Artículo de información
José Carlos Botto Cayo y Abel Marcial Oruna Rodríguez
16 de julio del 2026
Durante años, la inteligencia artificial fue presentada ante el público como una máquina capaz de responder. Podía escribir, resumir, traducir, generar imágenes o producir fragmentos de código, pero permanecía, en gran medida, dentro de los límites de una conversación. Google trabaja ahora para llevar a Gemini hacia otro terreno. Las actualizaciones registradas durante 2026 muestran una plataforma que amplía su alcance hacia los agentes autónomos, el manejo de archivos, el uso de computadoras y la generación audiovisual. El cambio no consiste solamente en tener modelos más rápidos o capaces. Lo que se modifica es la relación entre la persona y la tecnología: Gemini participa en tareas que antes exigían pasar de una aplicación a otra, recordar comandos o ejecutar manualmente cada paso. (Google AI for Developers, 2026).
La estrategia se observa en productos dirigidos a escenarios muy distintos. Gemini 3.5 Flash fue orientado hacia tareas de agentes y programación; los agentes administrados recibieron entornos donde pueden ejecutar código y trabajar con archivos; Gemini Spark trasladó la lógica de los agentes al escritorio del usuario; y el Google Home Speaker introdujo la inteligencia de Gemini en el espacio doméstico. A ello se suman modelos capaces de generar y modificar imágenes o video mediante instrucciones expresadas en lenguaje natural. Vistos de manera aislada, podrían parecer lanzamientos independientes. Considerados en conjunto, revelan una dirección más ambiciosa: Google intenta que su inteligencia artificial deje de ocupar un lugar específico dentro de una aplicación y se integre en distintas actividades digitales. (Google AI for Developers, 2026; Keyword Team, 2026).
De la respuesta inmediata a la ejecución de tareas
La primera transformación ocurre en la continuidad del trabajo. Un modelo tradicional puede explicar cómo resolver un problema o producir una respuesta útil en pocos segundos. Un agente, en cambio, necesita conservar un objetivo, dividirlo en etapas, utilizar herramientas y continuar hasta obtener un resultado. Google presentó durante 2026 los Managed Agents dentro de la API de Gemini, con entornos remotos de Linux preparados para razonar, planificar, ejecutar código, administrar archivos y consultar información. La importancia de esta arquitectura no se encuentra únicamente en la automatización, sino en la posibilidad de delegar procesos que requieren varios pasos y que, hasta hace poco, dependían de una intervención humana permanente. (Google AI for Developers, 2026; Keyword Team, 2026).
Gemini Spark lleva esa idea hacia el terreno personal. En macOS, el agente puede trabajar con archivos y aplicaciones bajo los permisos establecidos por el usuario. Puede organizar documentos, utilizar información almacenada en el equipo y participar en determinadas tareas sin exigir que cada operación sea ejecutada de forma manual. Esto modifica una relación que durante décadas estuvo basada en el aprendizaje de interfaces. La persona debía conocer dónde estaba una función y qué pasos eran necesarios para utilizarla. Con los agentes aparece otra posibilidad: expresar una intención y permitir que el sistema determine parte del recorrido necesario para cumplirla. La comodidad aumenta, pero también cambia la cantidad de confianza que se deposita en la herramienta. (Coimbra & Venkatachary, 2026).
Esa confianza no puede depender únicamente de la calidad del modelo. Una inteligencia artificial que responde mal puede confundir; una que tiene acceso a archivos, aplicaciones o servicios puede convertir una interpretación equivocada en una consecuencia concreta. Por ello, las nuevas herramientas de uso de computadoras incorporan controles de seguridad, permisos y mecanismos destinados a enfrentar instrucciones maliciosas. El problema será cada vez más importante a medida que los agentes reciban mayores atribuciones. La autonomía resulta útil cuando está delimitada. Sin claridad sobre qué información puede consultar el agente, qué acciones puede ejecutar y quién responde por ellas, la promesa de eficiencia puede convertirse rápidamente en una fuente de incertidumbre. (Google AI for Developers, 2026; Coimbra & Venkatachary, 2026).
A la autonomía de los agentes se suma otro problema: la inestabilidad de la plataforma sobre la que se construyen. Durante 2026, Google retiró modelos, recomendó migraciones y modificó componentes de sus interfaces mientras presentaba nuevas generaciones. El 1 de junio dejaron de estar disponibles diversas variantes de Gemini 2.0 y los desarrolladores tuvieron que orientarse hacia opciones posteriores. Para el usuario común, estas sustituciones pueden pasar inadvertidas. Para una empresa que construye servicios sobre una API, significan revisar dependencias, costos, resultados y compatibilidad. La inteligencia artificial ocupa funciones cada vez más importantes, pero todavía se apoya en una tecnología cuya renovación obliga a trabajar con una idea incómoda para cualquier organización: lo que hoy funciona puede necesitar una nueva arquitectura pocos meses después. (Google AI for Developers, 2026).
Cuando el lenguaje comienza a reemplazar a la interfaz
El Google Home Speaker permite observar esta transformación desde otro ángulo. Presentado como un dispositivo de audio construido para Gemini, busca que la relación con el hogar conectado dependa menos de órdenes exactas y más de una conversación capaz de conservar contexto. La diferencia parece sencilla, pero tiene consecuencias profundas. Durante años, los asistentes domésticos obligaron al usuario a adaptarse a la lógica de la máquina y aprender qué debía decir para obtener una respuesta determinada. Con Gemini, Google intenta invertir parcialmente esa relación: que sea el sistema el que interprete mejor la intención humana y la traduzca en una acción sobre el entorno. (Chen & Alexander, 2026).
La misma lógica se extiende hacia la creación digital. Gemini Omni Flash permite generar y modificar video mediante instrucciones conversacionales, mientras otros modelos del ecosistema trabajan con imágenes, voz, música y distintos formatos de información. Lo relevante no es solamente que una inteligencia artificial pueda crear contenido. La transformación aparece cuando una tarea que antes requería dominar controles específicos puede formularse mediante lenguaje natural. Pedir que una escena cambie, que una imagen se transforme o que un video adopte otra dirección visual se parece cada vez menos al uso tradicional de un programa y más a la descripción de una intención. El conocimiento profesional no desaparece, pero la puerta de entrada a esas herramientas es distinta. (Google AI for Developers, 2026; Keyword Team, 2026).
Esta convergencia entre agentes y multimodalidad puede alterar la forma en que se construyen las aplicaciones. Un mismo sistema puede recibir texto, imágenes, archivos o video, interpretar la información, utilizar herramientas y continuar una tarea sin quedar restringido a una sola modalidad. En lugar de una aplicación para cada operación, surge la posibilidad de una capa inteligente capaz de conectar varias etapas. Allí se encuentra una de las apuestas más importantes de Google: no convertir a Gemini en otra herramienta dentro del escritorio, sino en una tecnología capaz de atravesar distintas herramientas y coordinar parte del trabajo que ocurre entre ellas. (Google AI for Developers, 2026).
La trazabilidad adquiere así una importancia que antes parecía reservada a los sistemas empresariales. En julio de 2026, Google añadió compatibilidad con registros de desarrollador para determinadas llamadas de la API de Interactions, permitiendo observar mejor lo ocurrido durante una ejecución. Cuando las tareas se vuelven más largas y una inteligencia artificial puede utilizar herramientas, administrar información o intervenir sobre un entorno, ya no basta con conocer el resultado final. También importa saber qué hizo, qué recursos empleó y bajo qué autorización. La confianza dependerá también de esa posibilidad: conocer el recorrido seguido por el sistema y poder revisar las decisiones que tomó durante la ejecución. (Google AI for Developers, 2026).
Bibliografía
Chen, F., & Alexander, M. (2026, 17 de junio). Meet the new Google Home Speaker, built for Gemini. Google.
Coimbra, A., & Venkatachary, S. (2026, 30 de junio). Gemini Spark updates: macOS launch, connected apps and more. Google.
Google AI for Developers. (2026). Notas de la versión de la API de Gemini. Google.
Keyword Team. (2026, 20 de mayo). 100 things we announced at Google I/O 2026. Google.
