Generative AI Leader · §2 · ~35 %
Área 2: Ofertas de IA generativa de Google Cloud
· aprox. 6 min de lectura
Ayuda de estudio independiente: no es de Google ni está vinculada a Google.
El área con más peso pregunta qué oferta de Google encaja con cada necesidad: Gemini app, Gemini for Google Workspace, Gemini Enterprise y Gemini Notebook para el trabajo diario, la Customer Engagement Suite para la atención al cliente, Gemini Enterprise Agent Platform con Model Garden y Agent Studio para desarrolladores, y herramientas y API para agentes. Peso en el examen: aprox. 35 %.
2.1 Google Cloud's strengths in gen AI
- AI-first company: Desde hace décadas, Google combina la investigación en aprendizaje automático (machine learning, ML) con sus productos. Hitos conocidos públicamente: TPU propias (desde 2016), el artículo del Transformer "Attention Is All You Need" (2017), BERT (2018), los Google AI Principles (2018), el chatbot Bard (2023), la familia de modelos Gemini (dic. de 2023) y los modelos abiertos Gemma (2024). El Study Guide resume así el beneficio: las herramientas de IA generativa (gen AI) están integradas en todo el ecosistema de Google, y Google mantiene a sus clientes al día con lo último en desarrollo de IA. Quien usa Google Cloud aprovecha estos avances sin empezar desde cero.
- Enterprise-ready: responsible, secure, private, reliable, scalable. En concreto: infraestructura de seguridad (cifrado, control de acceso mediante IAM, seguridad de red), certificaciones de cumplimiento normativo (compliance) y una Agent Platform con seguridad, escalabilidad y gobernanza de nivel empresarial. El Study Guide habla de una "enterprise-grade foundation you can build on" y de un ecosistema que pone en primer plano la seguridad y la ética.
- Los datos siguen bajo el control del cliente: Gemini for Google Cloud no usa los prompts ni las respuestas para entrenar sus modelos; se aplican las medidas de protección estándar de Google Cloud. En Gemini Notebook Enterprise, los datos permanecen en el propio proyecto de Google Cloud. El Exam Guide menciona como componentes del control de datos: Security, Privacy, Governance, modelos propios (first-party) abiertos y líderes, soluciones prediseñadas y personalizables, agentes.
Trampa típica de examen
Las promesas absolutas ("garantizado", "100 % seguro", "precisión total", "solución lista para cualquier sector") casi siempre son incorrectas. Motivo: el propio Study Guide menciona límites de los modelos fundacionales (foundation models) (alucinaciones (hallucinations), sesgo (bias), fecha de corte del conocimiento (knowledge cutoff), casos límite (edge cases)) y recomienda human-in-the-loop (HITL, con supervisión humana) para las decisiones críticas. Por eso, un proveedor serio no puede garantizar la ausencia de errores.
2.2 Prebuilt gen AI offerings for AI-powered work
- La Gemini app (gemini.google.com, móvil) es el chatbot de IA generativa de Google. Ayuda a redactar, resumir, traducir y generar imágenes.
- Gemini es el modelo; la Gemini app, la aplicación. El Study Guide lo formula así: Gemini es un modelo que impulsa muchas soluciones distintas. La IA generativa en sí es una tecnología, no una aplicación.
- Gemini Advanced ofrece a las empresas funciones adicionales y protección de nivel empresarial. Lo típico es el acceso a los modelos más potentes (fuertes en programación, razonamiento lógico e instrucciones con matices), ventanas de contexto (context windows) más grandes y acceso anticipado a nuevas funciones.
Trampa típica de examen
Gemini app frente a Gemini Enterprise frente a Gemini for Workspace:
2.3 Gen AI offerings that improve the customer experience
- Agent Search on Gemini Enterprise Agent Platform (antes: Vertex AI Search) ofrece soluciones de búsqueda y recomendación para la propia empresa, es decir, búsqueda con calidad de Google sobre los datos propios.
- Google Search como oferta: Grounding with Google Search conecta Gemini con información web actual. Esto ayuda contra el knowledge cutoff, es decir, el límite del conocimiento de entrenamiento, p. ej., en preguntas sobre acontecimientos actuales, precios o resultados.
- Herramientas con las que las empresas interactúan de forma eficaz con sus clientes. Pueden basarse en Google Cloud Contact Center as a Service (CCaaS).
Trampa típica de examen
Agent Assist frente a Conversational Agents:
2.4 How Google Cloud empowers developers to build with AI
- La plataforma de ML unificada de Google Cloud para crear, entrenar y desplegar aplicaciones de ML. Da acceso a modelos de IA generativa (p. ej., Gemini), permite su ajuste (tuning) y despliegue, y pone a disposición infraestructura, herramientas y modelos preentrenados para todo el ciclo de vida. Es fully managed: tú configuras, Google opera. Según la documentación, la plataforma es una evolución de Vertex AI; el cambio de nombre se produjo el 22.04.2026.
- Características: abierta y flexible, infraestructura potente, modelos preentrenados, herramientas completas, personalización, integración sencilla.
- La documentación pública (2026) organiza la plataforma en Build (ADK, Agent Studio, Agent Garden, Model Garden, RAG Engine, Vector Search), Scale (Agent Runtime, Sessions, Memory Bank), Govern (Agent Registry, Agent Identity, Agent Gateway, Policies) y Optimize (Evaluation, Observability, optimización de prompts).
Trampa típica de examen
Model Garden frente a AutoML frente a custom training:
- Modelo listo y potente, rápido, presupuesto moderado → Model Garden.
- Modelo propio con datos etiquetados (labeled data) propios y sin experiencia en ML, p. ej., previsión de ventas a partir de tablas → AutoML.
- Control total sobre la arquitectura, investigación, necesidades especiales → Custom training.
2.5 Purpose and types of tooling for gen AI agents
- Los agentes usan herramientas (tools) para interactuar con su entorno, p. ej., para obtener y procesar datos o desencadenar acciones. Sin herramientas, un modelo queda limitado a su conocimiento de entrenamiento. Las herramientas son también la vía por la que los agentes colaboran con otros agentes.
- Cuatro tipos de herramientas:
- Extensions: conectan con servicios externos mediante API y estandarizan la interacción a pesar de los distintos diseños de API.
- Functions: definen acciones o tareas concretas. Componentes reutilizables que el sistema de razonamiento selecciona según convenga. En la llamada a funciones (function calling), el modelo genera una llamada estructurada (nombre + parámetros); quien la ejecuta es la aplicación, que devuelve el resultado.
- Data stores: dan acceso a información (actual, histórica, base de conocimiento) para obtener respuestas precisas y pertinentes. Base de RAG.
- Plugins: añaden nuevas habilidades (skills) e integraciones, p. ej., la conexión con otras plataformas y herramientas especializadas.
- Bucle de razonamiento con herramientas: (1) Reasoning, es decir, elegir la herramienta → (2) Acting, es decir, ejecutar la herramienta → (3) Observation, es decir, recibir el resultado → (4) Iteration, es decir, planificar el siguiente paso. Ejemplo: el agente de una carpintería debe concertar una cita para tomar medidas. Lee los datos del cliente en un data store, consulta los huecos libres mediante un plugin de calendario, llama a una function "Crear cita" y confirma mediante una extension de correo electrónico.
Trampa típica de examen
Agent Studio frente a Google AI Studio: la diferencia está en el público objetivo y el grado de madurez: creación rápida y gratuita de prototipos frente a aplicaciones listas para producción a gran escala. No es imagen frente a texto, no es código frente a no-code, no es modelos propios frente a preentrenados.
Sigue leyendo: Todas las áreas del examen · Glosario · Mapa de productos