Google presenta Gemini Agent para empresas: la IA que ejecuta trabajo entre aplicaciones

Respuesta directa. Google presentó Gemini Agent, una nueva capa de inteligencia artificial para empresas que busca ejecutar tareas de varios pasos desde una sola interfaz, con acceso controlado a Google Workspace, Microsoft 365, Slack y sistemas de negocio.

El anuncio fue realizado el 8 de octubre en Gemini at Work 2026. Google sitúa esta capacidad dentro de Gemini Enterprise y la mantiene, por ahora, en vista previa privada para clientes empresariales. Conviene separar el anuncio de la disponibilidad general: es una señal clara de hacia dónde evoluciona el software de trabajo, pero no una promesa de despliegue inmediato ni una razón para comprar tecnología sin evaluar riesgos y retorno.

De asistente conversacional a agente que opera con objetivos

La diferencia central de Gemini Agent está en el modelo de interacción. Un asistente tradicional resume, redacta o responde dentro de una conversación. Un agente empresarial recibe una meta, planifica pasos, consulta fuentes autorizadas, usa herramientas y devuelve un resultado. En el ejemplo planteado por Google, una persona podría pedir investigación de mercado, la construcción de un modelo financiero con datos internos y una presentación que explique los hallazgos. La promesa es evitar que el usuario tenga que abrir cada aplicación y dirigir cada microtarea.

La palabra decisiva es contexto. El agente pretende mantenerlo entre web, dispositivos móviles, escritorio, Google Workspace, Microsoft 365 y Slack. También puede coordinar subagentes especializados. Para un equipo comercial, esto podría significar investigar una cuenta, preparar un borrador de propuesta y dejar tareas pendientes en el sistema correcto. Para una gerencia, podría traducirse en consolidar información de operación que hoy está dispersa entre documentos, planillas y herramientas de tickets.

Sin embargo, un flujo autónomo no debe confundirse con autonomía absoluta. El valor de un agente depende de que las instrucciones sean específicas, las fuentes estén bien gobernadas y los puntos de aprobación sean visibles. Una respuesta imprecisa de un chatbot puede corregirse en segundos. Una acción imprecisa que modifica un documento, crea una tarea o utiliza datos confidenciales tiene un costo operacional mayor. La experiencia de usuario debe incluir la opción de detener, revisar y corregir antes de que el resultado llegue a un cliente o a un sistema crítico.

Qué anunció Google y qué sigue pendiente

Según la información publicada por Google Cloud y reportada por medios especializados, Gemini Agent podrá trabajar mediante una interfaz y una API comunes, enrutar tareas hacia modelos de la familia Gemini y, en ciertos escenarios, utilizar modelos Claude de Anthropic. La apuesta multimodelo responde a una realidad empresarial: no todos los trabajos requieren el mismo nivel de razonamiento, velocidad o costo. Un sistema de este tipo puede reservar capacidad más cara para decisiones complejas y usar modelos eficientes para operaciones repetitivas.

Google también describió una configuración de agente colega. En ella, un agente puede tener identidad propia dentro de la organización, correo, calendario, almacenamiento y presencia en el directorio corporativo. Esta idea hace más tangible el cambio: la IA deja de ser una pestaña aislada y pasa a participar en flujos donde circulan permisos, reuniones, archivos y responsabilidades. Un equipo podría asignar un objetivo a ese agente como lo haría con un colaborador, sin que ello elimine la supervisión de las personas.

Hay límites relevantes. La compañía no comunicó un precio independiente para el agente universal ni una fecha completa de disponibilidad general. Tampoco existen, al momento del anuncio, pruebas independientes que demuestren con qué tasa de éxito resuelve encargos prolongados y transversales a varias aplicaciones. Los líderes de tecnología deben leer estas omisiones como preguntas de compra, no como detalles menores. Antes de una adopción amplia, importa saber qué permisos son configurables, qué información queda almacenada y cómo se atribuyen los costos.

Memoria, identidad y permisos: el verdadero desafío

El anuncio técnico describe cuatro formas de memoria: de sesión, semántica, procedimental y episódica. En términos simples, la primera sostiene la tarea activa; la segunda organiza conocimiento relevante; la tercera retiene patrones de trabajo, y la cuarta conserva antecedentes de interacciones previas. Esta arquitectura busca evitar que las personas repitan el contexto desde cero cada vez que piden una tarea. El beneficio puede ser notable en procesos con muchas transferencias de información, siempre que la memoria se alimente de fuentes confiables y se aplique bajo reglas corporativas.

Para una empresa, el avance resulta atractivo y delicado a la vez. Cuando un agente recuerda procesos y conecta aplicaciones, también aumenta la superficie que se debe administrar. La pregunta correcta no es si el agente es inteligente, sino qué información puede ver, qué herramienta puede usar, bajo qué identidad actúa y cómo se audita cada decisión. Google sostiene que los agentes colegas acceden solo a información compartida explícitamente y que sus acciones quedan registradas. Es una base importante, aunque cada organización debe validar la configuración, la retención de datos y las reglas de acceso en su propio entorno.

El diseño de identidad requiere especial atención en sectores regulados, empresas con información laboral sensible y compañías que manejan datos de clientes. Un correo propio para un agente puede ayudar a separar responsabilidades, pero no sustituye la asignación de dueños humanos. Toda automatización debe tener un responsable de negocio, un responsable técnico y un protocolo de escalamiento cuando el resultado sea ambiguo. En Chile, además, la revisión de contratos con proveedores y políticas internas de datos debe ser parte del piloto, no una tarea posterior.

La competencia ya no es solo por el mejor modelo

Gemini Agent llega en un mercado donde Microsoft, OpenAI y Anthropic también buscan convertirse en la capa de coordinación del trabajo digital. Microsoft ha presentado capacidades persistentes en Copilot; OpenAI ha avanzado con agentes que continúan tareas entre interacciones, y Anthropic profundiza su integración con herramientas de productividad. El punto de comparación dejó de ser únicamente la calidad de una respuesta escrita. Ahora importa quién integra mejor aplicaciones, datos, memoria, seguridad, costos y administración.

Para las organizaciones chilenas, esta competencia puede ser favorable si se evita el encierro prematuro. Una estrategia razonable no comienza por elegir una marca, sino por inventariar procesos repetitivos de alto valor y bajo riesgo. Preparar una minuta a partir de fuentes internas autorizadas, clasificar solicitudes de soporte o consolidar información para una reunión son mejores pilotos que permitir acciones financieras, modificaciones masivas o decisiones de personas sin revisión humana. El objetivo inicial debe ser aprender qué proceso mejora, no demostrar que toda la empresa puede automatizarse.

Cómo evaluar Gemini Agent en una empresa chilena

La adopción debe parecerse más a un proyecto de transformación de procesos que a la compra de una licencia. El primer paso es formular un caso de uso observable. Por ejemplo: reducir el tiempo de preparación de un informe comercial semanal sin permitir que el agente envíe información a clientes. Luego se establecen fuentes autorizadas, usuarios responsables, salidas esperadas y una línea base para comparar tiempo, errores y nivel de intervención humana.

El segundo paso es diseñar controles. Se deben aplicar permisos mínimos, separar ambientes de prueba y producción, registrar acciones y definir momentos de aprobación. También es útil imponer límites de gasto y de ejecución para evitar que una tarea extensa consuma recursos sin una señal clara de valor. Las capacidades anunciadas de control de costos y trazabilidad son útiles solo si existe una gobernanza que las use. Un panel con actividad no es una política; se necesita una persona que revise excepciones y pueda detener la automatización.

El tercero es medir calidad, no solo velocidad. Un agente puede producir un informe rápido que no sea verificable, que mezcle versiones de datos o que omita excepciones relevantes. El indicador debe combinar tiempo ahorrado, exactitud, tasa de correcciones, cumplimiento de políticas y satisfacción de quien recibe el resultado. Si no mejora varios de esos factores, la automatización no está resolviendo el problema correcto. También conviene medir el tiempo que los expertos destinan a validar entregas, pues una reducción aparente de esfuerzo puede trasladar trabajo a otra área.

Qué significa esta noticia para marketing, ventas y tecnología

En marketing, un agente persistente puede acortar el ciclo entre investigación, planificación y producción de materiales, siempre que respete la voz de marca y la revisión editorial. En ventas, podría preparar contexto de cuentas y ordenar información antes de una reunión, pero no debería decidir ofertas ni compromisos comerciales sin validación. En tecnología, el potencial está en resumir incidentes, coordinar tareas y recuperar conocimiento operativo, con acceso cuidadosamente limitado a sistemas críticos.

La oportunidad más concreta no es reemplazar equipos, sino reducir el trabajo de transferencia entre herramientas. Muchas horas se pierden copiando contexto de un correo a una planilla, de una reunión a un ticket o de un sistema a una presentación. Si Gemini Agent logra mantener ese contexto con seguridad, puede devolver tiempo a labores de análisis, creatividad y relación con clientes. La condición es que las empresas no sacrifiquen trazabilidad por una demostración llamativa. La innovación útil es la que hace visible el avance, la fuente y la responsabilidad de cada acción.

Este artículo fue elaborado por Jessica Godoy, periodista especializada en marketing digital y tecnología, para Classica.cl.