Principales destacados
- Un agente para todo: Gemini Agent reúne investigación, creación de contenido, generación de imágenes, programación y ejecución de tareas en una única interfaz y API.
- Modelo a medida: el sistema puede alternar entre modelos Gemini y Claude según la tarea, con la promesa de equilibrar calidad y costos.
- IA que sigue trabajando: los agentes pueden ejecutar tareas durante horas o días, acceder a sistemas corporativos y operar con identidad, permisos y registros de auditoría propios.
Google Cloud quiere cambiar la manera en que las empresas trabajan con inteligencia artificial. En lugar de ofrecer una colección de asistentes especializados, la compañía presenta Gemini Agent, una especie de agente universal capaz de recibir una tarea, planificar su ejecución, elegir herramientas y modelos y entregar el resultado final.
El anuncio se realizó este jueves (8), durante el evento Gemini at Work 2026, por Thomas Kurian, CEO de Google Cloud.
La propuesta es ambiciosa: el usuario ya no tendría que decidir qué modelo utilizar, qué herramienta abrir o en qué sistema ejecutar cada etapa. Simplemente describe lo que necesita.
🧠 La idea es ocultar la complejidad: Gemini funciona como una capa de orquestación que entiende el objetivo, divide el trabajo y decide qué recursos utilizar para llegar al resultado.
“Gemini es el agente, mientras que el modelo subyacente es una elección independiente.”
Esta distinción es una de las partes más importantes del anuncio. Google no está tratando a Gemini solamente como un modelo de IA, sino como una especie de capa operativa capaz de trabajar con diferentes modelos por debajo.
¿Gemini o Claude? La elección queda en manos del agente 🤖
Una de las novedades más interesantes está precisamente en la posibilidad de utilizar modelos de diferentes empresas.
Gemini Agent podrá orquestar actualmente modelos de la familia Gemini, de Google, y Claude, de Anthropic. La compañía afirma que pretende añadir otros modelos abiertos y privados en el futuro.
En la práctica, esto significa que una empresa no tendría necesariamente que depender de un único modelo de inteligencia artificial para todas sus tareas.
La pregunta sobre cuál es el mejor modelo para cada trabajo pasa a ser responsabilidad del propio agente.
La lógica tiene sentido en un mercado en el que los modelos más competitivos cambian rápidamente. Una tecnología puede ser mejor para programación, otra para análisis de documentos y una tercera para determinada tarea multimodal.
Google sostiene que mantener esta capa independiente del modelo permite preservar el contexto, los datos y las habilidades de la empresa incluso cuando cambie la tecnología subyacente.
💰 También existe una cuestión de costos: el sistema está diseñado para elegir modelos teniendo en cuenta no solo la calidad, sino también la eficiencia en el uso de tokens.
No es simplemente un chatbot
Gemini Agent fue diseñado para funcionar de una manera muy diferente a un chatbot tradicional.
Puede responder preguntas en una conversación, pero también trabajar de forma autónoma en objetivos definidos por el usuario, crear contenido, generar código y utilizar herramientas externas.
La arquitectura presentada por Google se basa en algunos principios.
| Capacidad | Qué hace Gemini Agent |
|---|---|
| Agente unificado | Conversa, ejecuta tareas y genera código en una única interfaz |
| Ejecución persistente | Mantiene trabajos en ejecución incluso después de que el usuario cierra el ordenador |
| Multiagente | Crea subagentes temporales para dividir tareas complejas |
| Contexto y memoria | Utiliza historial, herramientas, datos y contexto organizacional |
| Elección de modelos | Alterna entre Gemini, Claude y otros modelos según la necesidad |
La ejecución persistente es particularmente relevante.
Si una tarea tarda horas o días, puede continuar procesándose en la nube incluso después de que el usuario cierre su ordenador. Cuando vuelva, encontrará el trabajo en el punto en que lo dejó.
Es un cambio importante de mentalidad: la IA deja de ser solamente algo que responde cuando se le pregunta y empieza a funcionar como un trabajador digital que continúa ejecutando una misión.
¿Y si la IA pudiera tener su propio correo electrónico? 📧
Google va todavía más lejos al presentar la posibilidad de transformar agentes en miembros permanentes de un equipo.
En este escenario, el agente puede tener una función definida, almacenamiento propio, acceso al contexto compartido e incluso una identidad como @agents.company.com.
Esto permite tratarlo de manera similar a otros integrantes de la organización.
En Google Workspace, por ejemplo, un agente puede añadirse a un espacio de Chat o mencionarse con @, trabajando directamente con diferentes personas del equipo.
La diferencia es que no necesariamente tiene que asumir la identidad del empleado que lo activó.
El agente pasa a tener su propia identidad.
De Gmail a Git, pasando por Salesforce 🔗
Para funcionar de esta manera, Gemini necesita acceder a los sistemas donde realmente se desarrolla el trabajo.
Google Cloud afirma que el agente podrá conectarse a herramientas de colaboración, desarrollo, sistemas corporativos, bases de datos y archivos locales.
Entre los ejemplos mencionados están:
• Confluence, Microsoft Office, Teams, Slack y Google Workspace;
• Git y Jira;
• Salesforce y ServiceNow;
• BigQuery, Databricks, PostgreSQL y Snowflake;
• archivos almacenados localmente en el ordenador.
El sistema también será compatible con servidores MCP, incluidos aquellos ubicados dentro o fuera de la red corporativa.
Esto amplía considerablemente el alcance del agente. En lugar de simplemente conversar sobre un proyecto, puede acceder a los sistemas necesarios para trabajar efectivamente en él.
🔎 Aquí es donde la propuesta empieza a parecerse más a un empleado digital: Gemini no solo necesita saber qué hacer, sino también tener acceso a las herramientas necesarias para hacerlo.
La IA también aprende cómo trabaja la empresa
Otro componente central es el contexto.
Gemini utiliza información sobre herramientas, datos, historial de trabajo y equipos para personalizar su actuación. La idea es que pase por un proceso similar al onboarding de un nuevo empleado.
Cuanto más trabaja el usuario con el agente, mayor es la cantidad de contexto disponible.
Las empresas también pueden crear proyectos específicos para organizar las habilidades, herramientas e información utilizadas por Gemini.
Google divide esta estructura en tres grandes elementos:
Herramientas: conectan al agente con los sistemas utilizados por la empresa.
Habilidades: permiten crear capacidades especializadas para equipos, departamentos o usuarios.
Contexto y memoria: ayudan a Gemini a comprender personas, proyectos, historial y formas de trabajo.
La combinación de los tres elementos es lo que transforma el modelo en un agente.
Gemini empieza a atravesar todo Workspace
Dentro de Google Workspace, la compañía presentó tres formas principales de utilización.
1️⃣ Asistencia personal: Gemini puede conocer el calendario, los equipos, los proyectos y los documentos relacionados.
Un ejemplo presentado por Google involucra una tarea que atraviesa varias aplicaciones: investigar tendencias de mercado, crear un modelo financiero en Sheets y después preparar una presentación utilizando los resultados.
La promesa es que el usuario no tenga que explicar nuevamente el proyecto cada vez que cambia de herramienta.
2️⃣ Delegación proactiva: Gemini también puede sugerir tareas que podrían delegarse a la IA y destacar mensajes importantes en la bandeja de entrada.
En lugar de simplemente mostrar el correo electrónico más reciente, el sistema puede priorizar aquello que considera más relevante y explicar el motivo.
3️⃣ Miembro del equipo: el usuario puede crear un agente con identidad propia para trabajar directamente con otras personas.
En este modelo, la IA deja de ser solamente una herramienta individual y pasa a formar parte del flujo colectivo de la organización.
Los datos y la programación entran en el mismo flujo 💻
Google Cloud también está orientando Gemini hacia tareas de datos, ingeniería y machine learning.
Para científicos e ingenieros de datos, el sistema puede recibir una descripción en lenguaje natural y generar código PySpark, proporcionar notebooks para edición y pruebas, entrenar modelos y corregir problemas en pipelines.
Para los usuarios de negocios, la propuesta es más sencilla.
Es posible solicitar informes operativos en tiempo real utilizando lenguaje natural, con datos de BigQuery y Knowledge Catalog.
Una vez que una consulta ha sido creada y validada, puede guardarse para su ejecución posterior sin generar nuevamente los mismos costos de tokens, según Google.
La consecuencia es importante: la IA no serviría únicamente para crear una respuesta, sino para convertir una solicitud en un proceso que puede repetirse.
Cuanto mayor es la autonomía, mayor es el desafío de seguridad 🔐
Dar acceso a una IA a sistemas corporativos crea un problema inevitable: ¿quién es responsable de lo que hace el agente?
Google Cloud afirma haber estructurado Gemini Agent para funcionar dentro de una arquitectura de gobierno corporativo.
Cada agente posee su propia identidad y sus acciones quedan registradas en los logs.
Los permisos se definen de acuerdo con funciones y son aprobados por los administradores de seguridad. Cuando el agente accede a un sistema externo, su identidad puede propagarse mediante estándares como OAuth.
Todas las acciones quedan registradas en una pista de auditoría, lo que permite a los administradores supervisar el comportamiento y buscar señales de anomalías.
🛡️ El control también se produce en el entorno de ejecución: los agentes Gemini funcionan en un Agent Sandbox, con límites de red propios.
La idea es que la empresa defina una política de acceso y esta se aplique de manera consistente a los agentes, sin necesidad de configurar cada agente individualmente.
Empresas brasileñas ya utilizan la tecnología
Google también presentó ejemplos de organizaciones brasileñas que utilizan Gemini Enterprise.
En Banco BV, la tecnología se utiliza para crear guiones personalizados para gerentes de relaciones con clientes. Según Google, esto aceleró la comunicación en un 80%.
En Bradesco, Gemini Enterprise se utiliza para automatizar análisis fiscales, contables y contractuales. La compañía afirma que el tiempo de análisis de documentos cayó de una hora a cinco minutos, mientras que las inconsistencias de riesgo se redujeron un 60% y las eficiencias financieras superaron el 10%.
Por su parte, CNA/SENAR utiliza el asistente JoIA en WhatsApp, desarrollado sobre Gemini Enterprise. La solución ya alcanzó 40.000 usuarios activos y ofrece información como precios de insumos, pronósticos meteorológicos y evaluaciones de salud financiera.
En Globo, PlanejaAI utiliza agentes de IA para apoyar a Product Owners, gerentes y analistas en el refinamiento de épicos y la planificación trimestral. Según Google, la solución aumentó un 33% la precisión de la planificación previa al desarrollo, redujo el tiempo de validación de 20 minutos a seis segundos y ahorró 127 horas en un trimestre.
Otras organizaciones brasileñas mencionadas incluyen iFood, Livelo, Sebrae y Yduqs.
Google quiere que el agente elija incluso la herramienta
Hay un cambio de concepto detrás de Gemini Agent que puede ser más importante que cualquier recurso individual.
Durante años, el uso corporativo de IA estuvo concentrado en elegir un modelo, escribir un prompt y esperar una respuesta.
Ahora, la dirección que señala Google es otra.
El usuario presenta un objetivo. La IA decide qué etapas son necesarias, qué habilidades deben utilizarse, qué herramientas deben consultarse y qué modelo es más adecuado para cada parte del trabajo.
En tareas más grandes, también puede crear subagentes para ejecutar diferentes partes simultáneamente.
El prompt deja de ser una pregunta y se convierte en una orden de trabajo.
Esto también explica por qué Google insiste en la separación entre agente y modelo. Si el agente permanece como la capa responsable del contexto y la ejecución, cambiar el modelo que hay detrás deja de ser una modificación estructural para la empresa.
Es un intento de transformar la IA en infraestructura de trabajo y no solamente en software de productividad.
La carrera ahora es por los agentes que realmente trabajan 🚀
Google, OpenAI, Anthropic y otras empresas del sector están llevando la inteligencia artificial hacia una nueva etapa, en la que la diferencia ya no está únicamente en quién produce la mejor respuesta.
La disputa empieza a involucrar quién consigue ejecutar mejor el trabajo.
Eso significa acceder a datos, utilizar aplicaciones, escribir código, tomar decisiones intermedias, coordinar tareas y continuar trabajando sin depender de una persona en cada etapa.
Gemini Agent representa la apuesta de Google en esa dirección: una única capa capaz de atravesar modelos, aplicaciones y sistemas corporativos, mientras mantiene el contexto y la identidad durante todo el proceso.
La pregunta ya no es solamente qué IA responde mejor.
Es otra, mucho más práctica: ¿hasta dónde estarán dispuestas las empresas a delegar su propio trabajo a agentes que pueden continuar trabajando incluso cuando nadie está mirando?
Meta descripción
PT-BR: Google Cloud apresenta o Gemini Agent, sistema que combina modelos Gemini e Claude para executar tarefas, acessar ferramentas corporativas e trabalhar de forma autônoma.
ES: Google Cloud presenta Gemini Agent, un sistema que combina modelos Gemini y Claude para ejecutar tareas, acceder a herramientas empresariales y trabajar de forma autónoma.
