El 8 de octubre, Google empezó a desplegar algo que no es un modelo nuevo ni una versión más de Gemini: un agente universal que vive dentro de Gmail, Drive, Docs y Calendar, con identidad propia —incluido un correo electrónico— y la capacidad de repartir tareas entre varios subagentes especializados. Bloomberg y TechCrunch lo cubrieron el mismo día, y desde entonces me preguntan lo mismo en cada clase: ¿esto reemplaza lo que ya usamos o es una capa más encima de todo?
Lo que Google anunció el 8 de octubre
Google presentó un agente de Gemini pensado para el trabajo diario dentro de Workspace. No es un asistente que responde una pregunta y se olvida de todo: queda instalado en Gmail, Drive, Docs y Calendar, y puede seguir trabajando en segundo plano mientras tú haces otra cosa. Lo más llamativo es que tiene su propia identidad corporativa, con dirección de correo asignada, como si fuera un colaborador más del equipo. Por ahora el despliegue arranca en cuentas de Google Workspace empresariales; la versión para cuentas personales llegará después.
Cómo opera por dentro
- ▸Vive en las aplicaciones que ya usa tu equipo (Gmail, Drive, Docs, Calendar), no en una pestaña aparte.
- ▸Tiene una identidad de trabajo propia, con correo electrónico asignado, como un colaborador más.
- ▸Delega sub-tareas a subagentes especializados en vez de intentar resolver todo con un solo modelo.
- ▸Combina más de un modelo según la tarea: no todo corre sobre la misma versión de Gemini.
- ▸El rollout arranca en cuentas corporativas; la versión para usuarios individuales llega en una fase posterior.
Por qué este lanzamiento pesa más que otro modelo nuevo
Llevamos meses viendo modelos que mejoran dos puntos en algún benchmark. Esto es distinto: Google apuesta por agentes que viven dentro del software que la gente ya usa ocho horas al día, en vez de pedirle a alguien que abra una app nueva. Microsoft hizo un movimiento parecido con el relanzamiento de Copilot Autopilot hace un par de semanas, y OpenAI lanzó Dots con la misma lógica de "agente siempre activo" a fines de septiembre. El patrón ya es difícil de ignorar: 2026 es el año en que los agentes dejaron de ser una demo en un escenario y empezaron a vivir dentro de Outlook, Slack y Workspace.
En julio ya habíamos cubierto cómo Gemini Enterprise orquestaba agentes dentro de una empresa. Este agente universal es la continuación directa de esa apuesta, solo que ahora con identidad propia y presencia dentro de las herramientas donde tu equipo ya trabaja, no en una consola aparte que hay que abrir a propósito.
Lo que nadie te dice todavía es que un agente con identidad propia y acceso a Gmail, Drive y Calendar también es una superficie de ataque nueva: un permiso mal configurado acá no es un bug menor, es una fuga de datos de toda la empresa.
En qué se diferencia del Gemini Enterprise que ya conocías
Gemini Enterprise, la plataforma que Google lanzó el año pasado, ya dejaba orquestar agentes dentro de Vertex AI: tú diseñabas el flujo, conectabas las fuentes de datos y el agente corría sobre tu infraestructura. Lo nuevo de este agente universal es que no necesitas diseñarlo tú: ya viene pre-armado, vive directamente en Gmail o Docs, y cualquier persona del equipo lo activa sin pasar por el área de IA. Es la diferencia entre entregarle a tu equipo un motor para que arme su propio auto y entregarle el auto ya armado con las llaves puestas. Las dos cosas conviven, pero resuelven problemas distintos.
Qué significa esto para equipos en Perú y LATAM
La mayoría de empresas medianas de la región todavía no tiene un equipo de IA dedicado: tiene a alguien de sistemas o de datos que, además de su trabajo normal, quedó a cargo de "ver el tema de IA". Para ese perfil, un agente que ya viene integrado en Workspace reduce la fricción de entrada, porque no hay que levantar infraestructura en Vertex AI para probarlo, solo activarlo dentro de la cuenta corporativa. El riesgo es el opuesto al de las empresas grandes: no es exceso de agentes mal gobernados, es activar esto sin que nadie del equipo entienda qué datos está tocando ni cómo auditar lo que hizo después.
Casos de uso que ya están probando equipos de datos
- ▸Triaje de una bandeja de Gmail compartida, con asignación automática a subagentes según el tipo de solicitud.
- ▸Resumen y seguimiento de reuniones en Calendar, con actas que se escriben solas en Docs.
- ▸Monitoreo de carpetas de Drive para alertar cambios en contratos, reportes o planillas críticas.
- ▸Borradores de respuesta a clientes, con un subagente que revisa el tono y otro que verifica los datos antes de enviar.
Qué pedirle a tu equipo de IT antes de activarlo
- ▸Qué carpetas de Drive y qué buzones puede leer el agente, y quién aprueba esa lista.
- ▸Si queda un registro auditable de cada acción que toma, no solo del resultado final.
- ▸Qué pasa si un subagente comete un error en cadena: cómo se detiene y quién se entera primero.
- ▸Si existe un ambiente de prueba separado del de producción antes de activarlo para todo el equipo.
Dónde encaja esto si trabajas con IA en Google Cloud
Si ya trabajas con Vertex AI o armas flujos sobre Google Cloud, este agente no sale de la nada: corre sobre la misma infraestructura que enseñamos en la Especialización en IA Generativa en Google Cloud, solo que empaquetada para que la use cualquier persona del equipo sin tocar código. Entender cómo se orquestan los subagentes —qué modelo atiende qué tarea, cómo se pasan el contexto entre ellos— es justo lo que diferencia a quien solo usa el agente de quien puede diseñarlo.
Esa capacidad de diseñar arquitecturas con varios agentes especializados hablándose entre sí es el centro de la ruta AI Agentic Engineer: no se trata de aprender a usar un agente ya armado, sino de construir los que tu empresa todavía no tiene.
Cómo empezar a prepararte esta semana
No necesitas esperar a que el agente universal llegue a tu cuenta para adelantarte. Primero, revisa qué permisos tiene hoy tu Workspace sobre datos sensibles: ese va a ser el dolor de cabeza más común en los próximos meses. Segundo, si tu empresa ya usa Gemini Enterprise, pregúntale a tu equipo de IT cuándo entra la fase beta del agente universal, porque Google lo está liberando por oleadas, no de golpe. Tercero, practica con subagentes en un entorno controlado antes de soltarlo en producción: un agente mal delegado repite un error a una velocidad que ningún humano alcanzaría.
Si quieres ver en vivo cómo se arma uno de estos flujos con varios agentes coordinándose, cada semana hacemos un taller práctico en la Comunidad AI Builders, para practicarlo acompañado en vez de resolverlo solo a prueba y error.
Para seguir desde acá
Si quieres meterle código a esto y no solo usarlo, la Especialización en IA Generativa en Google Cloud te lleva desde Vertex AI hasta este tipo de flujos de agentes. Si tu meta es diseñar arquitecturas multiagente completas, la ruta AI Agentic Engineer es el siguiente paso. Y si quieres seguirle la pista a todo lo que hemos cubierto sobre la plataforma de Google, revisa el resto de nuestras notas sobre Gemini Enterprise.
