El entorno de la computación en la nube ha dejado de ser un mero espacio de almacenamiento y procesamiento para convertirse en un organismo capaz de tomar decisiones. Durante el Google Cloud Next ‘26 , la tecnológica ha formalizado un giro estratégico que trasciende la fiebre inicial por la inteligencia artificial generativa: la consolidación de la Agentic Enterprise (empresa agéntica). Este concepto no describe una mejora incremental, sino una mutación en la que los procesos de negocio dejan de ser flujos estáticos para transformarse en hilos de ejecución autónoma bajo la supervisión humana.
La propuesta presentada por Thomas Kurian, CEO de Google Cloud, articula que el futuro de las organizaciones depende de una stack unificada donde el hardware, los modelos y las aplicaciones no actúan como silos, sino como un tejido conectivo. En esta visión, Gemini Enterprise se posiciona como la puerta de entrada a un ecosistema donde casi el 75% de los clientes de la plataforma ya utilizan productos de IA para mover sus negocios. El volumen de procesamiento es ilustrativo de esta escala: en el último año, más de 300 clientes han procesado más de un billón de tokens cada uno, elevando la tasa de inferencia de la compañía a los 16.000 millones de tokens por minuto.
La base física: TPU de octava generación y el fin de los cuellos de botella
Para que una empresa agéntica funcione, la infraestructura debe responder a una latencia que el ojo humano no perciba. Google ha respondido a esta necesidad con el lanzamiento de su octava generación de unidades de procesamiento tensorial (TPU). La arquitectura se bifurca para optimizar las dos fases críticas del ciclo de vida de la IA. Por un lado, la TPU 8t se especializa en el entrenamiento, escalando hasta los 9.600 nodos en un solo superpod; por otro, la TPU 8i se orienta a la inferencia masiva, prometiendo una mejora del 80% en la relación rendimiento-precio respecto a su predecesora.
Este despliegue de hardware no es un ejercicio de potencia bruta aislado. La integración con la denominada Virgo Network permite conectar estos sistemas en supercomputadores que gestionan cientos de miles de aceleradores. Sin embargo, la verdadera innovación reside en cómo esta infraestructura se vuelve «autoconsciente». Mediante el uso del Model Context Protocol (MCP), cada servicio de Google Cloud se ha convertido en una herramienta que los propios agentes pueden orquestar para diagnosticar fallos en la infraestructura antes incluso de que un administrador de sistemas detecte la anomalía. Se cierra así un círculo donde la IA no solo corre sobre el silicio, sino que mantiene la salud del mismo.
Gemini Enterprise Agent Platform: Del chatbot al coordinador de flujos
El despliegue técnico alcanza su madurez en la capa lógica. La Gemini Enterprise Agent Platform se presenta como el entorno donde los equipos técnicos pueden construir y, lo más importante, gobernar flotas de agentes. Aquí es donde surge la tensión entre la autonomía y el control. Para mitigar los riesgos de una ejecución descontrolada, Google ha introducido figuras de supervisión como el Agent Gateway y el Agent Identity, que asigna una identidad criptográfica única a cada agente para asegurar que sus acciones sean rastreables y auditen los permisos de acceso a datos sensibles.
- Agent Studio: Interfaz de bajo código que permite a perfiles no técnicos definir la lógica de un agente mediante lenguaje natural.
- Orquestación A2A (Agent-to-Agent): Capacidad de los agentes para delegar tareas complejas entre sí, manteniendo la coherencia en flujos críticos como el cumplimiento normativo.
- Memoria Persistente: Los agentes ya no olvidan al cerrar la sesión; el uso de bancos de memoria permite que recuerden contextos de proyectos durante meses, personalizando la interacción a niveles inéditos.
Empresas como WPP ya están operando bajo este modelo, habiendo creado más de 100.000 agentes que permiten lanzar campañas publicitarias basadas en IA cada cuatro días. En el sector financiero, Macquarie Bank ha reportado la recuperación de 100.000 horas de trabajo gracias a la automatización de procesos que antes requerían intervención humana constante. Estos casos demuestran que el valor ya no reside en generar un texto o una imagen, sino en la capacidad del agente para interactuar con sistemas de registro como Salesforce, SAP o Workday de forma autónoma.
La soberanía del dato en la «Agentic Data Cloud»
Uno de los mayores obstáculos para la adopción de la IA en la gran empresa ha sido históricamente la fragmentación de los datos. La respuesta de la compañía en Next ‘26 es la Agentic Data Cloud, una arquitectura que busca convertir los archivos pasivos en «sistemas de acción». La introducción del Cross-Cloud Lakehouse, estandarizado en Apache Iceberg, permite a las organizaciones consultar datos alojados en otras nubes como AWS o Azure sin necesidad de moverlos, eliminando los costes de salida y la latencia asociada a la migración.
Para alimentar la capacidad de razonamiento de los agentes, el Knowledge Catalog construye un grafo de contexto dinámico de todo el negocio. No se trata solo de saber dónde está un dato, sino de entender qué significa en relación con el resto de la empresa. Según Thomas Kurian, este enfoque permite que agentes de «investigación profunda» respondan a preguntas complejas, como las causas de una interrupción en la cadena de suministro, integrando datos estructurados de BigQuery con información no estructurada de documentos internos.
Agentic Defense: La ciberseguridad como respuesta proactiva
La expansión de la superficie de ataque que supone desplegar miles de agentes autónomos exige una defensa de igual escala. La alianza estratégica con Wiz y la integración de Gemini en las operaciones de seguridad buscan automatizar la detección de amenazas. Herramientas como el Threat Hunting Agent permiten a los equipos de ciberseguridad buscar patrones de ataque que suelen pasar desapercibidos para las defensas tradicionales.
En este ámbito, la eficiencia se mide en segundos. Deloitte ha reportado que el uso de Gemini en sus operaciones de seguridad ha permitido reducir la generación de reglas de detección de semanas a momentos, aumentando la eficiencia de los analistas en un 60%. Pese a estos avances, el reto sigue siendo el «razonamiento errático» o drift de los agentes, un fenómeno que Google intenta controlar mediante el Agent Anomaly Detection, encargado de monitorizar si un agente comienza a realizar acciones fuera de su propósito original.
El impacto en la productividad y la experiencia del cliente
Más allá de los centros de datos, la IA agéntica está llegando al escritorio del empleado a través de Workspace Intelligence. La integración de Gemini en Gmail, Docs y Drive ya no se limita a resumir correos. El concepto de «Drive Projects» transforma el almacenamiento en un colaborador activo que organiza archivos, genera contenido y ofrece respuestas basadas en el contexto específico de un equipo. Por otro lado, en el ámbito del consumo, firmas como Best Buy o Papa John’s están utilizando agentes de voz con baja latencia que mantienen tonos humanos y son capaces de gestionar pedidos y resolver dudas técnicas sin intervención manual.
La transformación hacia una organización agéntica parece ser el destino inevitable, aunque el camino presenta desafíos operativos significativos. La capacidad de integrar estos agentes en sistemas heredados y garantizar la gobernanza en entornos multicloud determinará qué empresas logran convertir esta tecnología en un motor de crecimiento real.
Google ha puesto las herramientas sobre la mesa y, además, ha reforzado este compromiso con un fondo de 750 millones de dólares para acelerar el desarrollo de IA agéntica a través de su red de partners. La tecnología ha alcanzado el estado de producción masiva; ahora, la responsabilidad recae en la visión estratégica de quienes deben implementarla.
