Google lanza un agente Gemini orientado a empresas con soporte multimodelo

En un evento de Google Cloud el jueves, la empresa anunció una expansión significativa de su plataforma de IA Gemini, introduciendo un agente unificado diseñado para uso empresarial. Esta nueva capacidad va más allá de las simples respuestas a preguntas para ejecutar tareas complejas en nombre de los usuarios, integrándose directamente con datos y flujos de trabajo empresariales. El lanzamiento apunta primero a entornos corporativos, aprovechando la presencia actual de Gemini en casi el 90 % de las empresas Fortune 100.

Qué ocurrió

Google está transformando Gemini de una herramienta conversacional a un agente activo capaz de planificar y ejecutar trabajo. Thomas Kurian, CEO de Google Cloud, declaró que los usuarios ahora pueden proporcionar objetivos en lugar de solo instrucciones. El agente determina autónomamente los pasos necesarios, utiliza habilidades personalizadas y se conecta a sistemas internos para lograr estas metas. Este enfoque aborda la creciente demanda de IA que pueda manejar procesos de extremo a extremo, como programación, codificación y análisis de datos, sin intervención humana constante.

La estrategia de despliegue prioriza a las empresas para abordar desafíos críticos en seguridad, escala y rendimiento antes de expandirse a mercados de consumo. Sundar Pichai, CEO de Google, destacó que este enfoque por fases permite a la empresa perfeccionar la tecnología dentro de entornos empresariales controlados. Con más de 1 mil millones de usuarios activos mensuales ya interactuando con Gemini, la infraestructura está lista para apoyar una adopción generalizada, pero el enfoque inicial sigue siendo resolver problemas operativos más difíciles para grandes organizaciones.

Las pruebas tempranas involucraron a grandes empresas incluyendo Shopify, PayPal y On. Otros clientes notables de Gemini Enterprise incluyen BNP Paribas, Merck y Ulta Beauty. Estas organizaciones están utilizando la plataforma para integrar la IA en sus operaciones diarias, probando su capacidad para gestionar flujos de trabajo complejos e interactuar de forma segura con diversos ecosistemas de software.

Cómo funciona

El agente funciona como una entidad distinta dentro de la organización, completa con su propia cuenta de Google Workspace, dirección de correo electrónico y contexto. Comprende estructuras organizacionales, incluyendo membresías de equipos, zonas horarias y jerarquías de aprobación. Los usuarios pueden interactuar con el agente etiquetándolo en chats, enviando correos electrónicos o compartiendo archivos. A medida que realiza tareas, genera un registro de auditoría atribuido al propio agente, asegurando transparencia y responsabilidad por las acciones automatizadas.

Una característica técnica clave es el selector de modelo, que permite al sistema elegir el modelo de IA más apropiado para una tarea dada. Por defecto, Gemini elige el mejor modelo, pero los usuarios pueden anular manualmente esta selección. El sistema actualmente admite modelos de terceros, comenzando con Claude de Anthropic, y planea incluir modelos de código abierto y privados en el futuro. Esta flexibilidad permite a las empresas equilibrar el rendimiento, el costo y requisitos específicos de capacidades.

La conectividad se maneja mediante integraciones estándar y el Model Context Protocol (MCP). El agente se conecta a plataformas como Microsoft 365, Slack, Jira, Git, BigQuery, Snowflake y Postgres. También puede interfaz con cualquier servidor MCP, ya sea ubicado dentro o fuera de la red de la empresa. Una interfaz de "bandeja de entrada de tareas" proporciona visibilidad sobre el razonamiento del agente, la delegación a subagentes y el progreso, permitiendo a los usuarios monitorear e intervenir si es necesario.

Detalles clave

• El agente opera con su propia identidad de Workspace, incluyendo una dirección de correo electrónico única y conciencia contextual de la estructura de la empresa.
• Los usuarios pueden elegir entre múltiples modelos de IA, incluyendo opciones de terceros como Claude de Anthropic, con soporte futuro para modelos de código abierto.
• La integración se extiende a herramientas empresariales principales como Microsoft 365, Slack, Jira, Git, BigQuery, Databricks y Snowflake.
• El sistema soporta el Model Context Protocol (MCP) para conexiones seguras a servidores internos y externos.
• Los nuevos controles financieros incluyen orquestación multimodelo, enrutamiento inteligente y límites de gasto en tiempo real para gestionar costos de IA.
• El acceso está disponible en iOS, Android, Windows, Mac, interfaces de línea de comandos y varias plataformas de productividad.

Por qué importa

Para ingenieros de software y líderes de TI, este lanzamiento representa un cambio hacia flujos de trabajo agénticos que requieren gobernanza y monitoreo robustos. La capacidad de asignar objetivos en lugar de instrucciones paso a paso reduce la carga cognitiva en los desarrolladores pero aumenta la necesidad de confianza en la toma de decisiones autónoma. Los registros de auditoría incorporados y las identidades distintas de agentes ayudan a mitigar riesgos proporcionando atribución clara para acciones tomadas por la IA, lo cual es crucial para cumplimiento y depuración en entornos empresariales.

El soporte para orquestación multimodelo y conectividad MCP aborda un punto de dolor común en la adopción de IA: bloqueo de proveedor y complejidad de integración. Al permitir a los equipos enrutar tareas a diferentes modelos basándose en costo o capacidad, las organizaciones pueden optimizar su gasto y rendimiento de IA. La inclusión de modelos de código abierto y privados en la hoja de ruta sugiere además un movimiento hacia arquitecturas de IA híbridas, donde datos sensibles pueden procesarse localmente mientras se aprovechan potentes modelos en la nube para otras tareas.

Qué puedes hacer

• Evalúa tus necesidades actuales de automatización de flujos de trabajo para identificar tareas adecuadas para delegación basada en objetivos.
• Revisa tus integraciones existentes con herramientas como Slack, Jira o BigQuery para prepararte para conexiones compatibles con MCP.
• Establece directrices para interacciones con agentes de IA, incluyendo jerarquías de aprobación y procesos de revisión de registros de auditoría.
• Monitorea la disponibilidad de soporte para modelos de terceros y de código abierto para planear estrategias multimodelo.
• Prueba la interfaz de "bandeja de entrada de tareas" para entender cómo la visibilidad en el razonamiento del agente puede mejorar la supervisión.
• Evalúa tu gasto actual en IA y explora las nuevas opciones flexibles de gasto como límites de gasto en tiempo real.