Google Cloud ha convertido su conferencia Next 26 en una declaración de intenciones: la inteligencia artificial empresarial ya no se presenta solo como una herramienta de asistencia, sino como una capa operativa capaz de ejecutar procesos, coordinar agentes, consultar datos, reforzar la seguridad y actuar sobre aplicaciones corporativas. La compañía lo resume con una expresión que marcará buena parte de su discurso comercial este año: la “empresa agéntica”.
El mensaje de Thomas Kurian, consejero delegado de Google Cloud, fue claro: la fase experimental de la IA generativa empieza a dejar paso a una etapa de despliegue real en grandes organizaciones. Según datos compartidos por la compañía, cerca del 75 % de sus clientes cloud ya utiliza productos de inteligencia artificial de Google, y sus modelos propios procesan más de 16.000 millones de tokens por minuto mediante uso directo de API por parte de clientes.
Gemini Enterprise, el nuevo centro de mando para agentes
La gran apuesta de Google Cloud Next 26 es Gemini Enterprise Agent Platform, una plataforma pensada para crear, desplegar, gobernar y optimizar agentes de inteligencia artificial dentro de las empresas. No se trata solo de un cambio de marca: Google la presenta como la evolución de Vertex AI hacia un entorno más amplio, donde los agentes pueden integrarse con herramientas internas, aplicaciones de terceros, datos corporativos y sistemas de seguridad.
La plataforma incluye funciones como Agent Studio, Agent-to-Agent Orchestration, Agent Registry, Agent Identity, Agent Gateway y Agent Observability. En conjunto, estas piezas buscan resolver uno de los grandes problemas que empiezan a aparecer en las empresas: cómo evitar que cada departamento cree sus propios agentes sin control, sin trazabilidad y sin criterios comunes de seguridad.
Google quiere que Gemini Enterprise sea la puerta de entrada a la IA para empleados y clientes. La aplicación incorpora Agent Designer, agentes de larga duración, una bandeja de entrada para gestionar actividad, proyectos con memoria contextual, Skills para tareas repetitivas y Canvas para crear y editar documentos y presentaciones sin salir del entorno.
El planteamiento es ambicioso. Un agente ya no se concibe como un simple chatbot, sino como un sistema capaz de seguir instrucciones, consultar fuentes internas, ejecutar tareas, pedir aprobación humana cuando sea necesario y mantener contexto durante procesos largos. Esa idea puede ser útil en áreas como atención al cliente, operaciones, finanzas, marketing, soporte interno, análisis de datos o gestión documental.
El riesgo, sin embargo, está en la complejidad. Cuantos más agentes operen dentro de una empresa, mayor será la necesidad de control, auditoría y límites claros. Por eso Google insiste tanto en identidad, observabilidad, pasarelas de control y detección de anomalías. La cuestión ya no es solo si un agente responde bien, sino si actúa dentro de lo que la organización le ha permitido hacer.
| Área anunciada | Qué aporta | Por qué importa |
|---|---|---|
| Gemini Enterprise Agent Platform | Desarrollo, orquestación, gobierno y observabilidad de agentes | Busca pasar de pilotos aislados a despliegues empresariales controlados |
| Gemini Enterprise app | Agent Designer, Inbox, Skills, Projects y Canvas | Acerca la creación y uso de agentes a empleados no técnicos |
| TPU 8t y TPU 8i | Nuevos chips para entrenamiento e inferencia | Refuerzan la infraestructura propia de Google frente a la presión de la IA a gran escala |
| Agentic Data Cloud | Lakehouse multicloud, Knowledge Catalog y Data Agent Kit | Intenta conectar agentes con datos fiables y contexto empresarial |
| Agentic Defense | Integración de inteligencia de amenazas, SecOps y Wiz | Responde a los nuevos riesgos de agentes, nube, datos y aplicaciones de IA |
Nuevas TPU para entrenamiento e inferencia
La infraestructura fue el otro gran eje del evento. Google presentó su octava generación de TPU con dos líneas diferenciadas: TPU 8t, orientada al entrenamiento, y TPU 8i, pensada para inferencia de baja latencia y agentes a gran escala.
Según Google, TPU 8t puede escalar hasta 9.600 TPU y 2 PB de memoria compartida de alto ancho de banda en un único superpod. La compañía asegura que ofrece tres veces más potencia de procesamiento que Ironwood y hasta el doble de rendimiento por vatio. TPU 8i, por su parte, está optimizada para inferencia y usa una nueva topología denominada Boardfly, con conexión directa de 1.152 TPU en un pod. Google afirma que esta variante ofrece un 80 % más de rendimiento por dólar en inferencia frente a la generación anterior.
Estas cifras deben leerse como datos declarados por el fabricante, pero apuntan a una tendencia clara: la infraestructura para IA se está especializando. Ya no basta con tener aceleradores potentes para entrenar modelos. La fase de inferencia, razonamiento y ejecución de agentes necesita baja latencia, memoria eficiente, redes rápidas y costes más controlados.
Google también reforzó su mensaje de apertura al recordar que su AI Hypercomputer combina TPU propias, CPU Axion y GPU de NVIDIA. La compañía aseguró que estará entre los primeros proveedores en ofrecer NVIDIA Vera Rubin NVL72, además de instancias basadas en Blackwell y Hopper ya disponibles o anunciadas en su cartera.
En almacenamiento, Google destacó Managed Lustre con hasta 10 TB/s de rendimiento hacia A5X o TPU 8t mediante RDMA, y mejoras en Rapid Storage, que pasa de 6 TB/s a 15 TB/s. En red, presentó Virgo Networking, una infraestructura optimizada para IA con la que aspira a conectar sistemas Vera Rubin NVL72 o superpods TPU 8t en superordenadores con cientos de miles de aceleradores.
Datos, seguridad y productividad: la IA quiere entrar en todo el negocio
La tercera pata del anuncio es Agentic Data Cloud, una arquitectura pensada para que los agentes puedan trabajar con datos empresariales dispersos en distintos sistemas. Google anunció un Lakehouse multicloud basado en Apache Iceberg, Knowledge Catalog para contextualizar datos corporativos, Data Agent Kit para ciencia de datos asistida por Gemini y Deep Research Agent para análisis empresarial más profundo.
El objetivo es claro: si los agentes van a tomar decisiones o ejecutar tareas, necesitan acceder a datos fiables, actualizados y con significado empresarial. No basta con conectar un modelo a un repositorio documental. La IA necesita entender relaciones, permisos, contexto, metadatos y reglas internas. Ahí es donde Google intenta diferenciarse con una capa semántica sobre datos estructurados y no estructurados.
En seguridad, Google presentó Agentic Defense, una propuesta que combina Google Threat Intelligence, Security Operations y la plataforma de Wiz. La compañía también anunció agentes especializados para detección de amenazas, ingeniería de detecciones, investigación y remediación. El mensaje es coherente con la expansión de los agentes: si las empresas van a automatizar procesos críticos, también tendrán que automatizar parte de su defensa.
La seguridad de agentes será uno de los grandes debates de los próximos años. Riesgos como la inyección de instrucciones, el acceso no autorizado a datos, el uso indebido de herramientas o los errores de razonamiento pueden tener consecuencias más graves cuando un agente no solo responde, sino que actúa. Por eso Google ha puesto énfasis en Agent Identity, Agent Gateway, Model Armor, detección de anomalías y paneles de seguridad.
La productividad también tuvo su espacio con Workspace Intelligence, una capa semántica para Gmail, Docs, Drive, Meet, Chat, Sheets y Slides. Google quiere que Workspace deje de ser solo una suite de aplicaciones y pase a funcionar como un entorno con contexto compartido, capaz de resumir información, preparar documentos, organizar proyectos y ejecutar tareas desde Gemini Enterprise.
Una batalla directa por la nueva nube empresarial
Google Cloud Next 26 confirma que la competencia cloud ha entrado en una nueva fase. AWS, Microsoft y Google ya no compiten solo por máquinas virtuales, almacenamiento o bases de datos. Compiten por convertirse en la plataforma donde las empresas construyen sus agentes, conectan sus datos, ejecutan modelos y gobiernan la automatización de procesos completos.
Para Google, la oportunidad es doble. Por un lado, puede aprovechar su experiencia histórica en modelos, datos, búsqueda, productividad e infraestructura propia. Por otro, necesita seguir ganando cuota en un mercado cloud donde Microsoft Azure y AWS mantienen posiciones muy fuertes.
La propuesta de Google es técnicamente sólida sobre el papel, pero también plantea preguntas importantes para los clientes. Las empresas tendrán que evaluar costes reales, dependencia de plataforma, integración con sistemas existentes, portabilidad de agentes, cumplimiento normativo, soberanía de datos y madurez de las herramientas de gobierno.
El avance hacia la empresa agéntica no será inmediato ni uniforme. Habrá sectores que adopten estos sistemas con rapidez, como banca, retail, telecomunicaciones, seguridad, salud o atención al cliente. Otros necesitarán más tiempo por motivos regulatorios, culturales o técnicos. Pero la dirección del mercado parece clara: la IA empresarial empieza a pasar de la asistencia individual a la automatización coordinada de procesos.
Google Cloud ha puesto sobre la mesa una arquitectura completa para esa transición. Ahora tendrá que demostrar que puede convertir una narrativa potente en implantaciones reales, seguras, medibles y rentables para empresas que no quieren más experimentos aislados, sino resultados operativos.
Preguntas frecuentes
¿Qué es Gemini Enterprise Agent Platform?
Gemini Enterprise Agent Platform es la nueva plataforma de Google Cloud para crear, desplegar, gobernar y optimizar agentes de inteligencia artificial en empresas. Integra capacidades de Vertex AI con nuevas funciones de orquestación, seguridad, observabilidad, identidad y gestión de agentes.
¿Qué diferencia hay entre TPU 8t y TPU 8i?
TPU 8t está orientada al entrenamiento de modelos de inteligencia artificial a gran escala, mientras que TPU 8i está diseñada para inferencia, baja latencia y ejecución masiva de agentes. Google las presenta como dos arquitecturas especializadas para distintas fases del ciclo de vida de la IA.
¿Qué aporta Agentic Data Cloud?
Agentic Data Cloud busca conectar agentes de IA con datos empresariales fiables, contextualizados y disponibles en distintos entornos. Incluye un Lakehouse multicloud basado en Apache Iceberg, Knowledge Catalog, Data Agent Kit y capacidades de análisis asistido por Gemini.
¿Por qué Google habla de “empresa agéntica”?
Google utiliza el concepto de “empresa agéntica” para describir organizaciones en las que agentes de inteligencia artificial no solo responden preguntas, sino que ejecutan procesos, coordinan tareas, trabajan con datos internos y actúan bajo políticas de seguridad y gobierno definidas por la empresa.
vía: cloud.google
