Te lo digo sin rodeos: la comparativa entre plataformas de agentes de IA se está contando fatal. Estos días, con Google empujando fuerte su plataforma empresarial de agentes y con Anthropic consolidando MCP como pieza de conexión, mucha gente sigue vendiendo la misma idea simpleta de siempre: gana quien tenga el modelo más listo. Yo creo que eso ya no te sirve para decidir casi nada.
Si estás pensando en montar agentes para soporte, operaciones, ventas o trabajo interno, el modelo importa, claro. Pero cada vez pesa menos frente a otra cosa mucho más aburrida y bastante más decisiva: cómo conectas datos, cómo observas lo que hace el agente, cómo controlas permisos y cómo evitas montar un Frankenstein que dentro de tres meses nadie sabe mantener.
Y aquí está el problema: la mayoría de comparativas siguen midiendo brillo de demo, no riesgo real de producción.
Google llega tarde, pero está atacando donde duele
La noticia que me parece relevante esta semana no es que Google haya descubierto los agentes ahora. Es que está intentando empaquetar runtime, memoria, sesiones, trazas, monitorización y control de acceso dentro de una propuesta empresarial más compacta. Eso cambia la conversación. En vez de preguntarte “qué modelo razona mejor”, te obliga a preguntarte “qué proveedor me deja desplegar esto sin abrir cinco melones operativos a la vez”.
En su documentación, Google insiste justo en eso: escalado gestionado, sesiones persistentes, memoria a largo plazo, evaluación continua y ejecución segura en sandbox. Traducido al idioma de negocio: menos bricolaje, más plataforma. Y aunque yo no compraría el discurso entero sin probarlo, sí veo una verdad incómoda para muchos equipos: si dependes de muchos componentes pegados con cinta, tu agente no falla por inteligencia, falla por arquitectura.
Anthropic ha entendido antes que otros el cuello de botella real
Anthropic lleva ventaja narrativa en un punto que a mí me parece clave: conectar contexto útil sin convertir cada integración en un proyecto eterno. MCP no es magia, pero sí pone orden en una parte del caos. Si tu agente tiene que leer un repositorio, consultar documentación interna, tirar de Slack o tocar herramientas del negocio, el protocolo importa más de lo que parece desde fuera.
Por eso me cuesta comprar las comparativas simplonas de “Claude vs Gemini vs lo que toque esta semana”. En la práctica, no compite solo el modelo; compite el ecosistema que te deja enchufar fuentes, mantener contexto y gobernar accesos sin liar una avería nueva cada viernes. Sé que suena menos sexy, pero es la parte que luego decide si el proyecto vive o acaba convertido en piloto eterno.
OpenAI sigue muy fuerte, pero el mercado ya no premia solo amplitud
OpenAI ha empujado antes que muchos el enfoque de herramientas integradas, llamadas a herramientas y flujos multi-step, y eso le da una ventaja clara de adopción. Mucha gente ya está ahí, y cambiar no sale gratis. Ahora bien, yo cada vez veo menos útil esa lectura de “como OpenAI llegó antes, seguirá ganando por inercia”. En empresa, la inercia aguanta hasta que aparecen costes de control, cumplimiento, trazabilidad o dependencia de proveedor.
En otras palabras: la amplitud del ecosistema ayuda, pero no te resuelve sola el problema de operar agentes en serio. Si una plataforma te da mejor gobernanza, mejor identidad, mejor observabilidad o mejor gestión del contexto, puede ganarte aunque su demo impresione un poco menos. Y creo que esa parte se está infravalorando una barbaridad.
La comparativa útil no va de “quién es mejor”, sino de “qué riesgo te compras”
Si yo hoy tuviera que comparar plataformas de agentes para una pyme o para un equipo digital mediano, no empezaría por benchmarks. Empezaría por esta lista:
- Conectividad real: cuánto tarda en enchufarse a tus datos y herramientas sin desarrollos raros.
- Gobernanza: qué control tienes sobre permisos, identidades, trazas y auditoría.
- Memoria y contexto: si mantiene estado de forma útil o te obliga a reconstruir contexto cada vez.
- Operación: cómo despliegas, monitorizas, evalúas y corriges al agente cuando mete la pata.
- Lock-in: cuánto te costará salir si dentro de seis meses cambia el tablero.
Cuando miras así la comparativa, la foto cambia mucho. Google parece estar reforzando la capa operativa y de despliegue. Anthropic ha empujado una capa de interoperabilidad que puede acabar pesando más de lo que hoy parece. Y OpenAI conserva una ventaja brutal de adopción, tooling y familiaridad. Pero ninguna de esas fortalezas, por sí sola, te da el veredicto.
Mi conclusión: nos están vendiendo una carrera de modelos y esto ya es una guerra de stacks
Yo no creo que el ganador de 2026 en agentes empresariales vaya a ser el que saque la respuesta más brillante en una demo. Creo que va a ser el que reduzca fricción técnica, baje el coste de integración y te permita poner agentes en producción con menos sustos legales y operativos. Dicho mal y pronto: menos fuegos artificiales, más fontanería.
Por eso me chirría tanto el relato de “Google llega para plantar cara a OpenAI y Anthropic” como si esto fuera una tabla clasificatoria de chatbot. No. Lo que se está moviendo ahora es bastante más serio: quién controla el stack completo, quién define cómo se conecta el contexto y quién convierte la experimentación en operación estable. Ahí es donde de verdad se va a decidir la comparativa.
Si mañana tuvieses que elegir una plataforma para un agente que toca datos internos, automatiza tareas y además necesita trazabilidad para tu equipo, ¿qué aceptarías peor: perder un poco de calidad de modelo o casarte tres años con un stack que luego no puedes gobernar?