Google Gemini presentó la función de automatización de tareas en el dispositivo

Gemini se convierte en un agente autónomo

Google anunció una nueva función de “automatización de tareas” (task automation) que transforma su asistente de AI Gemini de una interfaz de chat estándar en un agente autónomo orientado a tareas. Esta infraestructura, disponible en dispositivos de las series Pixel 10 y Samsung Galaxy S26, permite a Gemini completar de forma independiente operaciones de varios pasos en aplicaciones de terceros como Uber o DoorDash.

Al recibir una orden, el nuevo sistema abre la aplicación correspondiente en una ventana virtual aislada y ejecuta por su cuenta operaciones como introducir una dirección, solicitar un vehículo o seleccionar productos. El usuario puede seguir el proceso en tiempo real, mientras que la confirmación final de los pasos críticos que requieren un compromiso financiero, como los pagos, siempre queda en sus manos.

Procesamiento en el dispositivo (On-Device AI) y arquitectura centrada en la privacidad

El detalle técnico más destacado del sistema es que las operaciones se ejecutan directamente en el dispositivo (on-device), sin transferirse a servidores en la nube. Gracias a las avanzadas unidades de procesamiento neuronal (NPU) de los modelos Pixel 10 y Galaxy S26, los procesos de automatización autónoma se ejecutan localmente a nivel de hardware.

Las principales ventajas que este enfoque arquitectónico aporta a los procesos técnicos son:

• Reducción al mínimo de la latencia de red (latency) al eliminar la comunicación con la nube.
• Un entorno de procesamiento aislado y de alta seguridad, al no salir los datos personales del dispositivo.
• Limitación de la interacción con aplicaciones de terceros mediante ventanas virtuales.

El sistema, actualmente en fase beta en Estados Unidos y Corea del Sur con una integración limitada de aplicaciones, incorpora detección de fraude en el dispositivo y funciones de búsqueda visual capaces de analizar varios elementos a la vez. Con este paso, Google deja de situar los modelos de AI como meras herramientas que generan texto o código y los posiciona como infraestructuras capaces de ejecutar directamente acciones dentro de las aplicaciones.