Google Cloud quiere resolver uno de los grandes problemas de los agentes de inteligencia artificial en la empresa: que no saben qué significan los datos. La compañía ha ampliado Knowledge Catalog, que presenta como el motor universal de contexto de su Agentic Data Cloud, con un sistema que aprende de las interacciones, un nuevo entorno llamado Knowledge Studio y una integración con Gemini que activa por defecto. Lo anunciaron Sirish Chandrasekaran y Raj Pai, vicepresidentes de Google Cloud, el 4 de noviembre de 2026, junto a nuevas bases de datos y herramientas para desarrolladores.
Las claves de Knowledge Catalog y los agentes de datos de Google en 30 segundos
- Según Google, Knowledge Catalog hace a los agentes casi cuatro veces más precisos y les ahorra hasta un 75 % de tokens.
- Aprende del uso y de fuentes como Workspace, GitHub, Jira, Confluence o SharePoint.
- Gemini lo usa por defecto para elegir tablas y generar SQL respetando permisos.
- Data Agent Kit lleva las herramientas de datos de Google a Claude Code, VS Code y Antigravity mediante MCP.
El punto de partida es conocido por cualquiera que haya probado un agente sobre datos corporativos. Un modelo puede escribir SQL correcto, pero si no sabe qué tabla contiene las ventas buenas, qué significa un término interno o cómo se unen dos fuentes, el resultado será erróneo. Google intenta cubrir ese hueco con un catálogo que no solo describe los datos, sino que acumula el contexto del negocio y lo entrega a los agentes.
Un catálogo que aprende del uso
La novedad principal, en vista previa, es el enriquecimiento autoaprendido. El catálogo aprende de la intención de los usuarios y de las interacciones de personas y agentes, y extrae contexto de Google Workspace, GitHub, Jira, Confluence y SharePoint para completar lo que falta y mantenerlo actualizado. Los responsables de datos pueden empaquetar conocimiento del dominio en conjuntos reutilizables con el formato Open Knowledge Format (OKF) y gobernarlos.
Knowledge Studio, también en vista previa, añade una interfaz conversacional para explorar ese contexto, una visualización de los datos repartidos entre nubes y aplicaciones SaaS y un flujo para revisar, auditar y aprobar los cambios propuestos, con versiones y marcha atrás. Es un detalle importante: si el sistema aprende solo, alguien tiene que poder ver qué ha aprendido y corregirlo.
Google afirma, con pruebas internas, que Knowledge Catalog hace a los agentes casi cuatro veces más precisos, con hasta un 33 % menos de latencia y hasta un 75 % menos de tokens. Son cifras de la propia empresa sin detalle metodológico.
Gemini, informes y Data Agent Kit
Knowledge Catalog en Gemini, en vista previa y activado por defecto, resuelve los términos de negocio, localiza las tablas fiables y determina cómo unirlas antes de generar SQL, siempre con los permisos de cada usuario. Funciona con BigQuery, AlloyDB, Cloud SQL y Spanner, y el soporte de modelos semánticos de BigQuery, Looker, Databricks, Snowflake, dbt y SAP ya está disponible de forma general.
Para los usuarios de negocio, Gemini podrá crear informes operativos en tiempo real a partir de una pregunta y guardarlos para ejecutarlos después sin coste de tokens. Para ingenieros de datos, generará código PySpark, cuadernos para probarlo, entrenará modelos y ayudará a corregir canalizaciones. Y Data Agent Kit, ya disponible, integra las herramientas de Google Data Cloud en entornos y líneas de comandos como VS Code, Claude Code y Antigravity, con herramientas MCP nativas para que los agentes definan, ajusten y prueben canalizaciones.
Bases de datos para miles de agentes
Google también adapta sus bases de datos a una carga nueva: muchos agentes consultando a la vez. PostgreSQL para agentes en AlloyDB, en vista previa, permite que miles de agentes consulten datos transaccionales en vivo con aislamiento completo, sin afectar a producción, y escala el cómputo con las sesiones de razonamiento activas hasta bajar a cero en reposo. AlloyDB Express, otra vista previa, es una edición pequeña que se aprovisiona en menos de dos segundos, pensada para desarrolladores y agentes de programación. A eso se suma un lakehouse sobre Apache Iceberg que se conecta con AWS y Azure sin tarifas variables de salida.
Google cita a PayPal, Siemens, Telus, Vodafone y Walmart entre los clientes que ya ven resultados, sin detallar en qué consisten. Buena parte de lo anunciado sigue en vista previa, así que su utilidad real se verá cuando llegue a producción en empresas con datos desordenados, que son la mayoría.
Preguntas frecuentes
¿Qué es Knowledge Catalog de Google?
El catálogo de datos de Google Cloud, que la compañía presenta como motor de contexto para que los agentes de IA entiendan qué significan los datos de la empresa y dónde están.
¿De dónde saca el contexto?
De la intención de los usuarios, de las interacciones de personas y agentes y de fuentes como Google Workspace, GitHub, Jira, Confluence y SharePoint.
¿Qué es Data Agent Kit?
Un conjunto de herramientas, ya disponible, que integra Google Data Cloud en VS Code, Claude Code y Antigravity mediante MCP para que los agentes creen y prueben canalizaciones de datos.
¿Está todo disponible ya?
No. El enriquecimiento autoaprendido, Knowledge Studio, Knowledge Catalog en Gemini y PostgreSQL para agentes están en vista previa.
Fuentes:
