Google Cloud ha ampliado Gemini Enterprise Agent Platform con nuevas funciones disponibles de forma general para ejecutar, proteger y supervisar agentes de inteligencia artificial en entornos corporativos. Entre las principales novedades figuran Agent Runtime, que permite mantener procesos autónomos activos durante un máximo de siete días, y Agent Memory Bank, diseñado para conservar contexto estructurado entre tareas prolongadas. La actualización también incorpora identidades propias para los agentes, una pasarela central de seguridad y herramientas de registro, evaluación y observabilidad.
Las claves de Gemini Enterprise Agent Platform en 30 segundos
- Agent Runtime permite ejecutar flujos autónomos y asíncronos durante un máximo de siete días.
- Agent Memory Bank conserva preferencias, decisiones e historial entre distintas sesiones y tareas.
- Agent Identity asigna credenciales específicas a cada agente y aplica permisos de mínimo privilegio.
- Agent Gateway centraliza políticas y añade protección frente a inyección de instrucciones, herramientas maliciosas y fugas de datos.
- Agent Registry ofrece un inventario común de agentes, servidores y conexiones desplegados por la empresa.
La actualización refleja el paso de los asistentes conversacionales a sistemas capaces de mantener procesos completos durante horas o días. Un agente empresarial puede encadenar llamadas a aplicaciones, revisar resultados, tomar decisiones intermedias y continuar su trabajo sin que una persona tenga que mantener abierta una conversación.
Esta autonomía añade utilidad, pero también plantea problemas de identidad, permisos y trazabilidad. Un proceso que actúa durante varios días puede consultar datos, modificar registros o ejecutar herramientas con consecuencias reales. Por eso Google Cloud ha agrupado las nuevas funciones alrededor de cuatro áreas: ejecución, memoria, gobierno y evaluación.
Agentes capaces de trabajar durante varios días
Agent Runtime es una de las novedades más relevantes. El servicio permite alojar agentes que ejecutan tareas continuas durante un máximo de siete días, frente a los flujos breves asociados habitualmente a una sesión de chat o a una petición individual.
Google pone como ejemplos una secuencia comercial que se prolonga durante una semana, la incorporación de un nuevo cliente mediante varias etapas o la gestión de un incidente informático que requiere investigar la causa, coordinar acciones y aplicar una corrección.
El proceso se ejecuta de forma asíncrona, así que no necesita mantener una conexión permanente con el usuario. El agente puede esperar acontecimientos, reanudar el trabajo y conservar el estado de la tarea mientras decide cuál debe ser el siguiente paso.
La continuidad se apoya en Agent Memory Bank, una función que permite definir esquemas estructurados para extraer y actualizar información relevante de las conversaciones. Entre esos datos pueden encontrarse preferencias de un usuario, decisiones adoptadas anteriormente, antecedentes de una cuenta o el estado de un proceso.
No se trata únicamente de ampliar la ventana de contexto del modelo. La plataforma separa y mantiene la información que el desarrollador considera útil para futuras interacciones, con el objetivo de evitar que el agente tenga que revisar todo el historial cada vez que retoma una actividad.
AT&T asegura que está utilizando esta capacidad para que sus agentes comerciales recuperen datos relevantes de conversaciones anteriores. La compañía estudia extender el sistema desde su aplicación a otros canales, como la respuesta de voz interactiva, la web y la atención telefónica.
Una identidad propia para cada agente
El aumento de la autonomía obliga a resolver quién realiza cada acción y con qué permisos. Google Cloud responde a este problema con Agent Identity, un nuevo tipo de identidad dentro de su sistema de gestión de identidades y accesos (IAM).
Cada agente puede recibir una identidad individual y permisos limitados a los recursos necesarios para su trabajo. Esta separación permite distinguir las acciones del agente de las que lleva a cabo la persona que inicia el proceso, además de mejorar el registro de auditoría.
Google afirma que la identidad queda vinculada al entorno de ejecución para reducir el riesgo de reutilización de credenciales robadas. La plataforma también administra el ciclo de vida de esas identidades, una medida dirigida a evitar cuentas huérfanas o credenciales que continúan activas cuando el agente deja de utilizarse.
La documentación de Google Cloud indica que los registros pueden mostrar tanto la identidad del usuario como la del agente en los flujos delegados. Esto permite reconstruir quién autorizó una operación y qué componente la ejecutó posteriormente.
El planteamiento intenta trasladar a los agentes algunos controles ya habituales para empleados, aplicaciones y cuentas de servicio. La diferencia es que un agente puede elegir herramientas y encadenar operaciones de manera dinámica, por lo que los permisos excesivos suponen un riesgo mayor que en procesos más previsibles.
Agent Gateway centraliza las políticas de seguridad
Agent Gateway actúa como punto de control entre los agentes y los recursos con los que interactúan. Desde esta pasarela pueden aplicarse reglas de acceso basadas en IAM, condiciones contextuales y políticas expresadas en lenguaje natural.
La pasarela también integra Model Armor, la tecnología de Google Cloud para analizar entradas y respuestas de los modelos. Su cometido es detectar riesgos como la inyección de instrucciones, el envenenamiento de herramientas o la salida de información sensible antes de que la interacción llegue a su destino.
Agent Gateway puede controlar tanto el tráfico de entrada hacia un agente como las comunicaciones que este inicia para acceder a herramientas, servicios de Google Cloud, servidores MCP (Model Context Protocol) o destinos externos. La compatibilidad exacta depende del entorno de ejecución utilizado.
Google especifica que la pasarela tiene alcance regional y que cada instancia puede gobernar hasta 5.000 recursos registrados. También reconoce algunas limitaciones iniciales, como la ausencia de compatibilidad con VPC Service Controls y con destinos que utilicen cadenas de certificados autofirmados.
La función adquiere importancia en organizaciones donde varios equipos desarrollan agentes de forma independiente. Sin una capa común de control, cada proyecto puede terminar gestionando sus propias credenciales, conexiones y políticas, lo que dificulta las auditorías y aumenta la posibilidad de configuraciones incoherentes.
Un registro para controlar la proliferación de agentes
Para reunir los distintos componentes, Google añade Agent Registry, un catálogo central de agentes, servidores y conexiones disponibles dentro de la organización.
El registro permite localizar soluciones existentes y reutilizarlas en lugar de construir agentes duplicados. Para los administradores ofrece una vista común del inventario, sus propietarios y los servicios con los que puede comunicarse cada componente.
Este tipo de inventario empieza a resultar necesario a medida que la creación de agentes deja de estar limitada a unos pocos equipos especializados. Cuando departamentos de ventas, soporte, operaciones o desarrollo pueden desplegar sus propios asistentes, aparece un problema parecido al del shadow IT: sistemas activos que seguridad desconoce o que no siguen las mismas políticas.
Google ya había presentado Agent Registry y Agent Gateway como piezas centrales de la plataforma para mantener un catálogo de recursos aprobados y aplicar controles comunes a agentes y herramientas.
Empresas como Commerzbank, Liberty Global y WellSky están evaluando o utilizando estas funciones para aplicar políticas, revisar qué agentes llegan a producción y mantener trazabilidad en entornos con requisitos regulatorios.
Evaluación y observabilidad con el mismo conjunto de métricas
La actualización completa el ciclo de vida con Agent Evaluation y Agent Observability.
La primera permite evaluar de forma continua el comportamiento de los agentes en producción. Los equipos pueden recurrir a métricas predefinidas, código Python propio, modelos que actúan como jueces o rúbricas adaptativas desarrolladas con Google DeepMind.
El objetivo es detectar degradaciones de rendimiento o cambios de comportamiento después del despliegue. Un agente puede empezar a ofrecer peores resultados por modificaciones en el modelo, nuevas versiones de una herramienta, cambios en los datos o variaciones inesperadas en las peticiones de los usuarios.
Agent Observability, por su parte, añade trazas y paneles en tiempo real para revisar el razonamiento del agente, las herramientas seleccionadas, los tiempos de ejecución y el resultado de cada etapa.
Google plantea ambas capacidades como una única base de medición: los criterios utilizados durante el desarrollo pueden mantenerse cuando el agente entra en producción. Así se evita que el equipo construya una evaluación para las pruebas y utilice indicadores diferentes cuando el sistema ya está atendiendo procesos reales.
Google Cloud concentra su oferta alrededor de los agentes
Gemini Enterprise Agent Platform fue presentada en abril de 2026 como la plataforma de Google Cloud para construir, escalar, gobernar y evaluar agentes. La compañía indicó posteriormente que las futuras capacidades relacionadas con los servicios de agentes de Vertex AI se entregarían dentro de esta plataforma.
Las nuevas funciones muestran que la competencia entre proveedores cloud ya no gira únicamente alrededor del modelo con mejores resultados. El foco se está desplazando hacia la infraestructura necesaria para convertir esos modelos en procesos empresariales duraderos: ejecución, memoria, permisos, conexión con herramientas, auditoría y evaluación.
Agent Runtime, Memory Bank, Identity, Gateway y Registry ya están disponibles de forma general, según Google Cloud. Su adopción dependerá ahora de si las empresas pueden conceder autonomía a estos sistemas sin perder el control sobre los datos y las acciones que realizan.
Preguntas frecuentes
¿Cuánto tiempo puede ejecutarse un agente en Gemini Enterprise Agent Platform?
Agent Runtime permite mantener flujos de agentes en funcionamiento durante un máximo de siete días, incluidos procesos asíncronos formados por varias etapas.
¿Qué hace Agent Memory Bank?
Extrae y conserva información estructurada, como preferencias, decisiones anteriores o historial de una cuenta, para que el agente pueda retomar tareas sin perder el contexto relevante.
¿Para qué sirve Agent Identity?
Asigna una identidad específica a cada agente, permite aplicar permisos de mínimo privilegio y deja registros diferenciados de las acciones realizadas por el usuario y por el sistema autónomo.
¿Qué riesgos controla Agent Gateway?
La pasarela centraliza las políticas de acceso y puede incorporar protecciones frente a inyección de instrucciones, herramientas manipuladas y fugas de datos durante las comunicaciones del agente.
