Google Cloud ha presentado el agente Google Cloud Gemini, un único agente para el trabajo empresarial. El agente Gemini es un agente alojado en la nube de Google Cloud que responde preguntas, realiza trabajo de conocimiento, crea medios y escribe y ejecuta código. Hace todo esto desde 1 cuadro de prompts y 1 API. Para los desarrolladores, el agente es el producto y el modelo es una decisión de enrutamiento.
TL;DR
- Se ejecuta en: Google Cloud (AI Hypercomputer). Se accede desde web, móvil, escritorio, CLI, Workspace, Microsoft 365, Slack o sin interfaz.
- Mejor: Bloomberg Media mejoró la precisión de las consultas SQL en un 63% al fundamentar sus agentes de datos en Knowledge Catalog.
- Conclusión:
- Lo mejor: 1 agente gobernado con memoria en la nube, sub-agentes y límites estrictos de gasto.
- Lo peor: los compradores deben evaluarlo mediante anécdotas de clientes, no con cifras reproducibles.
¿Qué es el agente Google Cloud Gemini?
Es una capa de delegación, no un chatbot. Le das objetivos, no instrucciones. Planifica el trabajo, elige habilidades y herramientas, se conecta a los sistemas de la empresa y devuelve un resultado terminado.
Google enumera 6 principios arquitectónicos:
- Agente unificado: chat, objetivos autónomos y generación de código comparten 1 interfaz.
- Acceso omnipresente: cualquier dispositivo o canal, además de integración en aplicaciones de terceros.
- Ejecución persistente: se ejecuta en la nube con 1 conjunto de memorias y 1 grafo de personalización. Los trabajos que duran horas o días siguen ejecutándose después de cerrar el portátil.
- Orquestación multiagente: crea sub-agentes temporales, cada uno con su propia identidad, y ejecuta pasos en paralelo o de forma secuencial.
- Profundamente contextual: aprende tus herramientas, datos e historial de trabajo con el tiempo.
- Flexibilidad en la elección del modelo: cada trabajo se ejecuta en el modelo que mejor se adapte.
Hoy en el evento Gemini at Work de Google Cloud, anunciamos Gemini, un nuevo agente universal único para el trabajo que tiene todo el contexto de tu negocio y puede usarse para todo, desde trabajo de conocimiento hasta responder preguntas, y desde creación de contenido hasta programación, todo desde un único cuadro de prompts.… pic.twitter.com/2Z1PZg74Ui
— Thomas Kurian (@ThomasOrTK) 8 de octubre de 2026
¿Cómo recuerda y razona el agente Gemini?
Mantiene 4 tipos de memoria. La memoria de sesión cubre la tarea actual, incluso a lo largo de días. La memoria semántica es una base de conocimiento estructurada que construye a partir de documentos y personas. La memoria de procedimientos almacena cómo se realizan los trabajos, incluidas las habilidades que escribe para sí mismo. La memoria episódica registra todo lo que ha hecho antes.
Las habilidades son prompts modulares almacenados en un registro compartido de la empresa. Las herramientas provienen de un registro de herramientas empresariales. Los conectores cubren Slack, Jira, Salesforce, ServiceNow, BigQuery, Snowflake, archivos de escritorio y cualquier servidor de Model Context Protocol .
¿Qué modelos utiliza?
Hoy orquesta a través de los modelos Gemini de Google y los modelos Claude de Anthropic, con otros modelos privados y abiertos previstos. La propia gama de Google es Argon para razonamiento de frontera, Flash para velocidad y volumen, Omni para medios generativos y Gemma para trabajo en el borde con pesos abiertos.
¿Qué son los agentes compañeros de trabajo?
Un agente compañero de trabajo es un compañero de equipo persistente con un rol definido. En Workspace recibe su propia cuenta: dirección de correo electrónico, calendario, Drive y una entrada en el directorio. Los colegas lo mencionan con @ en Chat o Docs, y sus ediciones aparecen bajo su propio nombre en el historial de versiones. Solo ve lo que se comparte con él.
El agente también funciona en línea dentro de Gmail, Docs, Sheets, Slides, Chat y Calendar, y ofrece delegación de tareas que detecta con 1 clic.
¿Qué aporta a los equipos de datos?
Los ingenieros de datos y ML describen resultados en lenguaje natural. El agente entonces escribe código PySpark, proporciona notebooks, entrena modelos y corrige problemas de los pipelines. Los usuarios de negocio obtienen informes de BigQuery guardados que se vuelven a ejecutar sin costes de tokens.
Tres servicios fundamentan las respuestas. Knowledge Catalog mapea las definiciones de negocio una vez para cada agente. Smart Storage enriquece los objetos no estructurados en su lugar; Google dice que el 90% de los datos empresariales no están estructurados. Borderless Lakehouse consulta Amazon S3 y Azure Data Lake sin tarifas de salida variables.
¿Cómo se gobierna el agente?
Google plantea el gobierno como 4 preguntas: quién es, qué puede hacer, qué hizo y qué no debe tocar nunca.
- Identidad: cada agente recibe una identidad verificada criptográficamente con permisos de mínimo privilegio.
- Autorización: acceso basado en roles, mapeado a sistemas externos mediante estándares como OAuth.
- Auditoría: cada acción se registra en el registro del agente, no de una persona.
- Política: los agentes se ejecutan en un Agent Sandbox. Todo el tráfico pasa por Agent Gateway, un cortafuegos de red de IA que aplica 1 política a cada agente.
¿Cómo controla Google el costo?
Tres palancas: orquestación multimodelo, Smart Routing que asigna las cargas de trabajo al modelo capaz más barato, y límites de gasto en tiempo real. Los equipos establecen un límite estricto por proyecto en la Cloud Billing Console. Cuando se activa, el agente de ese proyecto se pausa hasta que alguien lo reanuda. En el fondo, el equipo de Google afirma que su sistema TPU 8i ofrece un 80% mejor relación precio-rendimiento que la generación anterior.
¿Cómo se compara?
| Característica | Agente Gemini de Google Cloud | Microsoft 365 Copilot | OpenAI ChatGPT Work | Amazon Quick |
|---|---|---|---|---|
| Modelos | familia Gemini + Anthropic Claude; más previstos | No revelado en la página fuente | GPT-5.6 en el lanzamiento | No revelado (modos Fast, Balanced, Smart) |
| Superficies | Web, iOS, Android, Windows, Mac, CLI, Workspace, M365, Slack, headless | Apps de M365, Teams, Copilot Chat | Web, móvil, escritorio Mac y Windows, Slack, Teams | Escritorio, web, móvil, extensiones de navegador y de M365 |
| Identidad persistente del agente | Agentes compañeros de trabajo con correo electrónico, calendario y Drive propios | No revelado | No revelado | No revelado |
| Trabajo de larga duración | Horas o días en la nube | No revelado | Horas; Tareas programadas | Quick Flows; Quick Automate (Enterprise) |
Conclusiones clave
- 1 agente, 1 API: preguntas y respuestas, trabajo con conocimiento, medios y código.
- Enruta trabajos hoy entre los modelos Gemini y Claude.
- Los agentes Coworker obtienen su propia identidad de Workspace.
- Los límites máximos de gasto por proyecto detienen a los agentes descontrolados.
- Aún no hay benchmarks, precio ni fecha de GA.
Echa un vistazo al anuncio de Google Cloud. Todo el crédito va para el investigador de este proyecto. Además, no dudes en seguirnos en Twitter y no olvides unirte a nuestro 150k+ML SubReddit y suscribirte a nuestro Newsletter. ¡Espera! ¿estás en telegram? ahora también puedes unirte a nosotros en telegram.
La entrada Google Cloud lanza Gemini Agent, un agente universal para el trabajo empresarial apareció primero en MarkTechPost.