Google ha llenado el aforo de su Cloud AI Live Madrid 2026 con una promesa tan atractiva como peligrosa: hemos entrado, oficialmente, en la era de los agentes de IA. Se acabó lo de chatear con una caja de texto estática para que te sugiera una fórmula de Excel. Ahora el lema corporativo es la autonomía delegada. Agentes que planifican, que se comunican entre sí y que operan sobre sistemas de producción.

Viendo las demostraciones sobre el escenario y escuchando la sesión de apertura, cuesta no contagiarse del entusiasmo. Google está empujando con fuerza su Vertex AI Agent Builder y las capacidades integradas en Gemini Enterprise. Sin embargo, la distancia entre un flujo de demostración impecable ante mil personas y el despliegue de un sistema agéntico en el mundo real es un abismo técnico lleno de espinas.

La keynote: Entre la comodidad del marketing y las trincheras del dato

La apertura estratégica fue predecible pero instructiva. Nos vendieron una transición fluida hacia organizaciones gobernadas por flujos de trabajo inteligentes. Presentaron casos prácticos locales bastante dignos, como la colaboración de Telefónica Tech con Ilunion para mejorar la accesibilidad digital mediante herramientas cognitivas. Eso está bien. Tiene un impacto social directo y demuestra que la comprensión semántica ya es un problema resuelto.

El problema viene cuando intentamos trasladar esa misma autonomía al núcleo operativo de una empresa mediana o grande. Google promete que con Vertex AI Agent Builder cualquiera puede conectar una base de datos de SAP, tres repositorios de código y el correo corporativo para que un agente resuelva reclamaciones de clientes de forma autónoma. Suena idílico.

Pero en producción, el diablo está en los detalles de la infraestructura. Si un agente lee un correo confuso, interpreta mal una queja y ejecuta una transacción errónea en la base de datos de facturación, la responsabilidad no es del modelo de lenguaje. Es del desarrollador que no diseñó los límites de seguridad adecuados. No podemos fiarnos de la "inteligencia" del modelo para auto-limitarse; los límites deben ser duros, programáticos y definidos a nivel de arquitectura. Ya hablé sobre esto cuando analizamos la necesidad de establecer una gobernanza de IA en producción sólida. Si la autonomía no tiene paredes de hormigón, lo que construyes no es un asistente; es una bomba de tiempo lógica.

Las demos: La ficción del escenario frente al caos real

En la zona de demostraciones y en las sesiones técnicas (AI Live on Stage), el ambiente era puro desarrollo práctico. Lo más llamativo fue ver la interacción de agente a agente (A2A). Varios agentes especializados —uno enfocado en analizar bases de datos relacionales, otro en redactar correos de respuesta y un supervisor central— coordinándose para resolver un problema de inventario.

El flujo en pantalla es fluido.

Cualquier ingeniero de software sabe que las demostraciones en vivo se preparan en entornos perfectamente limpios. En un entorno de producción real, te enfrentas a problemas estructurales que un agente rara vez puede resolver por sí mismo sin romper algo en el camino:

  • Latencia acumulada: Si el agente A tiene que llamar al agente B, y este a su vez realiza tres llamadas a herramientas antes de devolver una respuesta al supervisor, la experiencia de usuario se degrada. Pasamos de milisegundos a esperas de 15 o 20 segundos por transacción.
  • La ilusión de la memoria compartida: En el escenario se muestra cómo los agentes comparten contexto sin esfuerzo. En la práctica, el tamaño de la ventana de contexto y el coste de procesar miles de tokens en cada paso del bucle de decisión hacen que este enfoque sea económicamente insostenible para operaciones de alto volumen.
  • Ausencia de estándares: Aunque se está intentando estructurar la comunicación mediante iniciativas abiertas como el Model Context Protocol, la industria sigue fragmentada. Cada proveedor intenta encerrarte en su propia plataforma de orquestación.

La realidad es que, si queremos dotar de bash o entornos de ejecución reales a estos agentes (como ya vimos al experimentar con agentes autónomos en entornos Linux), necesitamos pasarelas de validación estrictas.

Hacia dónde nos movemos

Lo que hemos visto hoy en Madrid confirma que la industria está cansada de los chatbots de juguete. La presión por automatizar procesos reales es inmensa. Google está pavimentando el camino con servicios gestionados cómodos, pero la responsabilidad última de la seguridad y el aislamiento sigue recayendo sobre nuestras espaldas.

El papel del programador está cambiando rápido. Dejamos de ser simples traductores de lógica a código sintáctico para convertirnos en diseñadores de fronteras lógicas. Nuestro trabajo ya no consiste en escribir el bucle de control, sino en construir el laberinto seguro en el que ese bucle pueda operar sin derribar el negocio. Y para eso, todavía falta mucha ingeniería de trinchera y mucho menos marketing de escenario.