Cuando el asistente dirige la oficina: Gemini, los agentes y la nueva capa de flujo de trabajo

En la segunda semana de octubre, Google Cloud presentó algo que describió como un agente para el trabajo. La propuesta no es un chatbot más inteligente. Es un sistema que coordina tareas entre Gmail, Drive, Docs, Sheets, Calendar y aplicaciones empresariales conectadas, usando habilidades especializadas y contexto persistente para completar trabajos de varios pasos en lugar de solo responder preguntas.

El detalle que recibió menos atención es el que más importa. El agente puede orquestar entre los modelos propios de Google y los modelos Claude de Anthropic. Google, en otras palabras, se vende a sí mismo como la capa que decide qué modelo hace cada trabajo, incluidos los modelos que no posee.

Qué hace realmente un agente en una oficina

Un agente útil no es un cuadro de búsqueda con una voz más agradable. Lee un hilo, encuentra el archivo adjunto, actualiza la pestaña correcta, redacta una respuesta con el tono adecuado y reserva la sala. Cada paso es pequeño. El valor proviene de hacerlos en orden, sin que una persona copie contenido entre cuatro ventanas.

Por eso los asistentes empresariales están convergiendo en la misma forma. El agente de Google coordina a través de su suite de productividad. Microsoft ha estado impulsando Copilot hacia el mismo puesto. OpenAI ha estado construyendo agentes con sus propios entornos de escritorio y navegador, y Anthropic ha estado vendiendo agentes que se centran en la programación y el uso de computadoras. La competencia ya no se trata de qué modelo escribe el mejor párrafo. Se trata de en qué sistema se puede confiar para completar un flujo de trabajo.

Por qué importa la capa de orquestación

Durante años, la suposición fue que quien tuviera el mejor modelo ganaría el mercado empresarial. Esa suposición se está debilitando. La capacidad de los modelos ha convergido lo suficiente como para que los equipos de compras dejen de preocuparse por qué modelo de frontera está unos puntos por delante, y empiecen a preocuparse por qué proveedor puede integrar un agente en los sistemas donde ya vive el trabajo.

Si eso es correcto, la posición duradera es la capa de orquestación, la pieza que divide una solicitud en pasos, dirige cada paso a un modelo adecuado y ensambla el resultado. Poseer la suite de productividad es una gran ventaja aquí, porque el agente ya tiene el contexto y los permisos para actuar. Poseer esa capa también es la razón por la que Google se siente cómodo dirigiendo parte del trabajo a Claude. Si la capa es el producto, los modelos subyacentes se convierten en insumos intercambiables.

El problema de gobernanza que llega con la comodidad

Un agente que puede leer correo electrónico, editar documentos y programar reuniones necesita un modelo de permisos mucho más complicado que el control de acceso que la mayoría de los departamentos de TI ejecutan hoy. Ese es el costo honesto de la función, y es donde se estancan las implementaciones.

Microsoft ha adoptado un enfoque diferente para el mismo riesgo. Ha estado impulsando agentes de IA hacia la propia PC, con contenedores de ejecución diseñados para limitar a qué puede acceder un agente en una máquina. Ejecutar el agente localmente intercambia algo de comodidad por un límite más estricto en torno a lo que toca. El enfoque de Google se apoya en la nube y la suite, donde ya residen los datos. Ambos son intentos de responder la pregunta que los compradores empresariales ahora hacen antes que nada: a qué puede acceder exactamente esto.

Los reguladores están rondando la misma brecha. El 8 de octubre, la Oficina del Comisionado de Información del Reino Unido informó sobre compromisos de diez desarrolladores de IA para realizar mejoras en la protección de datos y abrió una convocatoria para presentar pruebas sobre los riesgos de la IA agéntica. El encuadre es revelador. Cuando el software realiza acciones en nombre de un usuario, las preguntas sobre consentimiento, registro y responsabilidad dejan de ser el problema de una sola empresa.

El problema de los permisos en la práctica

Imagina la lista de accesos que un agente necesita para hacer su trabajo. Leer un hilo requiere acceso al correo. Encontrar el archivo adjunto requiere acceso a archivos. Actualizar una hoja requiere derechos de edición sobre ese documento. Reservar una sala requiere acceso de escritura al calendario. Cada permiso es razonable por sí solo. En conjunto, describen una entidad que puede ver la mayor parte de lo que una persona puede ver y cambiar mucho de ello, y el control de acceso tradicional nunca fue diseñado para algo que actúa por su cuenta a la velocidad de una máquina.

Por eso la orientación que llega de los organismos de estándares tiene la forma que tiene. Tratar a los agentes como identidades no humanas de baja confianza suena burocrático hasta que intentas escribir el registro de auditoría. Un agente que ejecutó cien acciones durante la noche necesita un registro de lo que tocó, una forma de revocar sus credenciales rápidamente y una regla sobre qué acciones requieren la aprobación de una persona. La mayoría de las organizaciones no tiene ninguna de esas tres cosas implementadas, ni siquiera las que ya ejecutan agentes en producción.

La incómoda realidad es que la comodidad y el control tiran en direcciones opuestas aquí. Cuantos más sistemas puede alcanzar un agente, más útil se vuelve y más daño puede causar un error. No hay una configuración ingeniosa que resuelva esa disyuntiva. Solo hay una decisión sobre cuánto acceso merece realmente un flujo de trabajo dado, tomada antes de dejar suelto al agente en lugar de después.

Qué aporta la orquestación y qué cuesta

La ventaja de una capa de orquestación es real. Dirigir cada paso al modelo adecuado significa que un paso rutinario puede ejecutarse de forma económica y una decisión de criterio puede ejecutarse en el modelo más potente disponible. También significa una única interfaz sobre herramientas que antes estaban separadas, que es la parte que le salva la tarde a una persona.

El costo es un nuevo tipo de dependencia de proveedores. Si la capa que decide cómo fluye el trabajo reside en un solo proveedor, entonces ese proveedor decide qué modelos se usan y a qué precio. Que Google dirija parte del trabajo a Claude es una bonita historia sobre la elección. También es Google decidiendo cuándo se aplica esa elección. La misma estructura que hace que el sistema sea flexible para el comprador hace que el comprador dependa de quien tenga las reglas de enrutamiento.

Vale la pena recordarlo cuando un proveedor de suites presenta un agente que solo funciona plenamente dentro de sus propios productos y unos pocos socios. La interoperabilidad es fácil de prometer y difícil de verificar, y es lo primero que hay que probar.

Qué deberían hacer realmente los equipos

Los equipos que obtienen valor de estos agentes no son los que los activaron en todas partes. Son los que eligieron un flujo de trabajo acotado y repetitivo, le dieron al agente el acceso mínimo que necesitaba y registraron cada acción para su revisión. Empieza donde el fallo sea barato. Redactar un resumen es de bajo riesgo. Pagar a un proveedor no lo es.

Vale la pena adoptar tres hábitos desde el principio. Mantén un inventario actualizado de qué agentes existen y a qué puede acceder cada uno, porque su número crece más rápido de lo que nadie espera. Usa credenciales de corta duración para que un agente filtrado o mal utilizado no pueda actuar para siempre. Y coloca un paso de aprobación humana delante de cualquier acción que mueva dinero, cambie un contrato o contacte a alguien fuera de la empresa.

Nada de eso es glamuroso. También es la diferencia entre un agente que ayuda durante un año y uno que se convierte en titular por un día.

La forma de la próxima fase

La carrera de frontera ha pasado de lanzar el modelo más capaz a lanzar sistemas que superen la revisión de seguridad, costos y regulación. Google apuesta a que la integración de flujos de trabajo es donde reside la ventaja. Microsoft apuesta por la ejecución local. OpenAI apuesta por el razonamiento verificable. Anthropic apuesta por el despliegue crítico para la seguridad.

Sea cual sea la apuesta que dé resultado, la pregunta del comprador ha cambiado. Ya no es «qué tan inteligente es tu modelo». Es «puedo ver lo que hizo, limitar lo que puede hacer y permitirme ejecutarlo todos los días». Es una pregunta más aburrida, y es la que decide qué asistentes seguirán instalados el año que viene.