Google y Accenture preparan 1.000 ingenieros para llevar los agentes de IA a las empresas

Por Redacción Pangea IA · 8 de septiembre de 2026

Google Cloud y Accenture han anunciado este 8 de septiembre un nuevo grupo para impulsar Gemini Enterprise en las empresas, con el objetivo de establecer un equipo de 1.000 ingenieros dedicados a su implantación. Así lo recoge el comunicado de Accenture.

La lectura empresarial del movimiento es interesante: el valor de un agente depende también de cómo se conecta con los datos, las herramientas y las personas que realizan el trabajo. Una demostración puede resultar convincente en unos minutos; convertirla en un proceso fiable exige resolver muchos detalles que apenas se ven en esa demostración.

Qué han anunciado Google Cloud y Accenture

La iniciativa se llama Accenture Gemini Enterprise Business Group. Combinará especialistas tecnológicos y conocimiento sectorial para ayudar a los clientes a ampliar el uso de agentes. Los 1.000 ingenieros son una meta de despliegue, no una confirmación de que todo el equipo esté ya operativo. El anuncio tampoco equivale a 1.000 nuevas contrataciones.

Qué puede hacer Gemini Enterprise dentro de una empresa

Google presenta Gemini Enterprise como un entorno que conecta información empresarial y agentes capaces de ejecutar procesos de varios pasos. Entre sus conexiones figuran Google Drive, Microsoft OneDrive, SharePoint, HubSpot y Jira. También incorpora herramientas para crear agentes y controlar su acceso a aplicaciones y datos, además de supervisar su actividad.

Esas capacidades permiten plantear usos más amplios que redactar una respuesta. Pensemos en un caso hipotético de atención al cliente: llega una consulta, el sistema localiza información autorizada sobre el pedido, consulta las condiciones aplicables, prepara una propuesta de respuesta y deja una tarea pendiente cuando necesita intervención humana.

Para que ese recorrido funcione, alguien debe decidir de dónde sale cada dato, qué hacer si falta información y quién valida una excepción. Si el pedido está duplicado o las condiciones comerciales están desactualizadas, una respuesta bien escrita puede ocultar un error de fondo. Esa es una parte concreta del trabajo que una implantación debe resolver.

El caso de YouTube y cómo interpretar el 37 %

Como ejemplo, Accenture comunica que un agente de Gemini Enterprise utilizado en YouTube durante picos de demanda de NFL Sunday Ticket redujo un 37 % el tiempo medio de atención. Es un resultado atribuido por las empresas a ese caso concreto. Fuente del dato.

Ese porcentaje no permite calcular por sí solo cuánto dinero ahorraría otra organización. Tampoco mide la productividad total de YouTube. Para trasladar una mejora de tiempo a una decisión de negocio habría que conocer el volumen de consultas, el coste de implantación, las correcciones necesarias y la calidad del servicio obtenido.

Una atención más rápida sería una mejora incompleta si obligase al cliente a volver a contactar para resolver lo mismo. Por eso conviene medir conjuntamente la velocidad, los casos resueltos y los errores, en lugar de fijarse únicamente en el indicador que ofrece el porcentaje más llamativo.

Qué puede aprender una pequeña empresa

Nuestra propuesta para una pyme sería empezar por un problema limitado y frecuente. Por ejemplo, preparar el borrador de una respuesta comercial utilizando un catálogo aprobado, clasificar solicitudes entrantes o reunir la documentación necesaria antes de una reunión. Son posibles pruebas de trabajo, no resultados anunciados por esta alianza.

Un negocio de reformas podría ensayar un asistente que organice las peticiones de presupuesto, señale las medidas que faltan y deje preparada una ficha para el profesional. El responsable seguiría comprobando el alcance de la obra y aprobando el precio. Así se puede valorar si la ayuda reduce trabajo administrativo sin atribuir al sistema decisiones que todavía necesitan una visita o experiencia técnica.

Para empezar por tareas documentales, nuestra guía sobre cómo comparar presupuestos con ChatGPT y detectar costes ocultos ofrece un punto de partida. La guía de IA para pymes ayuda a situar estas pruebas dentro de un plan de adopción.

Integración, permisos y personas: el trabajo que debe presupuestarse

Al valorar un proyecto, proponemos separar el coste de la herramienta del tiempo necesario para preparar información, conectar sistemas, formar al equipo y revisar incidencias. Una cuota asequible puede convivir con una implantación exigente. También puede ocurrir lo contrario: que una tarea pequeña y bien definida requiera pocas conexiones y resulte sencilla de probar.

La documentación de Google sobre su plataforma de agentes contempla controles de identidad, acceso y supervisión. Tener esas funciones disponibles no decide automáticamente los permisos adecuados para cada negocio: la organización debe configurar el alcance que necesita.

Antes de abrir el acceso a documentos compartidos, conviene acordar qué información necesita cada función y quién responde de su mantenimiento. Ese trabajo se puede apoyar en nuestra guía para definir una política de uso de IA en la empresa.

Cómo decidir si merece la pena ampliar una prueba

Una evaluación útil empezaría midiendo cómo se realiza hoy la tarea. Después se probaría la asistencia de IA en un grupo acotado de casos, conservando la revisión del responsable. La comparación debería incluir el tiempo de corrección: si se ahorran minutos al redactar pero se recuperan al comprobar errores, la mejora puede ser mucho menor de lo esperado.

También merece atención qué ocurre cuando la herramienta no sabe continuar. Poder devolver el caso a una persona con el contexto necesario es parte del servicio. El siguiente paso debería depender de esos resultados observados: ampliar el uso cuando la calidad y el coste lo justifican, y ajustar el proceso cuando todavía quedan fallos.

Quien quiera conocer otras formas de delegar trabajo puede consultar nuestra comparativa entre ChatGPT Work y Perplexity Computer. Sirve como contexto sobre herramientas; no es una comparación directa con los servicios de implantación anunciados por Accenture.

Imagen: ilustración conceptual generada con IA. No representa una reunión real de Google o Accenture. Las aplicaciones propuestas para pymes son ejemplos de análisis de Pangea IA.