Google y la carrera por los agentes de IA útiles

Durante años, la promesa del agente de IA personal ha convivido con una realidad bastante más gris: sistemas que confunden instrucciones simples, olvidan el contexto a mitad de tarea y requieren supervisión constante para no hacer el ridículo. Según un reportaje publicado esta semana en The Verge, eso está cambiando —con matices— gracias en buena medida a la tracción que ha ganado OpenClaw, la plataforma de agentes open-source que se ha convertido en referencia del sector en los últimos seis meses.

El artículo plantea una pregunta que incomoda a más de un laboratorio: si Google, con sus recursos, su infraestructura y su acceso a datos, no consigue que los agentes sean genuinamente útiles en el día a día, ¿quién puede?

Qué ha pasado en estos seis meses

El período que describe The Verge coincide, aproximadamente, con el que hemos seguido desde ClaudeWave: una aceleración visible en la capacidad real de los agentes para completar flujos de trabajo sin intervención humana constante. No es que los modelos subyacentes hayan dado un salto mágico; es que la capa de orquestación —cómo se encadenan herramientas, cómo se gestiona el estado de una tarea larga, cómo se recupera el agente de un error parcial— ha madurado lo suficiente como para que la experiencia de usuario deje de ser frustrante por defecto.

OpenClaw ha jugado un papel relevante aquí. Como plataforma open-source, ha permitido que equipos de ingeniería de todo el mundo itersen sobre patrones de agentes sin depender de las decisiones de producto de un único laboratorio. El resultado: una comunidad que ha descubierto, por ensayo y error, qué arquitecturas de agente funcionan y cuáles son ruido.

Por qué Google es el caso de estudio más interesante

La pieza de The Verge no cuestiona la capacidad técnica de Google; la cuestiona a nivel de producto y organización. Es una distinción relevante. Google tiene modelos competitivos, tiene infraestructura y tiene distribución. Lo que históricamente le ha costado más es convertir esa potencia en algo que un usuario no técnico pueda usar sin leer documentación.

Los agentes amplifican ese problema. Un agente útil no es solo un modelo capaz: es un sistema que sabe cuándo actuar, cuándo pedir confirmación, cuándo parar y cómo comunicar su estado de forma comprensible. Eso requiere decisiones de diseño muy concretas que no se resuelven solo con más parámetros.

En el ecosistema Claude, hemos visto cómo Anthropic ha abordado parte de este problema con herramientas como los subagentes en Claude Code —que permiten delegar tareas específicas a agentes especializados— y los hooks de ciclo de vida, que dan a los desarrolladores control fino sobre qué ocurre antes y después de cada llamada a herramienta. No es la solución completa, pero es una forma de gestionar la complejidad de los flujos largos sin que el agente se pierda.

Para quién importa esto ahora mismo

La discusión sobre si Google puede o no puede es interesante como diagnóstico de la industria, pero lo que importa a los equipos que construyen sobre estas plataformas es más práctico: ¿en qué punto están los agentes como para confiarles tareas reales?

La respuesta honesta en mayo de 2026 es: depende mucho de la tarea. Flujos bien definidos, con herramientas estables y poca ambigüedad en los objetivos, funcionan con una fiabilidad razonable. Tareas abiertas, con muchas variables y decisiones de criterio, siguen necesitando supervisión. El salto que describe The Verge es real, pero no es uniforme.

Para desarrolladores que trabajan con Claude Code y servidores MCP, esto se traduce en una recomendación concreta: invertir tiempo en definir bien los límites de lo que el agente puede decidir solo y lo que debe escalar. Los hooks de tipo `PreToolUse` son una herramienta útil para implementar esas barreras sin complicar la lógica central del agente.

---

Que The Verge use a Google como termómetro de la industria es comprensible, pero quizá el indicador más fiable sea lo que está ocurriendo en el open-source: cuando una plataforma como OpenClaw gana adopción viral sin presupuesto de marketing, normalmente es porque está resolviendo algo que los productos comerciales no resuelven aún. Vale la pena seguirle la pista más allá del titular.