Cada vez que hay un Google I/O reviso lo mismo: dejo de lado el show y me pregunto qué de todo eso me sirve de verdad. Trabajo con sitios de clientes, mantengo productos propios e integro IA en flujos reales, así que un anuncio o me resuelve algo concreto o queda como titular bonito. Este año el titular fue claro: Google se subió de lleno a la "IA agéntica", y la palabra agente se repitió en cada demo.
El problema es que "agente de IA" suena a marketing y casi nadie lo explica en simple. Así que eso voy a hacer acá: bajar el hype a tierra, contarte qué anunció Google, y sobre todo dejarte claro qué es un agente, qué se puede hacer hoy y qué todavía es promesa. Sin vender humo.
Qué anunció Google, en simple
La idea central de Google en I/O 2026 fue pasar de una IA que responde a una IA que actúa. Lo resumen ellos mismos como combinar "inteligencia de frontera con acción". En vez de que le preguntes algo y te conteste, la apuesta es que le pidas una tarea y la ejecute. De ahí sale toda la familia de anuncios:
- Gemini 3.5, la nueva familia de modelos, empezando por Gemini 3.5 Flash, ya disponible.
- Gemini Omni, un modelo que genera cualquier tipo de salida desde cualquier entrada, partiendo por video.
- Antigravity 2.0, una plataforma de desarrollo pensada para trabajar con agentes desde el primer minuto.
- Managed Agents API, para levantar un agente con una sola llamada a la API.
Voy uno por uno más abajo. Pero antes tenemos que aclarar la palabra que sostiene todo esto, porque si no la entiendes bien el resto no tiene sentido.
Qué es un agente de IA (y en qué se diferencia de un chatbot)
Un chatbot responde. Tú escribes, él contesta, y ahí termina. Le pides un texto y te lo entrega. Le preguntas algo y te lo explica. Es una conversación: una pregunta, una respuesta.
Un agente es otra cosa: es un sistema que ejecuta una tarea de varios pasos por ti. No te devuelve una respuesta y listo, sino que hace algo. Para lograrlo hace tres cosas que un chat normal no hace:
- Razona el plan. Descompone la tarea en pasos: primero esto, después esto otro.
- Usa herramientas. Puede consultar una base de datos, llamar a una API, buscar en la web, correr código, mandar un correo.
- Coordina y verifica. Ejecuta un paso, revisa el resultado, corrige si algo salió mal y sigue hasta terminar.
Te lo pongo con un ejemplo. Un chatbot, si le preguntas por el clima, te dice "no tengo esa información en tiempo real". Un agente sale a buscar el dato a un servicio de clima, lo consulta, y te responde con el pronóstico real. La diferencia no es que sepa más: es que puede actuar para conseguir lo que le falta.
Esa es la idea que Google puso en el centro. El salto mental que te pido que hagas es este: pasamos de "la IA me redacta un texto" a "la IA me hace una tarea completa". Cachái la diferencia, ahí está todo.
Gemini 3.5 Flash: por qué "rápido + capaz" importa
El primer modelo de la nueva familia que ya puedes usar es Gemini 3.5 Flash. Está disponible de forma general vía Google Antigravity, la Gemini API en Google AI Studio y Android Studio. Y trae un dato interesante: en varios benchmarks de código y de tareas agénticas supera a Gemini 3.1 Pro, que era un modelo de la línea grande.
Los números que dio Google: Terminal-Bench 2.1 en 76,2%, GDPval-AA con 1656 de Elo, y MCP Atlas en 83,6%. No te vuelvas loco con las cifras, lo que importa es lo que significan en conjunto: son pruebas de qué tan bien el modelo resuelve tareas técnicas y usa herramientas, no de cuánto sabe de memoria.
La gracia real de Flash está en la combinación. La línea "Flash" siempre fue la rápida y barata, pensada para volumen. Que ahora un Flash rinda como un modelo grande cambia el cálculo, porque para armar agentes necesitas velocidad: un agente da muchos pasos, y cada paso es una llamada al modelo. Si cada paso es lento y caro, el agente completo se vuelve impagable. Un modelo que rinde como grande a la velocidad de un Flash es justo lo que hace que armar agentes sea viable en la práctica. Ese es el punto, no el Elo.
Gemini Omni: video desde cualquier entrada
El otro anuncio que llamó la atención fue Gemini Omni, un modelo nuevo que genera cualquier tipo de salida a partir de cualquier tipo de entrada. Empieza por video: mezcla texto, audio, imagen y video de entrada para crear y editar video usando lenguaje natural.
En cristiano: le das un video, una imagen o una instrucción escrita, y te devuelve video editado según lo que le pediste, hablándole normal. "Córtame esta parte", "cámbiale el fondo", "arma un clip corto con estos momentos". Cobertura tech como The Verge lo tomó como una de las señales más fuertes de hacia dónde va Google con lo multimodal.
Para ser honesto, esto todavía lo veo más cerca del "wow de demo" que del uso diario de un dev freelance o una pyme. Pero tiene sentido tenerlo en el radar: el día que generar y editar video hablándole a un modelo sea confiable y barato, se abre harto para contenido de redes, avisos y catálogos. Por ahora, dato en el radar, no herramienta de producción.
Qué pueden hacer los agentes hoy vs qué es promesa
Acá es donde bajo el hype a tierra, porque es la parte que a nadie le conviene contarte con claridad.
Lo que funciona hoy de verdad son agentes acotados, con reglas claras y una tarea bien definida:
- Procesar datos y moverlos entre sistemas: tomar un pedido, ordenar la info, guardarla donde va.
- Responder consultas frecuentes y derivar al humano cuando la pregunta se sale del libreto.
- Generar y ejecutar código en un entorno aislado para tareas técnicas puntuales.
- Encadenar pasos que antes hacías a mano entre varias herramientas.
De hecho, la Managed Agents API que mostró Google apunta justo a esto: con una sola llamada levantas un agente que razona, usa herramientas y ejecuta código en un entorno Linux aislado. Antes armar eso era un cacho de infraestructura; ahora se acerca a algo que pides y ya está corriendo. Y Antigravity 2.0 es la plataforma "agent-first" para llevar una idea a una app lista para producción trabajando con agentes desde el inicio.
Lo que todavía es promesa es el agente autónomo que maneja tu negocio solo, sin que nadie lo mire. Eso no está. Los agentes de hoy siguen necesitando límites claros, supervisión humana y un plan de qué hacer cuando se equivocan, porque se equivocan. Mientras más pasos y más libertad le das a un agente, más chances hay de que se desvíe en el camino. Por eso lo que rinde no es el agente todopoderoso, sino el agente chico y bien amarrado a una tarea concreta.
Qué significa esto para tu negocio
Si tienes una pyme o un producto, la traducción es directa: los agentes son el paso de "la IA me ayuda a redactar" a "la IA me completa una tarea". Y eso, bien hecho, te saca de encima trabajo repetitivo.
Piensa en lo que hoy haces a mano y sigue siempre las mismas reglas: recibir un pedido y registrarlo, responder las mismas cinco preguntas que te llegan por WhatsApp, ordenar datos entre tu planilla y tu sistema, derivar un cliente al área que corresponde. Ahí un agente acotado puede hacer el 80% del trabajo y dejarte solo lo que necesita criterio humano. Es la evolución natural de lo que ya vengo hablando sobre automatización con IA para pymes en Chile y sobre qué puede hacer una web inteligente conectada a tus procesos.
Ahora, mi consejo honesto: no partas por "quiero un agente que haga todo". Eso es la receta para gastar plata y frustrarte. Parte al revés, por una tarea específica, aburrida y medible. Una sola. La automatizas bien, la mides, y recién ahí sumas la siguiente. Un agente que hace una cosa impecable vale mil veces más que uno ambicioso que falla la mitad de las veces.
Cierre: dónde estamos parados
Lo de Google en I/O 2026 no es humo, pero tampoco es magia. La dirección es real y tiene sentido: modelos más rápidos y capaces como Gemini 3.5 Flash hacen viable armar agentes que antes eran demasiado lentos o caros, y las herramientas para levantarlos están cada vez más a la mano. Ese es el cambio de fondo.
Lo que no cambió es lo importante: la IA sigue siendo una herramienta que rinde cuando la apuntas a un problema concreto, y decepciona cuando esperas que resuelva todo sola. Los agentes son un salto real, pero el criterio para usarlos bien lo pones tú. Si te interesa cómo ocupo yo estas herramientas en el trabajo diario, lo cuento en cómo uso IA para desarrollar más rápido y en las herramientas de IA que uso en 2026.