https://blog.google/intl/es-419/actualizaciones-de-producto/en-la-nube/presentamos-gemini-enterprise
Bootcamp IA Generativa y Automatizaciones:
Nuestro grupo de WhatsApp:
https://chat.whatsapp.com/IqHOw6tWwY8Kre1M4UU1Hm
La democratización «agéntica» de Google ha llegado para desentronizar el anecdótico monopolio de «Agent Builder» de OpenAI. Skiller Academy, te trae el primer análisis comparativo entre ambas disrupciones en tiempo récord.
Presentamos Gemini Enterprise:
https://blog.google/intl/es-419/actualizaciones-de-producto/en-la-nube/presentamos-gemini-enterprise
¿Invierno de la I.A.? ¡Ja!
Introducción:
La inteligencia artificial (IA) ya no es un concepto futurista; es una realidad que transforma las operaciones de empresas de todos los tamaños. Un estudio reciente de McKinsey estima que los agentes de IA pueden aumentar la productividad entre el 20 % y el 60 % y acelerar la toma de decisiones un 30 %, impulsando un crecimiento económico sin precedentes.
Este auge ha motivado a gigantes tecnológicos como Google y OpenAI a lanzar plataformas que permitan a cualquier organización crear agentes conversacionales y de automatización capaces de interactuar con datos, herramientas y personas. El 9 de octubre de 2025, Google presentó Gemini Enterprise, una plataforma agéntica “todo en uno” que busca convertirse en la puerta de entrada única a la IA empresarial.
Sólo tres días antes, OpenAI dio a conocer AgentKit, con su popular Agent Builder, un lienzo visual para crear flujos de agentes.
Este artículo ofrece una investigación profunda sobre el lanzamiento de Gemini Enterprise, analiza sus características, ventajas y casos de uso reales, y la compara con Agent Builder de OpenAI. Además, exploramos predicciones del mercado, desafíos de seguridad, protocolos de pagos agénticos como AP2 y presentamos una invitación a nuestro Bootcamp Gen AI y Automatizaciones en Skiller Academy.
Lanzamiento de Gemini Enterprise: una plataforma agéntica full‑stack:
¿Qué es Gemini Enterprise?:
Gemini Enterprise es la apuesta de Google para ofrecer una plataforma agéntica unificada dirigida a organizaciones que desean aprovechar la IA de manera masiva y segura. En esencia, combina tres capas:
• Modelos avanzados de la familia Gemini (Gemini 2.5 Pro y superiores), que lideran el ranking de LMArena en marzo de 2025 y son capaces de razonamiento multimodal. Estos modelos procesan más de 1,3 cuatrillones de tokens mensuales y generan la mitad del código nuevo que se escribe en Google.
• Un Workbench sin código, que permite a cualquier empleado crear y orquestar agentes mediante un editor visual. Google define este entorno como el “frente de entrada único” para interactuar con la IA: los trabajadores pueden hacer preguntas en lenguaje natural y los agentes combinan datos, conocimientos corporativos y acciones para entregar respuestas y ejecutar tareas.
• Agentes pre‑construidos y un marketplace. Gemini Enterprise incluye agentes especializados para investigación profunda (Deep Research) y ciencia de datos, además de agentes de marketing, ventas y productividad. También ofrece un Marketplace abierto con más de 100 000 socios que aportan agentes y extensiones.
La plataforma se conecta de forma nativa a datos de Google Workspace, Microsoft 365, Salesforce y SAP, y permite acceder a otras aplicaciones a través de su marco de gobernanza central. Este marco controla el acceso a datos, aplica políticas de seguridad y mantiene registros de auditoría. A diferencia de la mayoría de asistentes generativos, Gemini no utiliza los datos de los clientes para entrenar sus modelos ni para segmentar anuncios, algo que Google resalta como parte de su compromiso de privacidad.
Características clave:
Las capacidades de Gemini Enterprise se agrupan en seis categorías, que detallamos brevemente a continuación:
- Facilidad de uso. El Workbench permite arrastrar y soltar pasos y agentes para crear flujos de trabajo complejos sin programación. Usuarios de negocios pueden diseñar agentes con plantillas predefinidas o personalizar los flujos para tareas específicas.
- Integración y ecosistema. La plataforma conecta datos de Workspace, Microsoft 365, Salesforce, SAP y miles de aplicaciones a través de API seguras, y se apoya en más de 100 000 socios que crean agentes verticales[5]. Esta apertura permite orquestar procesos de marketing, ventas, finanzas o atención al cliente en un mismo entorno.
- Escalabilidad y rendimiento. Gemini se ejecuta sobre la infraestructura de Google Cloud, aprovechando TPU v5e e incluso la nueva supercomputadora “Ironwood”, basada en TPUs especializadas con rendimiento 10 veces superior. La plataforma es capaz de orquestar múltiples agentes y asignar recursos dinámicamente según la carga, lo que la hace ideal para grandes organizaciones.
- Privacidad y seguridad. La gobernanza central garantiza que sólo se accede al contenido relevante para el usuario y que los administradores puedan aplicar reglas de Prevención de Pérdida de Datos (DLP) y cumplir normativas como ISO 42001 y HIPAA. Además, Google confirma que los datos se pueden eliminar o exportar en cualquier momento.
- Costo‑efectividad. Según TechCrunch, los planes Business Edition de Gemini Enterprise parten de 21 US$/usuario/mes y ofrecen una prueba gratuita de 30 días; las ediciones Standard y Plus cuestan 30 US$/usuario/mes. Al estar integrado en Google Cloud, los clientes empresariales pueden consolidar su inversión en un único proveedor.
- Multimodalidad. Gemini soporta texto, imágenes, vídeos y voz. Está estrechamente integrado con Google Meet, Vids y NotebookLM, lo que permite resumir reuniones, generar presentaciones y crear resúmenes de audio estilo pódcast.
Agentes pre‑construidos y casos de uso:
Gemini Enterprise ofrece una amplia biblioteca de agentes listos para usar, así como plantillas para personalizar procesos. Algunos ejemplos destacados:
• Agente de Investigación Profunda (Deep Research). Ayuda a sintetizar grandes cantidades de información y produce informes analíticos detallados. Según Deloitte, esta función “ha transformado nuestra forma de trabajar”, permitiendo resumir datos e identificar oportunidades de negocio.
• Agentes de marketing y ventas. La naviera Virgin Voyages utiliza un agente llamado Email Ellie que, mediante contenido personalizado, reduce en un 40 % el tiempo de creación de correos y aumenta las ventas en un 28 % interanual.
• Agentes de servicios financieros. Macquarie Bank adoptó agentes para mejorar su servicio digital, logrando que un 38 % más de usuarios se dirigieran a opciones de autoservicio y reduciendo en 40 % los falsos positivos en sus procesos de autenticación.
• Agentes de productividad. La cadena deportiva Sports Basement recortó entre 30 % y 35 % el tiempo de elaboración de respuestas a clientes y dejó de depender de más de 100 plantillas de correo.
• Adopción a gran escala. KPMG integró Gemini Enterprise en toda su organización estadounidense, logrando que 90 % de los empleados usaran la herramienta en las dos primeras semanas y creando cerca de 700 agentes sin código. Estos ejemplos muestran cómo agentes especializados pueden acelerar tareas de marketing, atención al cliente, análisis financiero o generación de informes, generando un retorno de inversión significativo para las empresas.
Mercado y adopción:
La magnitud de Gemini Enterprise se entiende mejor observando su impacto en el mercado:
• Google reporta que 65 % de los clientes de Google Cloud ya utilizan productos de IA y que la plataforma procesa 1,3 cuatrillones de tokens al mes, lo que demuestra la adopción masiva de sus modelos.
• Google Cloud indica que cerca de la mitad del código nuevo generado en sus productos proviene de IA, señal de que la IA ya es parte integral de sus operaciones.
• Los ejemplos anteriores demuestran que la plataforma funciona en distintos sectores: banca (Banco BV, Macquarie), retail (Best Buy), hostelería (Virgin Voyages, Gordon Food Service), sanidad (HCA Healthcare) e incluso universidades.
Adicionalmente, analistas señalan que la adopción de agentes crece a ritmo vertiginoso. Según un estudio mencionado por KPMG, el 42 % de las organizaciones ya ha desplegado agentes de IA, cifra que se cuadruplicó en comparación con hace seis meses. Otro informe de Accenture destaca que ya existen más de 450 agentes construidos por partners disponibles en el Marketplace de Google.
AgentKit de OpenAI: un lienzo visual para desarrolladores
Tres días antes del anuncio de Google, el 6 de octubre de 2025, OpenAI lanzó AgentKit, una caja de herramientas que incluye Agent Builder, ChatKit, Connector Registry, Evals y Reinforcement Fine‑Tuning (RFT). Estas herramientas pretenden democratizar la creación de agentes adaptativos dentro y fuera de ChatGPT.
Componentes principales
• Agent Builder. Permite construir flujos de agentes usando un lienzo de nodos: cada nodo puede representar un agente, una búsqueda de archivos, un guardrail o una función externa. Los usuarios pueden probar el flujo, guardar versiones y clonar plantillas.
• ChatKit. Un kit que facilita la integración de chatbots en aplicaciones mediante una interfaz personalizable, permitiendo incluir branding propio y optimizaciones de rendimiento.
• Connector Registry. Un panel de administración que centraliza las integraciones con Dropbox, Google Drive, SharePoint, Microsoft Teams y otros servicios externos mediante el Model Context Protocol (MCP). MCP es un estándar abierto que define la forma en que los modelos se conectan con herramientas y fuentes de datos.
• Evals y RFT. Herramientas que permiten evaluar los agentes con datasets, calificar sus resultados y optimizar prompts de manera automática; además, el Reinforcement Fine‑Tuning permite entrenar agentes con retroalimentación a medida.
• Costo. OpenAI anunció que AgentKit no tiene coste adicional: todos sus módulos están incluidos en la suscripción estándar de la API.
Fortalezas de AgentKit:
OpenAI afirma que su plataforma reduce la complejidad a la hora de crear agentes, y los estudios de caso así lo demuestran:
• Ramp, empresa de gestión financiera, redujo en 70 % el número de iteraciones necesarias para entrenar un comprador autónomo y desplegarlo en producción.
• Carlyle aprovechó las herramientas de evaluación para disminuir en 50 % el tiempo de desarrollo de sus agentes y mejorar la precisión en 30 %.
• LY Corporation (anteriormente LINE Corp) construyó un asistente de trabajo completo en menos de dos horas.
• Canva utilizó ChatKit para crear un agente de soporte que interactúa con su comunidad de desarrolladores; según su equipo, esto les ahorró más de dos semanas de desarrollo.
Estas historias muestran que AgentKit resulta atractivo para desarrolladores que desean crear prototipos de agentes rápidamente sin preocuparse por la infraestructura o el costo inicial.
Limitaciones y críticas
A pesar de sus ventajas, la comunidad ha señalado varias limitaciones y riesgos al usar AgentKit:
• Flujos rígidos y complejos. El lienzo requiere crear nodos condicionales (if/else) para cada decisión, lo que lleva a flujos largos y difíciles de mantener; incluso un agente simple de pronóstico meteorológico puede necesitar hasta seis nodos. Otros analistas comparan AgentKit con herramientas de automatización y concluyen que no admite desencadenadores ni programación de tareas, y su capacidad de integración está limitada a unas pocas docenas de conectores.
• Carga manual y falta de actualizaciones automáticas. Eesel advierte que el módulo File Search obliga a subir archivos manualmente y volver a cargarlos cuando cambian los datos; esto resulta inviable para bases de conocimiento dinámicas.
• Ausencia de cumplimiento corporativo. A diferencia de Gemini, AgentKit carece de certificaciones SOC 2 o HIPAA; tampoco ofrece trazabilidad de la fuente de información, lo que dificulta su uso en entornos regulados.
• Modelo cerrado y precios impredecibles. La plataforma está limitada a modelos de OpenAI y no permite elegir otros proveedores. Además, al facturarse por uso de tokens, los costes pueden variar de manera inesperada.
• Riesgos de seguridad. Investigadores de Zenity advierten que la conexión de agentes a datos sensibles puede exponerlos a inyecciones de prompt; además, los tokens de autorización se gestionan manualmente y podrían conceder permisos excesivos. Aunque OpenAI incluye guardrails y aprobaciones de usuario, estas protecciones no son infalibles.
Estas limitaciones hacen que AgentKit sea ideal para prototipos o startups con requerimientos livianos, pero menos adecuado para organizaciones que necesiten soluciones certificadas y escalables.
Las barras reflejan reducción de tiempos (valores negativos) e incrementos de ventas o precisión (positivos). Por ejemplo, Email Ellie reduce un 40 % el tiempo de creación de correos, mientras que Ramp disminuyó un 70 % las iteraciones para su agente comprador. Es importante matizar que el contexto de cada caso varía y que las mejoras obtenidas dependen de la madurez tecnológica de cada empresa.
Predicciones y futuro de la IA agéntica:
El entusiasmo por los agentes de IA se refleja en informes de consultoras. El último Hype Cycle de Gartner sitúa a los agentes IA en el punto más alto de expectación. Sin embargo, también advierte que más del 40 % de los proyectos podrían cancelarse antes de 2027 debido a costes crecientes y falta de claridad en el retorno de inversión. Gartner predice que, para 2028, el 33 % del software empresarial y 15 % de las decisiones laborales diarias involucrarán agentes IA.
Investigaciones académicas señalan que los sistemas multi‑agente aún presentan limitaciones en razonamiento a largo plazo, colaboración y resiliencia. El benchmark REALM‑Bench demuestra que los modelos actuales fallan en tareas de planificación y coordinación bajo restricciones realistas. Estos hallazgos subrayan la necesidad de seguir desarrollando evaluaciones estandarizadas y protocolos de gobernanza.
Protocolos de pago agénticos (AP2) y gobernanza:
A medida que los agentes asumen tareas más complejas, surge la necesidad de autorizar pagos y transacciones. Google y varios socios han propuesto el Agent Payments Protocol (AP2), un estándar abierto y agnóstico que describe cómo los agentes, usuarios y proveedores de pago intercambian mandatos criptográficos para autorizar compras. Un mandato de intención define lo que el usuario quiere comprar y un mandato de carrito verifica el total; ambos se firman digitalmente y son verificables por cualquier entidad.
AP2 está respaldado por más de 60 socios (Mastercard, PayPal, Adyen, Coinbase, etc.) y funciona con múltiples métodos de pago (tarjetas, transferencias bancarias, stablecoins). La visión es que AP2 se convierta en el “TCP/IP” de los pagos de IA, ofreciendo interoperabilidad y seguridad a escala. No obstante, expertos en derecho financiero advierten que aún hay desafíos legales: definir la responsabilidad en caso de errores, certificar la identidad de los agentes y evitar fraudes.
Ética, seguridad y retos legales:
La adopción de agentes IA plantea interrogantes éticos. Las plataformas deben garantizar transparencia, protección de datos personales y gobernanza responsable. Gemini Enterprise aborda esta preocupación mediante controles de acceso, auditorías y certificaciones de seguridad. Además, Google asegura que los datos de los clientes no se usan para entrenar modelos ni para publicidad, una práctica importante para cumplir con el Reglamento General de Protección de Datos europeo.
AgentKit, por su parte, incorpora guardrails para evitar la exposición de información sensible y mecanismos de aprobación de usuario, pero los analistas consideran que estas barreras son básicas y que no sustituyen a una gobernanza formal. También se han reportado riesgos de prompt injection y gestión inadecuada de tokens. Para las empresas reguladas, estas deficiencias suponen un desafío a la hora de escalar.
Bootcamp Gen AI y Automatizaciones “All in One”:
En Skiller Academy creemos que el conocimiento es la mejor herramienta para aprovechar la revolución agéntica. Por ello, hemos diseñado el Bootcamp Gen AI y Automatizaciones “All in One”, dirigido a profesionales, empresas y particulares que deseen dominar la creación de agentes y la integración de plataformas como Gemini Enterprise, AgentKit y otras soluciones emergentes.
Durante el bootcamp aprenderás a:
• Diseñar y orquestar agentes utilizando herramientas no‑code y low‑code, aplicando buenas prácticas de prompts y estructura de flujos.
• Conectar datos y servicios de diferentes ecosistemas (Workspace, 365, bases de datos, APIs externas) garantizando seguridad y cumplimiento normativo.
• Implementar protocolos de pago agénticos como AP2, comprendiendo sus implicaciones legales y técnicas.
• Evaluar y mejorar la calidad de tus agentes mediante métricas, benchmarks y retroalimentación de usuarios.
• Automatizar procesos empresariales para aumentar productividad en áreas de marketing, ventas, servicio al cliente, desarrollo y operaciones.
El objetivo es que salgas preparado para liderar proyectos de IA en tu organización o emprender soluciones propias. Puedes inscribirte en nuestro bootcamp aquí: https://skiller.education/bootcamp-ia/.
Conclusiones:
El año 2025 marca un punto de inflexión en la adopción de agentes de IA. Gemini Enterprise se presenta como la solución full‑stack, multimodal y segura para empresas que desean escalar la IA en todos sus departamentos. Combina modelos avanzados, un entorno sin código, agentes pre‑construidos y un potente ecosistema. AgentKit de OpenAI, por su parte, democratiza el desarrollo de agentes para un público más técnico, permitiendo prototipar rápidamente pero sacrificando escalabilidad y cumplimiento normativo.
Las organizaciones deben evaluar sus necesidades: ¿necesitan un entorno robusto, multimodal y certificado o prefieren flexibilidad y rapidez? Las predicciones indican que en pocos años una parte significativa de las decisiones laborales se apoyará en agentes IA, pero también que muchos proyectos podrían fracasar si no se gestionan bien.
En cualquier escenario, la formación continua será vital para capitalizar las oportunidades y mitigar riesgos. Te invitamos a unirte al Bootcamp Gen AI y Automatizaciones “All in One” y a participar activamente en la transformación agéntica que definirá la productividad y la eficiencia en esta nueva era.
