El 8 de octubre de 2026, Google Cloud presentó en el evento Gemini at Work 2026 un agente Gemini de propósito general para empresas: no solo responde preguntas, sino que está diseñado para ejecutar tareas en distintas aplicaciones de oficina, generar archivos, escribir código y coordinar otros agentes de IA para completar trabajos. Google espera que, en el futuro, los empleados solo tengan que describir un objetivo para que la IA planifique el proceso y entregue el resultado. Este anuncio apunta a una nueva forma de trabajar en la oficina, aunque el producto aún está en fase de vista previa privada para un número limitado de clientes. [1][3]
De chatbot a ejecutor de tareas
Muchas herramientas de IA actuales todavía siguen el modelo de «el usuario pregunta y el modelo responde»: si se le pide un resumen de un texto, lo ofrece; si se le pide que redacte un correo, entrega un borrador. Para que el resultado llegue a los sistemas de negocio, a menudo una persona todavía tiene que copiarlo, revisarlo y realizar las acciones paso a paso.
Google quiere cambiar esta forma de interactuar. La empresa describe un nuevo agente que reúne en una misma interfaz la capacidad de responder preguntas, realizar trabajo de conocimiento, generar contenido multimedia y ejecutar código. El usuario puede delegarle directamente un objetivo; el sistema elige por sí mismo las habilidades, herramientas y modelos, se conecta a los datos empresariales y devuelve el resultado del trabajo. Puede recibir tareas desde distintos puntos de acceso, como el navegador, el móvil, el ordenador, la línea de comandos y las herramientas de colaboración. [1][2]
La diferencia no consiste únicamente en añadir la capacidad de hacer clic automáticamente: se trata de prolongar el ciclo de ejecución. Según Google, las tareas que duran horas o incluso días pueden seguir ejecutándose en la nube. Aunque el usuario apague el ordenador, el contexto de la tarea y el progreso se conservan. Las tareas complejas también pueden dividirse entre subagentes creados para la ocasión, que colaboran en distintos pasos. [1]
Por qué los compañeros digitales necesitan una identidad propia
En las herramientas de chat convencionales, la IA suele responder usando la identidad de sesión del usuario. Pero si empieza a editar archivos, enviar mensajes y mantener al día el progreso de los proyectos en nombre de un equipo, saber quién ha realizado cada acción se convierte en una cuestión de gobernanza.
Google propone un modelo de «compañero de equipo»: los equipos pueden asignar a los agentes especializados en determinadas tareas cuentas independientes de Workspace, correo electrónico, calendario y almacenamiento de Drive. Los miembros pueden mencionarlos en un grupo de chat, enviarles correos o pedirles que se ocupen de algo mediante comentarios en documentos. Así, el agente aparece en los registros con su propia identidad, en lugar de que todas sus acciones se atribuyan a un empleado concreto. [1][2]
Por ejemplo, un equipo de marketing podría crear un agente coordinador de campañas y pedirle que recopile el estado de los preparativos para el lanzamiento, redacte una lista de comprobación y publique el resultado en el espacio del equipo. A diferencia de generar simplemente un texto, el trabajo se asigna de forma explícita a un rol del sistema que puede seguir recibiendo tareas. [1]
Sin embargo, tener una cuenta independiente no significa que la IA sea automáticamente fiable. También podría malinterpretar instrucciones, acceder a datos que no debería utilizar o generar información inexacta. Cuanto más se acerque a las tareas reales, más necesitarán las organizaciones definir permisos mínimos, aprobaciones para las acciones críticas, revisión de registros y procedimientos para resolver incidencias. Google describió mecanismos como la identidad independiente, los controles de autorización, los entornos aislados, las pasarelas de políticas de red y los registros de auditoría. Se trata de características del diseño del producto que se han hecho públicas; no demuestran que todas las aplicaciones hayan superado ya una validación de seguridad. [1]
La capacidad de conectarse al software determina si la implementación puede hacerse realidad
Las empresas no van a renunciar al software que ya utilizan por adoptar la IA. Gemini se conecta a Google Workspace y a servicios como Microsoft 365, Slack, Jira, Git, BigQuery y Postgres. La compañía también menciona el protocolo de contexto de modelo (MCP), una especificación de interfaz que permite a los agentes utilizar herramientas externas de forma unificada.[1][2]
En teoría, si un jefe de proyecto tuviera que preparar un informe de progreso para la reunión semanal, el proceso podría ser el siguiente: recuperar los cambios recientes de los mensajes de chat y del sistema de gestión de tareas, consultar los datos de negocio en una base de datos, preparar el informe y, después, entregarlo desde una herramienta de documentos. Un solo encargo enlazaría operaciones de software que antes estaban separadas.
Pero esto solo ilustra el alcance de las capacidades; no significa que todas las empresas puedan completar directamente el mismo proceso. Las diferencias entre campos de datos, los permisos incompletos, la cobertura insuficiente de los conectores y la complejidad de las aprobaciones pueden interrumpir la ejecución real. Antes de desplegarlo, las empresas deben validar su funcionamiento con tareas reales, en lugar de juzgar su utilidad solo por un vídeo de demostración.
Sin atar al agente a un único modelo
Otro cambio técnico que merece atención es el intento de Google de separar el «agente que ejecuta tareas» del modelo subyacente que se encarga del razonamiento. Por ahora, su solución oficial admite los modelos de la serie Gemini y Claude, de Anthropic, y prevé ampliar gradualmente las opciones disponibles.[1][2]
Esto significa que el contexto de negocio, las habilidades de trabajo y las conexiones con herramientas que acumula una empresa podrían conservarse en una capa de agente relativamente estable. En cada paso se pueden usar modelos con diferentes costes y capacidades: por ejemplo, uno de menor coste para tareas sencillas de organización y otro de mayor rendimiento para análisis complejos. Eso sí, la orquestación entre modelos también plantea más problemas de compatibilidad, privacidad y coherencia de los resultados, que deben probarse en la práctica.
Google también ha anunciado el enrutamiento inteligente, límites de gasto por proyecto y mecanismos para pausar tareas, con el objetivo de controlar el coste de la IA en ejecuciones prolongadas. Una consulta corriente y una tarea que se prolonga durante horas y abarca varios sistemas no consumen recursos en la misma medida. Si no se pueden controlar los costes combinados de las llamadas a modelos, la ejecución de código y el uso de herramientas, a las empresas les resultará difícil incorporar la IA a sus presupuestos.[1]
La distancia entre una demostración de producto y una organización real
La compañía ha citado casos de empresas de varios sectores —como el financiero, el minorista y el de las telecomunicaciones— que utilizan las capacidades de Gemini Enterprise. Sin embargo, estos casos de clientes de Gemini Enterprise no pueden considerarse, sin más, pruebas de que el nuevo agente de propósito general presentado ahora ya se haya desplegado a gran escala.[1]
Imagen: Casos de clientes empresariales de Gemini Enterprise publicados oficialmente por Google Cloud (fuente: Google Cloud)
VentureBeat confirmó en un reportaje independiente publicado el 8 de octubre que, en ese momento, los nuevos agentes Gemini solo estaban disponibles en vista previa privada para clientes seleccionados y que no se había determinado la fecha de una disponibilidad más amplia. Su reportaje también señalaba que Google esperaba ofrecer las nuevas funciones a los clientes de Gemini Enterprise que cumplieran los requisitos, aunque todavía habría que esperar a que se hicieran públicos más detalles sobre las licencias y el coste de uso.[3]
CBS News enmarcó este lanzamiento en el contexto de la carrera entre las empresas tecnológicas por lanzar agentes de IA para el trabajo. El foco de la competencia está pasando de cuántas preguntas puede responder un sistema a si puede completar tareas de forma segura, fiable y económica en los sistemas cotidianos.[4]
Esto también explica por qué «poder integrarse en los flujos de trabajo existentes» podría ser más importante que una puntuación aislada en una clasificación. Si un agente no puede acceder a la información adecuada o completar acciones con permisos controlados, incluso un modelo de lenguaje muy potente tendrá dificultades para aportar valor de forma sostenida.
Qué significa para los empleados y las empresas
Para los empleados, el cambio más evidente está en la forma de trabajar: quizá en el futuro no sea necesario copiar una y otra vez los resultados de la IA entre distintos programas, sino que bastará con explicar el objetivo, los plazos, las restricciones y los criterios de aceptación, como si se asignara una tarea a un compañero, y luego revisar el proceso y el resultado.
Para quienes dirigen empresas, la decisión de compra se volverá más compleja. Además de comprobar si las respuestas del modelo son precisas, también deberían prestar atención a si el agente tiene una identidad propia, si se pueden revocar sus permisos, si las acciones importantes requieren aprobación, si es posible rastrear los errores del sistema y cuántos recursos consume realmente la tarea completa.
Google ha mostrado con este lanzamiento una dirección clara: la IA está evolucionando de ser un asistente pasivo que responde preguntas a convertirse en un ejecutor capaz de trabajar de forma continuada y dotado de una identidad dentro de la organización. Sin embargo, aún se encuentra en una fase inicial de disponibilidad, y hacen falta más pruebas públicas sobre su fiabilidad a largo plazo, sus tarifas concretas y su rendimiento a gran escala. Es razonable considerarlo un cambio importante en la hoja de ruta del producto; pensar que ya es una fuerza laboral digital madura, lista para sustituir por completo a los empleados, es precipitado.[1][3][4]
Fuentes de referencia
- Welcome to Gemini at Work 2026: Introducing the Gemini agent — Google Cloud, consultado el 10-10-2026
- Google brings agentic AI to Gemini, starting with businesses — TechCrunch, consultado el 10-10-2026
- Google Cloud unveils persistent Gemini Agents for long-running tasks, and they get their own Gmail, Calendar, and Drive storage — VentureBeat, consultado el 10-10-2026
- Google launches Gemini AI workplace agent that can write code and run tasks, company says — CBS News, consultado el 10-10-2026