Solo el 12% de empresas sabe gobernar sus agentes de IA: Google convierte esa brecha en su ventaja frente a OpenAI y Anthropic

Por Zendoric · 20 de julio de 2026.

El dato que define este momento del mercado empresarial de IA no es de rendimiento, es de control: el 96% de las organizaciones ya tiene agentes de IA funcionando en producción, pero solo el 12% dice disponer de una plataforma centralizada para gobernarlos, según una encuesta de OutSystems a 1.900 responsables de TI citada en el artículo de Tech Times. Gartner, por su parte, sitúa la adopción de agentes en el Peak of Inflated Expectations de su Hype Cycle 2026: solo el 17% de las organizaciones los ha desplegado hasta ahora, pero más del 60% planea hacerlo en dos años, la curva de adopción más agresiva que la consultora ha registrado nunca para una tecnología emergente.

Sobre esa brecha construye Google su apuesta. Tres meses después de presentar Gemini Enterprise Agent Platform en Cloud Next '26 (22 de abril), sucesor declarado de Vertex AI —Google ha anunciado que toda evolución futura de producto llegará bajo esta nueva marca, cerrando la línea Vertex AI como tal—, el panorama competitivo se ha movido deprisa. OpenAI pasó Workspace Agents a facturación por créditos el 6 de julio, cerrando la ventana de prueba gratuita, y lanzó el empaquetado ChatGPT Work el día 9. Anthropic amplió Claude Cowork de escritorio a web y móvil el 7 de julio. En cuestión de semanas, usar agentes de IA en la empresa ha dejado de ser un experimento sin coste para convertirse en una partida presupuestaria real, con exposiciones de seguridad reales.

La tesis de Google, y el ángulo que de verdad importa aquí, es que el problema de gobernanza no es de políticas de uso sino de arquitectura de identidad. Un agente con acceso persistente al correo, al CRM o a las API internas de una empresa es, de facto, un empleado no humano que actúa a velocidad de máquina; los marcos de identidad y acceso tradicionales se diseñaron para personas que actúan de forma secuencial y observable, no para eso. OWASP, en su guía de seguridad para aplicaciones agénticas de 2026, señala precisamente el secuestro de objetivos, el uso indebido de herramientas y el abuso de privilegios de identidad como las amenazas centrales de estos sistemas autónomos.

Gemini Enterprise ataca ese problema por debajo de la capa de aplicación, con tres piezas: Agent Identity asigna un identificador criptográfico único a cada agente, de modo que toda llamada API o acceso a datos queda firmado y trazable a esa identidad; Agent Gateway actúa como punto único de aplicación de políticas para las interacciones agente-herramienta, integrado con el sistema de protección de contenidos Model Armor de Google; y Agent Registry funciona como catálogo centralizado para descubrir y auditar todos los agentes desplegados en la organización, evitando el problema de la «IA en la sombra» —agentes corriendo sin visibilidad de TI—. La plataforma cuenta además con la certificación ISO 42001 para sistemas de gestión de IA, lo que significa una auditoría externa e independiente, no una autodeclaración de cumplimiento, un matiz que distingue a Google de competidores que hacen las mismas afirmaciones de seguridad sin respaldo auditado.

El kit de desarrollo que sostiene todo esto, Agent Development Kit (ADK) 2.0, modela la orquestación de agentes como un grafo —agentes como nodos, decisiones como aristas— con tres patrones de composición (secuencial, paralelo y en bucle) que escriben su estado en un objeto compartido en lugar de llamarse entre sí directamente. Es una decisión de diseño con una consecuencia práctica notable: cuando una cadena de agentes falla —y falla—, el modelo de grafo permite identificar exactamente qué nodo se rompió y con qué estado, en vez de que el fallo se propague en silencio por una cadena de funciones de retorno. ADK 2.0 exporta a OpenTelemetry de forma nativa, es de código abierto bajo licencia Apache 2.0 y soporta Python, TypeScript, Go, Java y Kotlin.

Detrás de la capa de software, Google añade un argumento de hardware que ningún competidor de plataforma iguala: el chip TPU 8i, de octava generación, con 288 GB de memoria de alto ancho de banda y 384 MB de SRAM en el propio chip —el triple que la generación anterior—, pensado específicamente para inferencia de baja latencia en cargas de agentes, separado del chip de entrenamiento TPU 8t. Google afirma una mejora del 80% en rendimiento por dólar frente a la generación previa; conviene señalar que esa cifra procede de las propias pruebas de Google y no ha sido verificada por auditores independientes, algo que vale la pena tener presente antes de tomarla como comparación definitiva frente a las GPU de Nvidia que usan Azure AI Foundry y AWS Bedrock AgentCore.

El resto del tablero se reparte por especialización, no por un ganador único. Azure AI Foundry, con Agent 365, hereda de forma inmediata las políticas de identidad de Entra ID para las decenas de miles de empresas ya instaladas en el ecosistema Microsoft, con un precio por asiento (unos 30 dólares más 15 de Agent 365) más predecible que el consumo variable. AWS Bedrock AgentCore compite por amplitud de modelos —Claude, Llama, Mistral, Cohere, Nova— bajo controles IAM por servicio, sin un plano de control unificado. Claude Cowork de Anthropic, con un nivel empresarial de 100 dólares por usuario al mes, destaca en ejecución de tareas para el trabajador individual —según datos de la propia Anthropic, más del 90% de 1,2 millones de sesiones de Cowork analizadas no tenían nada que ver con desarrollo de software—, pero delega gran parte de la gobernanza a terceros. Y OpenAI, tras el cambio a créditos, convierte el uso de agentes en un problema de FinOps —control de costes de la nube— además de uno de ingeniería: una ejecución típica de GPT-5.5 cuesta entre 5 y 25 créditos según su propia tarifa.

Nuestra lectura es que esta pelea confirma algo que venimos observando en otros frentes de la IA empresarial: la confianza y la gobernanza se están convirtiendo en infraestructura de mercado, no en un añadido opcional de marketing. Igual que certificaciones sanitarias o auditorías de seguros empiezan a condicionar qué IA se puede usar en según qué sector, aquí la identidad criptográfica de cada agente y la trazabilidad de cada llamada se perfilan como el requisito de entrada, no la ventaja competitiva de mañana. Forrester calcula que el 25% del gasto empresarial en IA previsto para 2026 se aplazará a 2027 mientras los directores financieros exigen pruebas de retorno y los equipos de seguridad señalan huecos de gobernanza sin resolver; Gartner espera que el 40% de las aplicaciones empresariales incorpore agentes especializados a finales de 2026, frente a menos del 5% en 2025. Esa combinación —adopción acelerada y exigencia de control simultáneas— es exactamente el terreno donde se recompensa a quien construyó la capa de identidad antes de que se la pidieran, y penaliza a quien la está improvisando ahora sobre la marcha.

A corto plazo, esto tiene un coste que conviene no maquillar: las empresas que llevaban meses usando agentes gratis o con gobernanza laxa se enfrentan ahora a facturas variables, a la necesidad de re-arquitecturar el control de acceso y, en el caso de quien elija la infraestructura de Google, a una posible dependencia de su ecosistema de TPU frente al más extendido CUDA de Nvidia. Ninguna de estas plataformas resuelve todavía el problema de fondo por sí sola; lo que hacen es desplazarlo de la políica de uso a la arquitectura técnica, que es donde realmente se puede auditar y corregir. Si esa capa de identidad y trazabilidad madura al ritmo que exige la adopción, la automatización agéntica masiva podrá desplegarse sin convertirse en el desastre de seguridad que muchos temen; si no madura a tiempo, el 88% de empresas que hoy despliega sin poder gobernar seguirá acumulando un riesgo que tarde o temprano factura su propia cuenta.