Google Cloud ha aprovechado su Next 26 para mover ficha en serio. Lo que hasta hace poco se vendía como copiloto o asistente generativo, ahora se presenta como una capa operativa que ejecuta procesos, conecta agentes entre sí, consulta datos corporativos, refuerza la seguridad y actúa sobre aplicaciones reales. La compañía lo resume con una etiqueta que va a oírse mucho este año: la empresa agéntica. Detrás del eslogan hay anuncios concretos: Gemini Enterprise Agent Platform, los nuevos chips TPU 8t y TPU 8i, Agentic Data Cloud, Agentic Defense y un guiño a MCP como protocolo común para integrar herramientas externas.
Thomas Kurian, consejero delegado de Google Cloud, lo planteó sin rodeos: la fase de pilotos empieza a quedarse corta y el grueso del despliegue se mueve hacia producción. Los datos que aportó la compañía apuntan en esa dirección. Cerca del 75 % de los clientes cloud de Google ya usa alguno de sus productos de IA, y los modelos propios procesan más de 16.000 millones de tokens por minuto vía API. La carrera empresarial por ejecutar IA, no solo probarla, ya está en marcha, como recogimos al cubrir la edición anterior en Google Cloud Next 25.
Qué se ha anunciado en Google Cloud Next 26
El catálogo de novedades es amplio, pero gira en torno a cuatro frentes claros: agentes, datos, infraestructura y seguridad. Todo lo demás (productividad, integraciones, ecosistema de socios) se cuelga de esos cuatro pilares.
- Gemini Enterprise Agent Platform: plataforma única para crear, desplegar, gobernar y observar agentes, evolución del actual stack de Vertex AI.
- Gemini Enterprise app: aplicación corporativa con Agent Designer, Inbox de agentes, Skills, Projects y Canvas.
- TPU 8t y TPU 8i: octava generación de chips, ya analizada en detalle en la cobertura de TPU 8t y 8i.
- Agentic Data Cloud: lakehouse multicloud sobre Apache Iceberg, Knowledge Catalog y Data Agent Kit.
- Agentic Defense: integración de Google Threat Intelligence, SecOps y la plataforma Wiz para proteger agentes y datos.
- Workspace Intelligence: capa contextual sobre Gmail, Docs, Drive, Meet, Chat, Sheets y Slides.
El telón de fondo conecta con el modelo que Google viene afinando desde hace meses. Gemini 3 Pro sigue como referencia para tareas complejas y razonamiento, mientras que la plataforma de agentes hereda buena parte del músculo de Vertex AI. La diferencia ahora es que se vende junta, integrada y con un mismo plano de control.
Empresa agéntica en producción: qué hay debajo del eslogan
Gemini Enterprise Agent Platform reúne Agent Studio, Agent-to-Agent Orchestration, Agent Registry, Agent Identity, Agent Gateway y Agent Observability. Cada pieza ataca un problema real que ya están sufriendo equipos pioneros: agentes creados departamento a departamento, sin trazabilidad, sin control de versiones y sin políticas comunes de seguridad. Si la IA va a ejecutar tareas críticas, las TI corporativas necesitan saber quién hace qué, con qué permisos y bajo qué controles.
El planteamiento ya no es el del chatbot que responde preguntas. Hablamos de sistemas que siguen instrucciones largas, consultan fuentes internas, ejecutan acciones, piden aprobación humana cuando hace falta y mantienen contexto durante procesos que pueden durar horas o días. Atención al cliente, finanzas, soporte interno, marketing, análisis de datos, gestión documental: las áreas candidatas se solapan con buena parte del back office corporativo.
La parte de protocolos también merece mirarse con calma. Google ha integrado soporte para MCP (Model Context Protocol) y para Agent2Agent, dos estándares que empiezan a consolidarse para que agentes hablen con herramientas externas y entre ellos sin pegamento ad hoc. Es la misma dirección que veíamos ya con piezas de seguridad como las de Palo Alto Networks y Google Cloud: cuanto más interoperable es el ecosistema agéntico, más necesarias son las capas de control.
| Área anunciada | Qué aporta | Por qué importa |
|---|---|---|
| Gemini Enterprise Agent Platform | Desarrollo, orquestación, gobierno y observabilidad de agentes | Pasar de pilotos aislados a despliegues empresariales con control |
| 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 | Chips para entrenamiento e inferencia agéntica | Refuerzan la infraestructura propia frente a la presión de la IA a escala |
| Agentic Data Cloud | Lakehouse multicloud, Knowledge Catalog y Data Agent Kit | Conecta agentes con datos fiables y contexto empresarial |
| Agentic Defense | Threat Intelligence + SecOps + Wiz | Responde a los nuevos riesgos de agentes, datos y aplicaciones IA |
TPU 8t y TPU 8i: dos chips, dos misiones
Google ha dividido por primera vez su línea TPU en dos cabezas claras. TPU 8t apunta al entrenamiento de modelos a gran escala. La compañía habla de hasta 9.600 TPU y 2 PB de memoria compartida de alto ancho de banda en un mismo superpod, con tres veces la potencia de procesamiento de Ironwood y hasta el doble de rendimiento por vatio. TPU 8i, en cambio, está pensada para inferencia y agentes a gran escala, con una topología nueva (Boardfly) que conecta directamente 1.152 TPU en un pod y un 80 % más de rendimiento por dólar en inferencia frente a la generación anterior, según las cifras del fabricante.
Hay matices importantes. Esos números los firma Google y conviene esperar a benchmarks independientes. Pero la dirección es coherente con lo que ya marcan hyperscalers y fabricantes: la inferencia ha pasado a ser el cuello de botella económico, sobre todo cuando entran cargas agénticas con contextos largos y razonamiento. La especialización en silicio ya no es opcional, es estrategia.
El AI Hypercomputer de Google combina TPU propias, CPU Axion y GPU NVIDIA. La compañía aseguró que estará entre los primeros proveedores en ofrecer NVIDIA Vera Rubin NVL72, además de las instancias Blackwell y Hopper ya disponibles. Sumó mejoras en almacenamiento (Managed Lustre con hasta 10 TB/s hacia A5X o TPU 8t mediante RDMA, y Rapid Storage que pasa de 6 TB/s a 15 TB/s) y una red optimizada para IA llamada Virgo Networking, capaz de unir Vera Rubin NVL72 o superpods TPU 8t en superordenadores con cientos de miles de aceleradores.
Comparativa frente a AWS Bedrock y Azure AI Foundry
Google no está solo en este movimiento. AWS empuja con Bedrock y AgentCore como capa de orquestación y memoria, mientras que Microsoft ha empaquetado su apuesta agéntica bajo el paraguas de Azure AI Foundry y Copilot Studio. Las tres propuestas comparten objetivo (que las empresas creen y operen agentes a escala), pero difieren en el énfasis.
- Google Cloud: integración fuerte con Vertex AI, Gemini, BigQuery y Workspace; énfasis en agentes y datos como un mismo producto.
- AWS Bedrock + AgentCore: catálogo de modelos amplio, ecosistema de socios SaaS y orientación a integración con servicios AWS existentes.
- Azure AI Foundry: ventaja en distribución vía Microsoft 365 y un planteamiento muy ligado a Copilot y a herramientas de productividad ya extendidas en empresas.
El factor diferencial de Google en Next 26 está en juntar Gemini Enterprise + Agentic Data Cloud + Agentic Defense + TPU propias bajo un mismo discurso. Es una apuesta por verticalización: control del chip, del modelo, del dato, de la plataforma de agentes y de la capa de seguridad. Esa estrategia recuerda a la lectura que hicimos en Gemini Enterprise como puerta de entrada a la IA en el trabajo, cubierto en noticias.ai, donde ya se intuía este pivote.
Datos, seguridad y casos cliente reales
Agentic Data Cloud es la respuesta de Google a un problema obvio: si los agentes van a tomar decisiones, no basta con conectarlos a un repositorio documental. Necesitan datos contextualizados, con permisos, metadatos, relaciones y reglas internas claras. La arquitectura propuesta combina lakehouse multicloud sobre Apache Iceberg, Knowledge Catalog para etiquetar y dar significado, Data Agent Kit para ciencia de datos asistida por Gemini y Deep Research Agent para análisis empresariales largos.
En seguridad, Agentic Defense agrupa Google Threat Intelligence, Security Operations y la plataforma Wiz, además de agentes especializados en detección, ingeniería de detecciones, investigación y remediación. La idea es lógica: si las empresas automatizan procesos críticos con agentes, también necesitan automatizar parte de su defensa. Riesgos como inyección de instrucciones, accesos no autorizados a datos, uso indebido de herramientas o errores de razonamiento se vuelven más caros cuando el agente actúa en lugar de limitarse a responder. De ahí el peso que Google ha puesto en Agent Identity, Agent Gateway, Model Armor y paneles de seguridad.
La compañía aprovechó el escenario para citar varios casos cliente. Mencionó despliegues en banca, retail, telecomunicaciones, salud y atención al cliente, con nombres como Mercedes-Benz, Deutsche Bank, Mercado Libre, Verizon o The Home Depot entre los ejemplos recurrentes en sus mensajes. Conviene tomar esos casos como muestras controladas: representan implantaciones reales, pero suelen describir el lado más visible del proyecto. La parte difícil (latencia, costes, integraciones legacy, gobierno del dato) sigue siendo conversación interna en cada cliente.
La productividad cierra el círculo con Workspace Intelligence. Gmail, Docs, Drive, Meet, Chat, Sheets y Slides comparten ahora una capa contextual común, capaz de resumir información, preparar borradores, organizar proyectos y disparar tareas desde Gemini Enterprise sin saltar entre apps. Es una jugada similar a la que Microsoft hizo en su día con Copilot, pero con el matiz de Google: integrar agentes empresariales en el mismo flujo donde los empleados ya trabajan.
Disponibilidad y precio: lo que Google ha contado (y lo que no)
Google ha sido más concreto con los plazos que con los precios. Gemini Enterprise Agent Platform y la app Gemini Enterprise empiezan a desplegarse en preview ampliada para clientes existentes, con disponibilidad general escalonada a lo largo del año. Las nuevas TPU 8t y 8i llegarán primero a clientes seleccionados a través del AI Hypercomputer y se extenderán al resto del catálogo Compute Engine en cuotas, en línea con la práctica habitual.
En precio, la compañía mantiene el modelo de combinación entre suscripción para Gemini Enterprise (por usuario) y consumo para infraestructura, agentes y almacenamiento. Las cifras finales dependerán de la región, del tipo de carga y del compromiso plurianual, así que el coste real se cerrará caso a caso, como en los grandes contratos que ya recoge la cobertura del gasto global en infraestructura cloud.
Una batalla directa por la nueva nube empresarial
Next 26 confirma que el frente de batalla cloud ya no son las máquinas virtuales, el almacenamiento o las bases de datos. AWS, Microsoft y Google compiten ahora por ser la plataforma donde las empresas construyen agentes, conectan datos, ejecutan modelos y gobiernan automatizaciones de extremo a extremo. La propuesta de Google es coherente sobre el papel, pero abre las preguntas habituales: coste real, dependencia de plataforma, portabilidad, cumplimiento normativo, soberanía del dato y madurez de las herramientas de gobierno.
El despliegue de la empresa agéntica no será inmediato ni uniforme. Banca, retail, telecomunicaciones, seguridad, salud y atención al cliente son sectores con incentivos claros para acelerar. Otros llegarán más tarde por motivos regulatorios, culturales o técnicos. Lo que sí parece consolidado es la dirección: la IA empresarial pasa del asistente individual a la automatización coordinada de procesos, con todo lo que eso implica en gobernanza, auditoría y rendición de cuentas.
Preguntas frecuentes
¿Qué es Gemini Enterprise Agent Platform y en qué se diferencia de Vertex AI?
Es la plataforma de Google Cloud para crear, desplegar, gobernar y observar agentes en empresas. Recoge buena parte de las capacidades de Vertex AI y suma orquestación entre agentes, identidad, pasarela de control, registro y observabilidad como piezas integradas. Vertex AI sigue como base técnica, pero la marca y la experiencia de uso pasan a apoyarse en Gemini Enterprise.
¿En qué se diferencian TPU 8t y TPU 8i?
TPU 8t está orientada al entrenamiento de modelos a gran escala. TPU 8i está diseñada para inferencia y agentes con baja latencia. La primera escala en superpods de hasta 9.600 TPU; la segunda apuesta por una topología Boardfly con 1.152 TPU conectadas directamente y mejor rendimiento por dólar en inferencia.
¿Cómo se compara la propuesta agéntica de Google con AWS Bedrock y Azure AI Foundry?
Las tres apuntan a creación, orquestación y gobierno de agentes empresariales. Google diferencia su oferta integrando chip propio (TPU), modelos Gemini, datos (Agentic Data Cloud), seguridad (Agentic Defense) y productividad (Workspace Intelligence) bajo un mismo discurso. AWS apuesta por catálogo de modelos amplio y socios SaaS, y Microsoft por distribución masiva vía Microsoft 365 y Copilot.
¿Qué soporte ofrece Google para MCP y para protocolos abiertos de agentes?
Gemini Enterprise integra soporte para Model Context Protocol (MCP) y para Agent2Agent, dos protocolos pensados para que los agentes consuman herramientas externas y se comuniquen entre sí sin integraciones a medida. Es una señal de que Google quiere jugar en un ecosistema más interoperable, no solo en su propio jardín.
¿Cuándo estarán disponibles Gemini Enterprise y las nuevas TPU?
Gemini Enterprise Agent Platform y la aplicación Gemini Enterprise se despliegan en preview ampliada para clientes existentes, con disponibilidad general progresiva. TPU 8t y TPU 8i se reservarán inicialmente a clientes seleccionados del AI Hypercomputer y se extenderán al catálogo general de Compute Engine en cuotas, según vaya creciendo la capacidad.
vía: cloud.google.com
