Las Vegas, abril de 2026. Más de 32.000 personas llenaron el Mandalay Bay Convention Center durante la semana del Google Cloud Next 2026. Directivos de TI, ingenieros, líderes técnicos, partners y clientes de todo el mundo se dieron cita en lo que ya se consolida como uno de los eventos más grandes del planeta enfocados en inteligencia artificial.
Asistí a una porción del programa —imposible cubrirlo todo cuando hay tres keynotes, 25 spotlights y más de 700 sesiones técnicas compitiendo por la agenda— pero lo que vi, escuché en los pasillos y crucé con los anuncios oficiales permite trazar con bastante claridad cuál fue el hilo conductor de la semana y los temas que dominaron las conversaciones.
Si el Next del año pasado todavía hablaba en futuro de la IA generativa, este se sintió distinto. Los anuncios, las charlas y los casos de uso apuntaron todos en la misma dirección, y el opening keynote de Thomas Kurian fijó el tono al que después respondió toda la semana.
Vale empezar por ahí y luego pasar a los cinco temas que más se hablaron en el evento.
El keynote de Kurian: el guion del evento
Vale la pena detenerse un momento en el opening keynote de Thomas Kurian, porque más que un anuncio fue el guion sobre el cual se montó toda la semana. Lo distintivo no fue la idea de “era agéntica” en sí —prácticamente todo proveedor de cloud está usando ese lenguaje hoy— sino la forma en que Kurian la amarró a un blueprint completo: silicio, datos, seguridad y la plataforma Gemini Enterprise como una arquitectura única, opinada, pensada para hacer operativo ese futuro dentro de la empresa.
Kurian abrió declarando que los clientes ya pasaron la fase experimental: “la era del piloto terminó, la era del agente está aquí”. Y enmarcó el desafío principal, no cómo hacer funcionar un caso de uso, sino cómo escalar de iniciativas aisladas a impacto a nivel de toda la organización. El cambio de vocabulario —de “modelos” y “copilotos” a “agentes” y “fuerzas de trabajo digitales”— fue deliberado: la idea es que las empresas dejen de ver la IA como una herramienta para responder preguntas y empiecen a verla como un conjunto coordinado de trabajadores que orquestan flujos de negocio completos.
La pieza central del keynote fue Gemini Enterprise, que Kurian describió como el “control de misión de la empresa agéntica” y cómo “el ambiente donde la lógica de negocio, los datos y los modelos convergen para impulsar acción autónoma”. La presentó explícitamente como la evolución de Vertex AI hacia una plataforma más amplia. Los componentes que mostró en pantalla incluyeron un “agent studio” de bajo código para construir agentes en lenguaje natural, un “agent registry” para rastrear y gobernar agentes en toda la organización, un registro de habilidades y herramientas reutilizables, y un “agent gateway” con identidad de agente para aplicar políticas y trazabilidad.
En infraestructura, Amin Vahdat, SVP y chief technologist de IA e infraestructura, soltó una frase que se repitió toda la semana: “en la era agéntica, el cómputo ya no se define por el chip. El cómputo es el centro de datos completo”. De ahí salió el concepto de AI Hypercomputer y los anuncios de TPUs de octava generación diferenciados para entrenamiento e inferencia, el CPU custom Axion para cargas de propósito general, y disponibilidad temprana de las últimas GPUs de NVIDIA.
El otro mensaje clave —y quizá el más importante para los líderes de TI que estaban en la sala— fue el de apertura. Kurian fue explícito en que el stack de Google soporta múltiples proveedores de modelos (con Anthropic mencionado como partner), estándares de integración como el Model Context Protocol, capacidades cross-cloud, y un ecosistema de partners con agentes especializados. El subtexto fue claro: adoptar Gemini Enterprise no exige abandonar inversiones existentes en otros modelos, herramientas o nubes.
Esa estructura —agentes como capa de aplicación, Gemini Enterprise como plano de control, AI Hypercomputer como infraestructura, datos enriquecidos con contexto, seguridad agéntica nativa y un stack abierto— es exactamente el orden en que se desplegaron los cinco grandes temas del resto del evento.
1. Agentes de IA: el tema dominante, sin discusión
Si hubiera que elegir una palabra para resumir Next 2026, sería agente. Casi todas las sesiones del catálogo —desde los keynotes hasta las charlas relámpago— giraban, directa o indirectamente, alrededor de cómo construir, gobernar, escalar y monitorear agentes de IA en producción. Lo que el keynote dejó como concepto, las breakouts lo bajaron a tierra con detalle técnico y casos reales.
Lo más interesante no fue la plataforma en sí —que ya quedó explicada en el keynote— sino los casos de uso. Spotify contó cómo construyó aplicaciones agénticas internas para sus equipos. Shopify mostró Sidekick, su agente que corre sobre la Gemini Enterprise Agent Platform usando Claude como modelo. Mattel habló de cómo está usando agentes en su mundo de calidad de producto. Verizon, Salesforce, McDonald’s, Walmart, Lowe’s y Citi presentaron implementaciones reales con métricas concretas, no demos.
El subtema dentro del tema fue la orquestación multi-agente. Charlas como Multi-Agent Systems: Preventing Chaos in Enterprise Production o Build multi-agent systems that actually work dejaron claro que la industria ya pasó de preguntarse “¿se puede hacer un agente?” a la pregunta mucho más incómoda: “¿cómo hago que veinte agentes coordinados no se conviertan en un caos?”. Ahí es donde piezas del Agent Platform como Agent-to-Agent Orchestration, Agent Registry y Agent Observability —apenas mencionadas en el escenario principal— se convirtieron en el centro de discusión técnica.
2. Infraestructura para IA: profundizar en el AI Hypercomputer
Si en el keynote el AI Hypercomputer y las TPUs de octava generación se presentaron en grandes brochazos, en las breakouts vino la letra pequeña. Y ahí estuvo lo interesante.
El TPU 8t se mostró con cerca de 3x más capacidad de cómputo que la generación anterior para entrenamiento de alto rendimiento. El TPU 8i, pensado específicamente para inferencia y aprendizaje por refuerzo, prometió hasta 80% mejor rendimiento por dólar para flujos agénticos y modelos Mixture of Experts. TorchTPU —soporte nativo de PyTorch sobre TPU, en preview con clientes selectos— fue probablemente el anuncio que más ruido hizo entre desarrolladores, porque elimina una de las fricciones históricas de adoptar el silicio de Google.
Esto no es un detalle técnico aislado. Sundar Pichai mencionó en su intervención que algo más de la mitad de la inversión total de Google en cómputo de machine learning para 2026 va a ir destinada al negocio de Cloud. La frase de Amin Vahdat en el keynote —”el cómputo es el centro de datos completo”— se entiende mejor con ese contexto: la apuesta no es solo por chips más rápidos, sino por reorganizar storage, networking y orquestación alrededor de cargas agénticas concurrentes.
Una de las charlas que más interés despertó fue Architecting for Frontier AI Labs: How Anthropic scales Claude on TPUs, que dio una mirada poco común al detrás de escena de cómo un laboratorio frontera escala su modelo en la infraestructura de Google. Otra que llenó sala fue What’s next in AI infrastructure: Scaling for the agentic and physical AI era, donde quedó claro que el próximo desafío no es solo agentes de software, sino IA física —robótica, simulación, gemelos digitales—, un terreno en el que NVIDIA estuvo muy presente con Omniverse y Nemotron.
Para los líderes de TI que estaban en sala, el mensaje práctico fue claro: la idea es que esta complejidad quede abstraída detrás de plataformas como Gemini Enterprise. La selección de chips, interconexiones y throughput de almacenamiento importa, pero la mayoría de equipos los va a consumir vía servicios gestionados, no afinando infraestructura.
3. Seguridad para la era agéntica: el problema que nadie había resuelto
Si los agentes son el tema dominante, la seguridad fue el contrapeso obligado. Y aquí hubo una novedad importante: Google integró formalmente la tecnología de Wiz —su adquisición de 32.000 millones de dólares— dentro de su stack de seguridad, presentando Agentic Defense, una plataforma que combina la inteligencia de amenazas y operaciones de seguridad de Google con la plataforma de seguridad de cloud y AI de Wiz.
Las charlas sobre seguridad agéntica fueron muchas y muy concurridas. Algunas de las más comentadas:
- What’s next in IAM: Security, governance, and runtime defense for AI agents — porque el problema de “¿quién es este agente y qué tiene permitido hacer?” se volvió central.
- Agent Identity as the backbone for secure AI innovation — la identidad del agente como pieza crítica.
- Using an Agentic SOC to Lower Analyst Toil — automatización de centros de operaciones de seguridad.
- Defending AI Workloads: Capture The Flag with Google AI Security Solutions — un workshop práctico que se llenó.
Un dato que repitió Pichai: los agentes del centro de operaciones de seguridad de Google ya están triando decenas de miles de reportes de amenazas no estructurados cada mes, reduciendo el tiempo de mitigación en más del 90%. La seguridad dejó de ser un panel reactivo para convertirse en otro lugar donde corren agentes.
4. La nube de datos agéntica: contexto para que los agentes funcionen
Un agente sin datos confiables es un generador de respuestas plausibles pero inútiles. Y la industria parece haberlo entendido. Google presentó la Agentic Data Cloud, anclada en dos piezas: un Cross-Cloud Lakehouse que conecta datos a través de múltiples nubes eliminando silos, y un Knowledge Catalog, descrito como un “motor de contexto universal” que enriquece datos empresariales analizando logs y perfilando información en segundo plano, de modo que cuando un PDF o una imagen llega a Cloud Storage, queda automáticamente “lista para agente”.
Las sesiones técnicas sobre datos fueron especialmente concurridas: What’s new in BigQuery: The data platform for agentic AI, Supercharging unstructured data analytics with generative AI in BigQuery, Talk to your data with Gemini Enterprise. La promesa repetida fue la de una capa semántica que permita a los agentes entender el negocio sin pasar por meses de ingeniería de datos manual.
Casos como el de McLaren Racing construyendo un agente de analítica de F1, o Citi escalando inteligencia para wealth management, mostraron que el patrón ya está bajando a verticales muy distintos.
5. La empresa agéntica: del hype al caso de negocio
El quinto tema, más transversal, fue la insistencia en mover la conversación del laboratorio al estado de pérdidas y ganancias. Sesiones como How healthcare leaders escaped pilot purgatory to deliver real-world impact, From pilot to profit: Build an AI-powered organization with Gemini o Serving billions: How McDonald’s and Walmart built the agentic enterprise repitieron la misma idea: salir del “purgatorio del piloto” y poner agentes a trabajar a escala con métricas claras.
Un dato que circuló mucho en pasillos: el 75% del código nuevo en Google ya es generado por IA y aprobado por ingenieros, frente al 50% del año pasado. Y una migración de código compleja, hecha por agentes y humanos colaborando, se completó seis veces más rápido de lo que era posible hace un año solo con ingenieros. No son cifras universales, pero marcan un norte.
La Gemini Enterprise app sumó capacidades para que cualquier empleado —no solo equipos técnicos— pueda construir flujos con agentes, incluyendo Agent Designer, Inbox para gestionar actividad de agentes, Skills y Projects.
Lo que me llevo
Cuatro impresiones después de la semana:
Primero, el discurso oficial y el de los pasillos coincidieron por primera vez en mucho tiempo. Cuando Google dice “era agéntica“, los clientes en las charlas no están proyectando: están contando lo que ya tienen corriendo. Spotify, Shopify, Verizon, Mattel, McDonald’s, Walmart no estaban hablando de prototipos.
Segundo, la complejidad real ya no está en hacer que un agente funcione, sino en hacer que muchos agentes coordinados funcionen sin volverse un riesgo. Identidad, observabilidad, gobernanza y seguridad de agentes fueron los temas donde se concentró la mayor densidad técnica.
Tercero, la infraestructura volvió a ser protagonista. Después de un par de años en los que el foco estuvo en los modelos, los TPUs de octava generación y la apuesta de cómputo recordaron que sin silicio no hay agentes a escala.
Cuarto, la apuesta por un stack abierto fue más de lo que esperaba. Que Kurian mencionara explícitamente a Anthropic como partner de modelos, que Shopify mostrara Sidekick corriendo Claude sobre Gemini Enterprise, y que el Model Context Protocol y las capacidades cross-cloud aparecieran una y otra vez en sesiones técnicas, manda un mensaje claro a quienes ya tienen inversiones en otros modelos, herramientas o nubes: adoptar el blueprint agéntico de Google no exige tirar lo que ya está construido. Es un cambio importante de postura, y probablemente la decisión estratégica más relevante que los líderes de TI tienen que digerir después del evento.
El próximo Next está agendado para el 13 al 15 de abril de 2027 en Las Vegas. Si la curva sigue, el tema dominante de ese año probablemente ya no será “¿cómo construyo un agente?” sino “¿cómo opero una organización donde agentes y humanos comparten responsabilidades reales?”. Habrá que volver para confirmarlo.
Rafael Franco – CEO comforce.co