RespuestasPublicado19 fuentes
Google quiere que sus agentes consulten datos entre nubes sin moverlos: qué ofrece y qué queda por aclarar
El anuncio del 4 de noviembre de 2026 se centra en acceder a datos distribuidos y ofrecer a los agentes un contexto empresarial compartido. Borderless Lakehouse se apoya en Apache Iceberg para consultar datos sin tener que trasladarlos primero a un repositorio central.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- El anuncio del 4 de noviembre de 2026 se centra en acceder a datos distribuidos y ofrecer a los agentes un contexto empresarial compartido.
- Borderless Lakehouse se apoya en Apache Iceberg para consultar datos sin tener que trasladarlos primero a un repositorio central.
- La disponibilidad depende de cada función, y la información disponible no demuestra que desaparezcan todos los costes de acceso entre nubes.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Google announce on November 4, 2026, about its Agentic Data Cloud, first introduced at Google Cloud Next 2026, and how do its Apach. Article summary: On November 4, 2026, Google announced updates to its Agentic Data Cloud centered on querying distributed data and giving AI agents more consistent business context, extending the architecture introduced at Google Cloud N. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
El anuncio de Google del 4 de noviembre de 2026 sobre Agentic Data Cloud gira en torno a una idea práctica: que los agentes de IA puedan consultar datos repartidos por distintas nubes sin tener que reunirlos antes en un único lugar, y que dispongan de contexto empresarial para interpretarlos. Las piezas principales son Borderless Lakehouse, basado en Apache Iceberg, y Knowledge Catalog. Pero no todas las capacidades tienen el mismo estado de disponibilidad, y la información publicada no demuestra que consultar datos entre nubes elimine todos los costes ni confirma cada ahorro mencionado. 4
10
Un Lakehouse para consultar los datos donde están
Google presenta Borderless Lakehouse como una base de datos gobernada, construida sobre el formato abierto Apache Iceberg. La documentación de Lakehouse describe Iceberg como la base de una interfaz unificada para analítica e inteligencia artificial. 4
1 Los materiales de Google plantean consultar y activar datos en distintas nubes sin trasladarlos; la cobertura del anuncio señala que las consultas pueden abarcar datos en AWS y Azure.
15
3
La propuesta se diferencia de llevar primero los datos a un almacén central para analizarlos. En principio, consultarlos donde residen puede reducir la necesidad de crear procesos cuyo único objetivo sea copiar información entre sistemas. Aun así, hacen falta las conexiones, los permisos, los formatos y los servicios adecuados.
La disponibilidad general no abarca necesariamente cada integración
La página de producto de Google indica que Borderless Lakehouse está disponible con carácter general. 11 Eso no confirma que todas sus integraciones o funciones de federación tengan el mismo estado: la descripción de Lakehouse señala que la federación de catálogos con AWS Glue, Databricks Unity Catalog y Snowflake Horizon está en vista previa.
10 Además, la documentación de Google explica cómo configurar una conexión entre nubes para consultar desde Google Cloud datos de Databricks Unity Catalog.
Esta diferencia importa al valorar afirmaciones sobre conexiones privadas, caché o integraciones sin copia de datos. Los extractos disponibles no verifican todos los detalles de redes y caché para AWS y Azure, ni las integraciones sin copia con SAP, Workday y Salesforce. Por tanto, no conviene dar esas capacidades por confirmadas aquí.
Knowledge Catalog añade significado, no solo acceso
Tener acceso a tablas no basta para que un agente sepa qué significa una métrica, qué definición utiliza un equipo o cómo se relacionan distintos conjuntos de datos. Google presenta Knowledge Catalog como una forma de incorporar significado empresarial y contexto gobernado a los datos que utilizan los agentes. Según el anuncio de noviembre, Borderless Lakehouse se integra con Knowledge Catalog para indexar datos distribuidos y no estructurados en la nube y ofrecer contexto a los agentes. 4
Google también ha descrito como funciones en vista previa el enriquecimiento de contexto que aprende de las interacciones y Knowledge Studio. La primera función busca detectar lagunas en el contexto empresarial a partir de interacciones con agentes y usuarios; Knowledge Studio ofrece herramientas para que responsables de los datos exploren y revisen ese contexto. 19 Son capacidades de gestión del contexto, pero por sí solas no demuestran que un agente pueda ejecutar de forma segura un proceso empresarial.
Las notas de la versión de Gemini Enterprise documentan, también en vista previa, un modo de consultas federadas para conectores de Data Cloud y una integración con Knowledge Catalog. Al añadir un conector federado, Knowledge Catalog se activa automáticamente para el Assistant, con herramientas de solo lectura que permiten buscar datos a los que el usuario tiene acceso y recuperar contexto técnico y empresarial. 17 Es una integración concreta y acotada, no una confirmación de todas las afirmaciones más amplias sobre la compatibilidad con Gemini.
Evitar mover datos no equivale a eliminar todos los costes
Google destaca el acceso a datos entre nubes sin trasladarlos, y la cobertura del anuncio describe consultas en AWS y Azure sin costes variables de salida de datos. 15
3 Sin embargo, los extractos disponibles del anuncio y la documentación no establecen que desaparezcan todos los cargos asociados a nubes remotas, ni ofrecen suficiente detalle para calcular el coste total de una carga de trabajo concreta.
Tampoco permiten confirmar la reducción de alrededor del 40 % en costes de movimiento de datos atribuida a talabat ni la configuración específica de Amazon S3 con Iceberg y BigQuery detrás de esa cifra. Incluso si se verificara ese ahorro, no demostraría por sí solo una reducción equivalente en el coste total de las consultas o de completar una tarea con un agente.
También hay novedades de bases de datos, con detalles pendientes
La cobertura del anuncio menciona novedades para AlloyDB y BigQuery, además de Knowledge Catalog. 3 Los extractos disponibles no confirman la función concreta de AlloyDB para combinar directamente registros históricos en Iceberg con datos operativos activos de PostgreSQL; por tanto, no se puede dar por verificada con estas fuentes.
Spanner Omni forma parte de la estrategia más amplia de Google para datos, pero su disponibilidad general se anunció antes: el 30 de septiembre de 2026. Google lo describió entonces como una base de datos distribuida y multimodelo que puede desplegarse en instalaciones propias o en otras nubes. 20
Qué demuestra —y qué no— el anuncio sobre los agentes
La conclusión respaldada por las fuentes es que Google está desarrollando una capa de acceso a datos entre nubes y la combina con contexto compartido para asistentes y agentes de IA. Esto puede ayudarles a encontrar información pertinente y aplicar definiciones coherentes. 4
17
19
Pero no demuestra, por sí solo, que un agente pueda ejecutar con seguridad un proceso empresarial. Para evaluarlo hacen falta pruebas independientes sobre permisos, validación, gestión de transacciones, auditoría, recuperación y coste total de completar correctamente la tarea. Los extractos disponibles tampoco bastan para verificar las valoraciones de analistas citadas o las comparaciones con Microsoft, Databricks, Snowflake y AWS. El anuncio muestra el rumbo de la plataforma; las afirmaciones sobre ejecución autónoma y sus costes requieren más pruebas que las funciones de acceso a datos y contexto.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Google quiere que sus agentes consulten datos entre nubes sin moverlos: qué ofrece y qué queda por aclarar"?
El anuncio del 4 de noviembre de 2026 se centra en acceder a datos distribuidos y ofrecer a los agentes un contexto empresarial compartido.
¿Cuáles son los puntos clave a validar primero?
El anuncio del 4 de noviembre de 2026 se centra en acceder a datos distribuidos y ofrecer a los agentes un contexto empresarial compartido. Borderless Lakehouse se apoya en Apache Iceberg para consultar datos sin tener que trasladarlos primero a un repositorio central.
¿Qué debo hacer a continuación en la práctica?
La disponibilidad depende de cada función, y la información disponible no demuestra que desaparezcan todos los costes de acceso entre nubes.