Google Cloud quiere acelerar la adopción empresarial de agentes de IA en México con Gemini Enterprise, un nuevo hub en Guadalajara e ingenieros que trabajarán directamente con las compañías.
- El 40% de las empresas mexicanas ya adopta agentes de IA y otro 13% comienza a escalarlos.
- Google Cloud abrirá un hub en Guadalajara y desplegará Forward-Deployed Engineers en México.
- Grupo Bafar redujo de 140 a 17 minutos un proceso contractual mediante Gemini Enterprise.
La conversación sobre inteligencia artificial en las empresas está cambiando. Ya no se trata solamente de preguntarle algo a un chatbot o generar una presentación. El siguiente paso consiste en permitir que sistemas de IA ejecuten tareas, consulten información corporativa, utilicen herramientas y participen en procesos completos junto con trabajadores humanos.
Google Cloud quiere que México sea uno de los mercados donde esa transición ocurra más rápido.
Durante el Google Cloud Summit México 2026, celebrado el 30 de septiembre, la compañía anunció un nuevo hub en Guadalajara, la llegada al país de sus Forward-Deployed Engineers (FDEs) y nuevas funciones de Gemini Enterprise destinadas a crear, desplegar y controlar agentes de IA dentro de las organizaciones.
El movimiento responde a una adopción que ya comienza a salir de los experimentos. Según el estudio Work: in Progress, elaborado por IDC y Provokers a solicitud de Google Cloud, 40% de las empresas mexicanas está adoptando activamente agentes de IA y 13% ya está escalando proyectos dentro de sus operaciones.
Hay, sin embargo, una señal de alerta: 44% de los profesionales utiliza “Shadow AI”, es decir, herramientas personales de inteligencia artificial que no necesariamente fueron autorizadas por su empresa. Eso convierte la seguridad, los permisos y la protección de información corporativa en parte central del problema, no en una consideración secundaria.
Gemini Enterprise quiere ser el centro de control
Google describe Gemini Enterprise como una plataforma desde la cual las compañías pueden construir y administrar agentes conectados a sus propios datos.
Entre las novedades aparece Projects, que mantiene documentos, contexto, historial y estado de un proyecto a lo largo del tiempo. Skills Registry permite centralizar las habilidades disponibles para agentes y establecer quién puede utilizarlas, mientras Agent Sandbox proporciona un entorno aislado donde los agentes pueden ejecutar código, utilizar una terminal o incluso navegar por la web.
También está AlloyDB para Agentes, una arquitectura basada en PostgreSQL que Google plantea para soportar millones de agentes colaborativos y ejecutar consultas operativas sin afectar los principales sistemas de producción.
La idea de fondo es sencilla: llevar a los agentes desde una demostración interesante hasta sistemas que puedan utilizarse en operaciones reales sin perder el control sobre datos, costos y permisos.
Ingenieros de Google trabajando dentro de las empresas
La expansión mexicana no será exclusivamente de software.
Google Cloud abrirá un nuevo hub en Guadalajara que apoyará a los equipos regionales y a su división de infraestructura técnica. Al mismo tiempo, ampliará a México su organización de Forward-Deployed Engineers, ingenieros de IA que trabajan directamente con clientes para desarrollar soluciones, reducir riesgos y acelerar su llegada a producción.
Eduardo Lopez, presidente de Google Cloud Latinoamérica, explicó que el objetivo para los próximos cuatro años es “transferir conocimiento técnico avanzado a las empresas de cada país”, de manera que exista capacidad local suficiente para implementar estas tecnologías sin crear nuevos cuellos de botella.
Es un cambio relevante porque una de las mayores barreras para adoptar IA empresarial no es acceder a un modelo avanzado, sino conectarlo correctamente con bases de datos, sistemas internos, permisos y procesos existentes.
Los primeros números empiezan a aparecer
Google Cloud presentó también ejemplos mexicanos que permiten medir resultados concretos.
Farmacias del Ahorro desplegó su iniciativa PotencIA, basada en Gemini Enterprise, entre 1,000 empleados de TI, comercio electrónico y mercadotecnia. Según la compañía, alcanzó una adopción activa de 95% y generó un estimado de 140,000 horas de productividad anual.
Grupo Bafar ofrece un ejemplo todavía más fácil de visualizar. La automatización de anexos para contratos relacionados con nuevas tiendas redujo su tiempo de elaboración de 140 a 17 minutos por sucursal, una disminución de 88%, y multiplicó por diez la capacidad de procesamiento del equipo jurídico.
Alpura está utilizando Gemini Enterprise para integrar información y detectar patrones; Liverpool lo incorporó a su plataforma de comercio electrónico y a herramientas para desarrolladores; mientras BBVA México continúa ampliando su colaboración con Google Cloud en inteligencia artificial.
Estos casos importan porque desplazan el debate desde “qué puede hacer la IA” hacia una pregunta más relevante para las empresas: qué proceso específico puede hacer mejor y cuánto tiempo puede ahorrar.
Google también quiere controlar la factura
La autonomía tiene otro problema: el costo.
Un agente puede ejecutar múltiples pasos, consultas y modelos para completar una sola tarea. Si miles de empleados comienzan a utilizarlos simultáneamente, controlar el consumo se vuelve indispensable.
Google Cloud anunció una opción de pago por uso en Gemini Enterprise para cargas de trabajo de agentes. También incorporará límites mensuales de gasto, estimaciones de costos de ejecución y mecanismos para detectar picos presupuestarios antes de que impacten la factura.
La compañía también presentó herramientas de optimización para Google Kubernetes Engine y Google Compute Engine capaces de programar y reasignar recursos de forma automática. El objetivo es evitar interrupciones, reducir el sobreaprovisionamiento y disminuir la dependencia de una única configuración de hardware.
El mensaje es claro: la siguiente batalla de la IA empresarial no será únicamente quién tiene el modelo más inteligente. También será quién pueda integrarlo con datos internos, establecer controles, demostrar retorno de inversión y mantener predecible la factura.
Google lleva la IA generativa también a Workspace
Los anuncios del Summit no se limitaron a los agentes empresariales.
Google presentó nuevas capacidades para creación y edición de imágenes y video dentro de Workspace. Google Pics utiliza el modelo Nano Banana para aislar objetos, modificar texto dentro de imágenes y generar variantes visuales en tiempo real, con integración en Docs, Slides y próximamente Drive.
Por su parte, Google Vids incorpora el modelo Gemini Omni para crear y editar video mediante instrucciones en lenguaje natural y referencias visuales. También permite generar avatares personalizados a partir de una imagen y una muestra de voz. Google indica que las producciones incorporarán la marca de agua digital SynthID.
Google Meet también amplía sus funciones de traducción. La compañía anunció traducción en tiempo real entre español y portugués, conservando características como voz, tono y emoción, además de planes para extender Gemini Live Translate a más de 70 idiomas y unas 2,000 combinaciones por reunión.
La adopción ya no se mide por demostraciones
La diferencia entre esta nueva etapa y la primera ola de IA generativa está en la forma de medir resultados.
Las empresas ya no pueden justificar proyectos únicamente porque una herramienta escribe textos, resume documentos o responde preguntas. Los agentes comienzan a evaluarse por cuánto reducen un proceso, cuántas horas liberan, qué sistemas pueden conectar y qué controles permiten establecer.
Ahí es donde los ejemplos de Farmacias del Ahorro o Grupo Bafar adquieren más peso que cualquier demostración espectacular.
México, además, aparece como un mercado relevante para Google Cloud no solamente por el número de empresas que están probando estas herramientas, sino por la combinación de talento técnico, grandes corporativos y demanda regional.
El nuevo hub de Guadalajara y el despliegue de ingenieros especializados apuntan justamente a reducir la distancia entre disponer de tecnología de IA y saber cómo convertirla en procesos que funcionen dentro de una empresa.
Los agentes de IA ya empiezan a pasar del experimento al trabajo cotidiano en México. El reto ahora no es demostrar que pueden ejecutar tareas, sino hacerlo con seguridad, costos controlados y resultados que una empresa pueda medir.