisis detallado en nuestro reportaje sobre los agentes dots de OpenAI.
La paradoja que subyace al anuncio de Google define la economía de la IA empresarial en 2026. Los modelos de frontera se están comoditizando —Gemini, Claude y GPT compiten en benchmarks que se renuevan cada trimestre—, de modo que el valor migra a la capa que falta: el agente que orquesta el trabajo real dentro de las empresas. Quien controle esa capa controlará los presupuestos de software de la próxima década. La apuesta de Google es que esa capa viva dentro de Workspace y de los sistemas que sus clientes ya usan a diario.
El contexto de distribución favorece a Mountain View en un frente decisivo: la empresa. Según las cifras que Kurian llevó al escenario —reportadas por la compañía, no auditadas de forma independiente—, casi 500 clientes de Google Cloud procesaron más de un billón de tokens cada uno durante el último año, cerca del 80% de sus clientes ya usa productos de IA y casi el 90% de la lista Fortune 100 usa Gemini Enterprise. Los nombres citados no son startups de demostración: la marca suiza de ropa deportiva On probó la selección dinámica de modelos; Shopify mezcla modelos de frontera para millones de comercios; PayPal enruta 10 millones de peticiones multimodelo por semana; Orange España desplegó más de 1.000 agentes personalizados. El orden de magnitud, incluso con el descuento de escepticismo que merece toda cifra de keynote, describe la escala a la que ya opera la IA en la empresa global.
Anatomía del agente: seis principios
Google describió la arquitectura del Gemini agent alrededor de seis principios. Traducidos a lenguaje operativo, quedan así:
| Principio | Qué habilita en la práctica |
|---|---|
| Agente unificado | Un solo agente para trabajo de conocimiento, preguntas, creación de contenido y código, desde una misma caja de prompt |
| Acceso omnipresente | Web, iOS, Android, Windows, Mac, línea de comandos, Workspace, Microsoft 365, Slack y entornos headless |
| Ejecución persistente | El trabajo continúa durante horas o días reteniendo identidad, memoria y contexto, incluso con el portátil cerrado |
| Orquestación multiagente | Crea subagentes para descomponer tareas complejas y coordina “coworker agents” con identidad propia (@agents.company.com), almacenamiento persistente y acceso solo al contexto compartido |
| Contexto profundo | Usa datos, herramientas, skills y memoria relevantes del negocio |
| Elección de modelo | Enruta cada tarea entre modelos de la familia Gemini y Claude de Anthropic —con modelos privados y abiertos “próximamente”—, con controles de costo integrados |
El andamiaje empresarial lo completan tres piezas que importan más que el marketing: conexión segura a cualquier servidor MCP (el protocolo que estandariza cómo los agentes usan herramientas externas), skills personalizadas que el cliente puede añadir, y una capa de gobernanza con gestión de identidad y políticas, controles de autorización, sandboxing seguro y pasarelas de red. En costos, Google promete orquestación multimodelo, enrutamiento inteligente y topes de gasto en tiempo real. Esa última promesa revela algo: los topes existen porque las facturas de agentes autónomos pueden sorprender.
La fricción: lo que el keynote no dijo
El entusiasmo merece contrapeso, y hay material de sobra sin salir de los hechos reportados.
Primero, la atribución de las cifras. Casos como el del banco brasileño Bradesco —revisión documental de una hora a cinco minutos— o los 10 millones de peticiones semanales de PayPal provienen del discurso de Kurian. Son afirmaciones de la compañía, no resultados auditados por terceros. La dirección es creíble; la magnitud exacta, todavía no verificable.
Segundo, la identidad de los “coworker agents”. Un agente con dirección de correo propia, almacenamiento persistente y acceso a sistemas del negocio es operativamente un empleado digital. ¿Quién firma su trabajo? ¿Quién responde cuando el agente que trabajó tres días seguidos comete un error caro el segundo día? La autonomía persistente es la gran promesa y, al mismo tiempo, el gran agujero de rendición de cuentas. No es un detalle menor: ya hemos documentado cómo agentes autónomos intentan saltarse barreras de seguridad web en escenarios reales, en nuestro análisis sobre agentes que evaden controles web.
Tercero, el dato más revelador del anuncio: el agente insignia de Google enruta tareas a Claude, el modelo de Anthropic. Lejos de constituir un hecho fortuito, es una confesión estratégica: ningún laboratorio gana solo, y Google lo sabe. La capa del modelo se vuelve fungible e intercambiable; la batalla se traslada a quién orquesta mejor. Para los clientes es una buena noticia a corto plazo —más opciones, mejor precio—, pero introduce una dependencia curiosa: el futuro del trabajo en Workspace pasa, en parte, por un rival.
Cuarto, el costo real a escala. Diez millones de peticiones multimodelo por semana suenan a eficiencia hasta que se traducen a factura. Los controles de gasto en tiempo real son imprescindibles, no opcionales, y la disciplina financiera será tan importante como la arquitectura técnica.
El lente latinoamericano: Bradesco como precedente
Detrás de la retórica corporativa se libra una lectura regional que importa más que el keynote. El caso de Bradesco no es anecdótico: es la prueba de que el caso de uso —procesamiento documental intensivo en banca— ya funciona en Latinoamérica, con la regulación y la complejidad operativa que eso implica. Si un banco brasileño recorta una revisión documental de una hora a cinco minutos, la pregunta para la banca colombiana, las BPO, las aseguradoras y el retail no es si llegará, sino a qué velocidad.
Tres variables deciden la adopción en Colombia. La primera es el costo en dólares frente a presupuestos en pesos: el enrutamiento inteligente entre modelos y los topes de gasto dejan de ser features y se vuelven la herramienta del CFO. La segunda es la soberanía del dato: un agente con memoria persistente que retiene el contexto del negocio durante días plantea preguntas de residencia y auditoría que los sectores regulados —bajo vigilancia de la Superintendencia Financiera— no pueden delegar al marketing del proveedor. La tercera es la integración sin reemplazo: la conectividad MCP y las skills personalizadas ofrecen un camino para enchufar ERPs, CRMs y canales de WhatsApp existentes sin cirugías de rip-and-replace, que es exactamente como opera la mediana empresa colombiana.
El riesgo simétrico es el lock-in. Una capa agéntica que vive dentro de los documentos, los correos y los sistemas de la empresa, que aprende de cada interacción y acumula memoria del negocio, se vuelve el sistema operativo del trabajo. Cambiar de proveedor después deja de ser una migración de software para convertirse en una lobotomía organizacional. La jugada pragmática es pilotar un solo flujo documental con línea base medida, exigir trazabilidad completa de lo que el agente hizo durante sus turnos autónomos, y mantener los datos y las integraciones en estándares abiertos (MCP) para que la salida siga siendo una opción real.
Cierre
Kurian cerró su keynote con la frase que abrió esta crónica: denle objetivos, no instrucciones. La industria lleva dos años prometiendo que la IA trabajará por nosotros; Google acaba de ponerle fecha, superficie y precio a la promesa. La pregunta ya no es si los agentes harán el trabajo, sino quién audita al trabajador que nunca duerme —y quién paga su factura.