Google Cloud Next '26 cerró ayer viernes en Las Vegas, tras tres días en Mandalay Bay, y a diferencia de ediciones pasadas donde el mensaje central era "incorpora IA generativa a tus flujos", esta edición tuvo un tema único y recurrente: la empresa agéntica. No agentes como experimento, sino agentes en producción, operando a escala, con su propia identidad, gobernanza y superficie de ataque.
Seguí el keynote con mi stack habitual en mente: GKE, Vertex AI, el ADK, BigQuery. Varios de esos productos ya no se llaman igual. Aquí va mi lectura honesta de lo que cambia, y lo que realmente me importa como alguien que opera esto todos los días.
Vertex AI ya no se llama Vertex AI
El primer golpe: Vertex AI pasó a llamarse Gemini Enterprise Agent Platform. No es un rebranding cosmético. Es la evolución oficial de Vertex, con ADK, Agent Studio y Model Garden como pilares, pero con un foco nuevo: todo el ciclo de vida de un agente, no solo el de un modelo.
Lo que más me llamó la atención es el bloque de gobernanza, porque es donde los equipos rompen cuando empiezan a escalar agentes:
- Agent Identity: cada agente tiene un ID único y auditable, como si fuera un empleado con credenciales propias.
- Agent Gateway: un "control de tráfico" que vigila cómo los agentes hablan entre sí y con tus datos.
- Agent Sandbox: un entorno aislado donde el agente puede ejecutar código sin tocar tus sistemas reales.
- Model Armor: defensa contra prompt injection y fuga de datos sensibles.
El ADK también recibió una actualización grande y ahora permite organizar agentes como una red de sub-agentes, algo que estaba faltando cuando probé orquestaciones complejas.
Vertex AI antes vs ahora
- Foco: de entrenar y desplegar modelos → a construir y gobernar agentes.
- Identidad de agente: no existía → ahora cada agente tiene un ID criptográfico único.
- Seguridad en runtime: era responsabilidad del desarrollador → ahora Model Armor y Sandbox vienen integrados.
- Pruebas previas al despliegue: se hacían ad hoc → Agent Simulation permite probar contra escenarios reales.
Si ya usas ADK, la transición es transparente. Si todavía no, este es un buen momento para empezar: el andamiaje que antes armabas a mano (autenticación, gateway, sandboxing, observabilidad) ahora viene cableado de fábrica.
Agentic Data Cloud: BigQuery como superficie de razonamiento
Aquí va el anuncio que, para mí, es el más subestimado de todo el evento. Google está reposicionando BigQuery: deja de ser "el warehouse donde guardas datos" y pasa a ser el lugar donde los agentes entienden tu negocio.
Tres piezas sostienen la apuesta:
Knowledge Catalog, la evolución de Dataplex. Antes necesitabas un data steward etiquetando tablas, definiendo métricas y manteniendo glosarios a mano. Ahora el catálogo aprende: analiza cómo tu empresa usa los datos y los mapea solo. Además se conecta con catálogos de terceros (Collibra, Atlan, Datahub) y con SaaS como SAP o Salesforce sin mover los datos de lugar.
Cross-Cloud Lakehouse sobre Apache Iceberg. BigQuery ahora puede consultar datos que viven en AWS S3 sin moverlos y sin costos de egress. La apuesta técnica es importante: Google le dice al mercado que Iceberg ganó la guerra de formatos y que no vale la pena seguir peleando.
Data Agent Kit. Extensiones que viven en VS Code, Claude Code y Gemini CLI. Le describes al agente el resultado que quieres — una tabla limpia, una transformación con cierta regla — y él elige si usa BigQuery, Spark o Spanner, y te genera el código. Andi Gutmans, VP de Data Cloud, lo resumió así: "los clientes están más en modo revisión que en modo escribir el código".
Como Analytics Engineer, el mensaje me queda claro: menos tiempo escribiendo pipelines y más tiempo modelando qué significan las cosas en el negocio.
Agentic Defense: Google + Wiz, ahora formalizados
Google cerró este año la compra de Wiz (una plataforma de seguridad en la nube) por unos 32.000 millones de dólares, y Next '26 fue el lugar donde formalizaron cómo encaja con el resto. La combinación se llama Agentic Defense: inteligencia de amenazas de Google, Security Operations y la plataforma de Wiz, todo junto.
Tres agentes nuevos en Security Operations, todos en preview:
- Threat Hunting: caza patrones novedosos de ataque.
- Detection Engineering: genera reglas de detección para escenarios específicos.
- Third-Party Context: enriquece investigaciones con inteligencia externa.
El agente de Triage e Investigación (que ya existía) procesó más de 5 millones de alertas el último año, bajando un análisis manual de 30 minutos a 60 segundos.
Un caso que ilustra el punto: Shell redujo el tiempo para detectar vulnerabilidades urgentes de entre 3 días y 2 semanas a casi tiempo real usando Wiz. No es un slide de marketing — es la diferencia entre que un atacante tenga días para moverse o ninguna ventana útil.
Desde la óptica SRE, dos cosas me importan especialmente:
Primero, el AI-BOM (Artificial Intelligence Bill of Materials). El concepto viene del SBOM del mundo software — un inventario de librerías y dependencias que se volvió obligatorio después del incidente de Log4j, cuando nadie sabía dónde tenía esa librería instalada. El AI-BOM hace lo mismo para IA: inventaría modelos, frameworks, plugins, agentes. Es la respuesta concreta al problema del "shadow AI" — ese colega corriendo un modelo en una VM sin que nadie se entere.
Segundo, Security Command Center ahora detecta automáticamente agentes y servidores MCP corriendo en Cloud Run, GKE y endpoints de inferencia. Lo que antes era invisible ahora aparece como hallazgo.
Un dato que deja pensando: según el reporte M-Trends 2026 de Mandiant, el tiempo entre que un atacante entra a un sistema y pasa el acceso a un segundo actor se achicó de 8 horas a 22 segundos en los últimos tres años. Defenderse a velocidad humana ya no alcanza.
Infraestructura: chips nuevos y GKE como runtime de agentes
La capa de infra tuvo anuncios concretos:
El protagonista de la sección de infra fue Virgo Network, una nueva fabric de red diseñada específicamente para cargas de IA. Conecta hasta 134.000 chips en un solo data center con 47 petabits/s de ancho de banda bidireccional, y combinada con TPU 8t escala a más de un millón de chips entre múltiples sitios. La filosofía detrás se llama campus-as-a-computer: tratar varios data centers como una sola supercomputadora lógica. Para el día a día, lo más relevante es que reduce 40% la latencia frente a la generación anterior — un margen que se nota en entrenamientos largos y en serving de modelos grandes.
- TPU 8t y 8i, la octava generación: uno optimizado para entrenar modelos, otro para servirlos. Google promete hasta 3x el rendimiento de la generación anterior.
- Axion, el CPU propio de Google basado en ARM, ya en disponibilidad general.
- GKE Agent Sandbox en GA: lanza hasta 300 entornos aislados por segundo.
- GKE Hypercluster: un solo control plane de Kubernetes gestionando un millón de chips.
Si ya operas GKE, el mensaje es directo: Kubernetes dejó de ser solo el orquestador de tus apps y se convirtió en el runtime oficial para agentes.
Lo que me dejó pensando
Salí del keynote con tres sensaciones mezcladas.
La primera es que Google está vendiendo algo muy atractivo: un stack completo y coherente, donde el chip, el modelo, los datos y la seguridad están co-diseñados. Para equipos pequeños, esto es justamente lo que vuelve a GCP atractivo — la simpleza de no tener que armar integraciones entre cinco proveedores distintos es una ventaja real. En aras de la transparencia, vale decir que adoptar el stack completo te acopla cada vez más a un mismo ecosistema; no es motivo para frenar, pero sí para elegir con intención qué capas te conviene cablear al paquete y cuáles mantener algo más abiertas.
La segunda es que la gobernanza de agentes llegó antes de que muchos equipos estuviéramos listos para pensarla. Es útil que existan primitivas como Agent Identity o AI-BOM, pero son herramientas: no reemplazan la decisión humana de qué agentes dejas correr, con qué datos y con qué límites. Si hoy no tienes un inventario simple de qué IA usa tu equipo, empezar por ahí vale más que adoptar la plataforma completa.
La tercera es que varios de los anuncios coinciden con problemas que ya veía en el día a día: gobernanza, costos, observabilidad, seguridad de IA. No todo el evento va por ahí, pero la parte que sí se agradece.
Y un dato del keynote que no se puede ignorar: 75% del código nuevo en Google ya es generado por IA según Sundar Pichai — hace un año era 25%. Si esa cifra es real, todos los productos anunciados aquí no son una visión: son herramientas que Google está usando contra sí mismo. Eso explica el ritmo.
El resto es marketing — Agentic Enterprise, Agent Everywhere, etc. Pero debajo del packaging hay piezas técnicas sólidas, la mayoría disponibles ya o entrando a preview en las próximas semanas.
No comments yet