Google Cloud presentou Gemini como un axente universal para o traballo, capaz de responder preguntas, executar tarefas, crear contido e escribir e executar código desde unha única interface. O novo sistema está deseñado para traballar de maneira autónoma a partir de obxectivos, conectarse ás ferramentas e datos dunha organización e manter a memoria e o contexto das tarefas mesmo cando estas se prolongan durante horas ou días.
O axente de Gemini pode empregarse como asistente persoal ou como membro dun equipo. Pode planificar traballos, utilizar ferramentas e habilidades especializadas, conectarse aos sistemas corporativos e devolver o resultado xa rematado. Tamén pode programar tarefas ou reaccionar ante determinados eventos.
Un dos elementos centrais é a capacidade para coordinar varios axentes especializados. Gemini pode crear subaxentes temporais para resolver diferentes partes dunha tarefa complexa ou funcionar como un «compañeiro de traballo» con identidade propia, correo electrónico, almacenamento e funcións persistentes dentro dunha organización. Estes axentes poden colaborar con equipos e asumir responsabilidades concretas ao longo do tempo.
A mesma experiencia estará dispoñible a través da web, iOS, Android, Windows e Mac, así como mediante a liña de comandos, Google Workspace, Microsoft 365 ou Slack. Tamén poderá integrarse noutras aplicacións sen necesidade dunha interface propia.
Google separa ademais o axente do modelo de IA que utiliza para cada tarefa. Gemini poderá combinar modelos da propia Google con modelos de Anthropic e, no futuro, con outros modelos privados ou de código aberto. O obxectivo é seleccionar automaticamente o modelo máis axeitado en función da complexidade e do custo do traballo.
A memoria constitúe outro dos piares do sistema. Gemini manterá memoria de sesión, memoria semántica baseada no coñecemento que vai adquirindo, memoria procedural sobre como se realizan determinadas tarefas e memoria episódica sobre traballos anteriores. As organizacións tamén poderán crear proxectos con ferramentas, coñecementos e habilidades específicas.
As habilidades son paquetes reutilizables de instrucións, coñecemento e fluxos de traballo que permiten ao axente executar tarefas complexas. Google ofrecerá unha biblioteca propia e permitirá que equipos e departamentos creen e compartan as súas propias habilidades. A plataforma tamén poderá conectarse con ferramentas como Confluence, Microsoft Office, Teams, Slack, Workspace, Git, Jira, Salesforce, ServiceNow, BigQuery, Databricks, Postgres e Snowflake, ademais de servidores MCP.
Gemini tamén chegará directamente a Gmail, Drive, Docs, Slides, Sheets, Chat e Calendar. Dentro de Workspace poderá, por exemplo, organizar unha reunión identificando os participantes a partir dos espazos de Chat e conversas anteriores, consultar as súas axendas e iniciar a coordinación por correo electrónico. Tamén poderá pasar dunha aplicación a outra para investigar información, elaborar un modelo financeiro en Sheets e crear posteriormente unha presentación.
Workspace incorporará ademais funcións de delegación proactiva. O sistema poderá detectar tarefas que poden ser realizadas polo axente e ofrecer ao usuario a posibilidade de delegalas. Tamén será posible crear axentes con identidade propia dentro da organización, con correo electrónico, calendario, Drive e presenza no directorio corporativo.
A análise de datos é outro dos ámbitos nos que Google está ampliando as capacidades de Gemini. Os enxeñeiros de datos e aprendizaxe automática poderán describir en linguaxe natural o resultado que buscan e obter código PySpark, cadernos para probalo, modelos adestrados ou correccións de problemas nas canalizacións de datos.
Os usuarios empresariais poderán solicitar informes operativos en linguaxe natural. Gemini empregará BigQuery e Knowledge Catalog para construír e gardar as consultas, de maneira que posteriormente poidan executarse sen volver consumir tokens e ofrecendo resultados consistentes.
Knowledge Catalog permitirá asociar as definicións e regras empresariais aos datos, mentres Smart Storage pretende incorporar información contextual aos datos non estruturados (como PDF, imaxes, escaneos ou gravacións). Borderless Lakehouse permitirá consultar datos almacenados en Amazon S3 e Azure Data Lake sen necesidade de trasladalos, así como acceder directamente a fontes como Salesforce Data 360, SAP, ServiceNow ou Workday.
Google tamén anunciou especializacións de Gemini para sectores concretos. Gemini para servizos financeiros e Gemini para o sector legal están xa en vista previa, mentres que as versións para Administración pública, sanidade e comercio chegarán posteriormente. A versión financeira incorpora máis de 50 habilidades especializadas e pode traballar con datos de FactSet, LSEG, documentación da SEC e repositorios propios, con puntuacións de confianza, metodoloxías e trazabilidade dos datos para facilitar as auditorías.
A seguridade ocupa un papel central no deseño dos axentes. Cada axente terá unha identidade propia con permisos baseados no principio de mínimo privilexio, mentres que as súas accións quedarán rexistradas nunha pista de auditoría. Google tamén introduce Agent Sandbox, un contorno illado para executar tarefas, e Agent Gateway, que funciona como un cortalumes para a actividade dos axentes e permite aplicar políticas de seguridade ao tráfico entre eles e cos sistemas externos.
O control dos custos tamén se incorpora á plataforma mediante a selección automática de modelos, Smart Routing e límites de gasto en tempo real. As empresas poderán establecer un límite para cada proxecto e Gemini deterá a actividade cando se alcance, con capacidade para retomala posteriormente.
Entre os primeiros clientes citados por Google figura Orange España, que está despregando máis de 1.000 axentes personalizados de Gemini Enterprise para tarefas de recursos humanos, TI, vendas e atención ao cliente. Os axentes úsanse para automatizar a clasificación de incidencias, analizar problemas de rede e recuperar coñecemento corporativo.
Outros exemplos inclúen SOMPO, que creou máis de 10.000 axentes para os seus 34.000 empregados; Qatar University, con máis de 2.000 axentes personalizados; Tata Steel, que despregou máis de 300 axentes especializados en nove meses; e o Departamento de Defensa estadounidense, que puxo Gemini Enterprise a disposición de tres millóns de membros uniformados e civís e que xa creou máis de 100.000 axentes personalizados.
A infraestrutura sobre a que se executan estes sistemas tamén recibe unha actualización. Google asegura que o seu novo sistema TPU 8i ofrece un 80 % máis de relación entre prezo e rendemento que a xeración anterior. A compañía sitúa estes chips xunto cos seus modelos Argon, orientado ao razoamento avanzado; Flash, para velocidade e volume; Omni, para xeración multimedia; e Gemma, para cargas lixeiras con pesos abertos.
