Si entraste a armar un agente en Google Cloud en los últimos meses, te encontraste con algo confuso: la consola ya no se llama Dialogflow CX ni Vertex AI Agent Builder, sino Conversational Agents, y adentro te ofrece dos formas de construir el mismo agente. Flujos o playbooks. Elegir mal ahí te cuesta semanas de rework.
La buena noticia, según la propia documentación de Google: los agentes creados con cualquiera de las tres consolas —Dialogflow CX, Vertex AI Agent Builder o la nueva— se abren igual desde Conversational Agents y usan la misma API de Dialogflow. No hay migración forzada. Lo que sí hay es una decisión de diseño nueva.
Flujos: cuando el guion no se negocia
Un flujo es la forma clásica de Dialogflow CX: páginas, intents, entidades y transiciones. Tú dibujas el camino y el agente no se sale de ahí. Es determinista, y por eso sigue siendo la opción correcta en procesos donde una respuesta improvisada es un problema legal o de plata.
Pienso en un alta de reclamo en un banco, una autenticación antes de dar saldos, o la captura de datos obligatorios para una cita médica. Ahí quieres que el agente pregunte exactamente lo que tiene que preguntar, en ese orden, y que valide cada dato. Un modelo generativo libre, en ese escenario, es un riesgo sin ventaja.
Ese es el arranque del taller Creación de Agentes Inteligentes con Google Cloud: la primera de sus cuatro sesiones arma el agente conversacional en Dialogflow CX con intents, flujos y entidades, y recién después se pasa a lo generativo. El orden importa, porque entender el camino determinista es lo que te permite decidir cuándo soltarlo.
Playbooks: instrucciones en lenguaje natural y herramientas
Un playbook es lo contrario: en vez de dibujar el camino, escribes el objetivo y las instrucciones en lenguaje natural, le das ejemplos de conversación y le conectas herramientas. El modelo decide cómo llegar. Las herramientas son la pieza clave, porque son las que le permiten al agente consultar un dato real en lugar de inventarlo.
Es mucho más rápido de levantar. Un playbook decente sale en una tarde; el mismo alcance en flujos te toma días de cajas y flechas. La contra es que la calidad depende de cómo escribiste las instrucciones y de los ejemplos que le diste, así que tienes que medir con casos de prueba en vez de confiar en que "respondió bien las tres veces que lo probé".
Un detalle que a la mayoría se le pasa: no es o uno o el otro. Un agente puede tener un playbook que atiende la conversación general y derivar a un flujo cuando toca un trámite sensible, y volver. Esa mezcla es la que suele terminar en producción.
Dónde entra el RAG y por qué cambia la respuesta
La mitad de los agentes empresariales no necesitan razonar: necesitan citar bien. Ahí entran los data stores, que conectan el agente a tus documentos y le permiten contestar con la fuente, sin reentrenar nada. Para un manual de políticas, un catálogo o la base de conocimiento de soporte, suele ser la ruta más barata y la más defendible frente al área de riesgos.
El taller dedica una sesión completa a eso con Vertex AI Search, y otra al Agent Development Kit (ADK) para cuando el agente tiene que hacer algo más que responder. Si quieres ir directo a ese último tema, escribimos antes una guía práctica del ADK de Vertex AI.
Cómo decidir en cinco minutos
- ▸¿El proceso tiene pasos obligatorios, validaciones o implicancias legales? Flujo.
- ▸¿La conversación es abierta y la respuesta sale de documentos? Playbook con data store.
- ▸¿El agente tiene que ejecutar acciones en otros sistemas? Playbook con herramientas, y un webhook a Cloud Functions para la lógica propia.
- ▸¿Las dos cosas en el mismo canal? Playbook principal que deriva a flujos en los trámites críticos.
Antes de publicar cualquiera de los dos, arma casos de prueba en la consola y define los entornos de despliegue. Es la parte menos glamorosa y la que separa un demo de un agente que atiende clientes.
Por dónde seguir
Lo que te llevas del taller Creación de Agentes Inteligentes con Google Cloud son 11 horas con cuatro agentes construidos por ti: uno conversacional en Dialogflow CX, uno generativo con Agent Builder, uno con RAG sobre tus documentos y uno avanzado con ADK, más el certificado. Es nivel avanzado, así que conviene llegar con fundamentos de GCP; si te faltan, Introducción a Google Cloud Platform es el paso previo.
Si lo tuyo no es casarte con un proveedor sino construir agentes como oficio —arquitectura, memoria, herramientas, evaluación y producción—, eso vive en la ruta AI Agentic Engineer. Y del lado corporativo, en Gemini Enterprise explicamos cómo se orquesta todo esto dentro de una organización que ya usa Google Workspace.
Una última cosa: si quieres ver a alguien armar uno de estos en vivo y preguntar en el momento, en la Comunidad AI Builders hacemos un taller cada semana.
