Google acaba de ampliar las capacidades de sus agentes de investigación autónoma con Deep Research y Deep Research Max, dos configuraciones basadas en Gemini 3.1 Pro. La propuesta busca ir más allá de resumir páginas web: ahora los desarrolladores pueden construir flujos empresariales capaces de investigar, contrastar fuentes y generar informes citados usando datos públicos y privados.
¿La diferencia frente a un chatbot tradicional? En lugar de responder únicamente con lo que encuentra en una conversación, el agente puede planificar una investigación, consultar múltiples fuentes, revisar la evidencia y producir un documento listo para análisis profesional.
Dos agentes para necesidades distintas
Google está reemplazando la versión preliminar lanzada en diciembre por dos opciones orientadas a escenarios diferentes:
- Deep Research: prioriza la velocidad, el costo y una latencia más baja. Está pensado para experiencias interactivas donde el usuario espera resultados con rapidez.
- Deep Research Max: utiliza más capacidad de cómputo durante la ejecución para razonar, buscar y refinar el informe de forma iterativa. Es más adecuado para procesos asíncronos, como generar durante la noche un informe de debida diligencia para un equipo financiero.
La distinción es importante. No todas las investigaciones necesitan el nivel máximo de profundidad. Para una consulta integrada en una aplicación, la velocidad puede ser determinante. Para evaluar una empresa, revisar un mercado o estudiar evidencia científica, puede tener más valor consultar más fuentes y detectar matices que normalmente pasarían inadvertidos.
Deep Research Max no solo busca información: intenta construir una síntesis más completa, contrastada y útil para tomar decisiones.
De la web a los datos privados de una empresa
Una de las novedades más relevantes es que Deep Research ya no está limitado a la búsqueda abierta. El agente puede trabajar con sitios web, archivos subidos, almacenes de documentos conectados y servidores remotos compatibles con Model Context Protocol, conocido como MCP.
MCP permite conectar el agente con herramientas y repositorios especializados. Por ejemplo, una compañía podría integrarlo con proveedores de información financiera, bases de datos de mercado o sistemas internos. Así, el agente puede consultar fuentes que no están disponibles públicamente y combinarlas con información de la web.
Google menciona colaboraciones con FactSet, S&P Global y PitchBook para diseñar servidores MCP orientados a datos financieros. La intención es que los clientes compartidos puedan incorporar esos universos de información en flujos de investigación automatizados.
También es posible restringir completamente el acceso a internet y hacer que el agente trabaje solo con datos propios. Esto puede ser especialmente útil para organizaciones que necesitan mantener una investigación dentro de un entorno controlado.
Informes con gráficos y contenido multimodal
Deep Research incorpora generación nativa de gráficos e infografías. En vez de entregar únicamente texto, el agente puede representar conjuntos de datos dentro del informe utilizando HTML o Nano Banana, según la descripción de Google.
Además, los desarrolladores pueden proporcionar contexto en distintos formatos, incluidos:
- Archivos PDF.
- Hojas de cálculo CSV.
- Imágenes.
- Audio.
- Video.
Esta capacidad abre escenarios más amplios. Un equipo de ciencias de la vida podría combinar artículos, tablas experimentales e imágenes. Un analista de mercado podría cruzar informes en PDF con datos tabulares y presentaciones de resultados. El objetivo es que la investigación no dependa de convertir todo previamente a texto.
Más control sobre cómo investiga el agente
La autonomía no significa perder supervisión. Google añadió varias funciones para que los desarrolladores puedan observar y ajustar el proceso:
- Planificación colaborativa: el usuario puede revisar y modificar el plan de investigación antes de que comience la ejecución.
- Herramientas combinadas: Deep Research puede utilizar Google Search, servidores MCP,
URL Context, ejecución de código yFile Searchdentro del mismo flujo. - Transmisión en tiempo real: la aplicación puede recibir resúmenes de los pasos de razonamiento y mostrar texto o imágenes mientras se generan.
- Fuentes configurables: el desarrollador puede elegir qué repositorios consulta el agente y cuáles quedan fuera.
Para una aplicación interactiva, la transmisión en tiempo real ayuda a mostrar que el sistema sigue trabajando. Para un proceso interno, la planificación colaborativa permite que un analista corrija el alcance antes de consumir tiempo y recursos de cómputo.
Informes más completos para finanzas y ciencias de la vida
Google afirma que Deep Research Max consulta significativamente más fuentes que la versión de diciembre y presta mayor atención a evidencias contradictorias. También está diseñado para valorar la diversidad y la autoridad de las referencias, como documentos regulatorios de la SEC y artículos científicos revisados por pares de acceso abierto.
El resultado esperado es un informe que no se limite a enumerar hallazgos. La herramienta busca explicar los matices, organizar información técnica y convertirla en un formato que pueda ser utilizado por analistas, directivos y otros responsables de tomar decisiones.
Aun así, una mayor autonomía no elimina la necesidad de revisión humana. En áreas reguladas, un informe generado por IA debe verificarse, especialmente cuando influye en inversiones, diagnósticos, cumplimiento normativo o decisiones estratégicas. La calidad de las fuentes conectadas y la claridad de las instrucciones seguirán siendo determinantes.
Disponible en la API de Gemini
Deep Research y Deep Research Max están disponibles desde el 21 de abril de 2026 en vista previa pública, dentro de los niveles de pago de la Gemini API. Los desarrolladores pueden acceder a estas funciones mediante la Interactions API.
Google también señala que ambas opciones llegarán próximamente a startups y empresas a través de Google Cloud. La compañía afirma que la infraestructura utilizada se relaciona con las capacidades de investigación presentes en productos como Gemini, NotebookLM, Google Search y Google Finance.
La evolución es significativa porque mueve a los agentes de IA desde la respuesta aislada hacia los flujos de trabajo completos. El verdadero desafío no será solo lograr que investiguen más, sino conseguir que sus resultados sean trazables, verificables y útiles dentro de los sistemas donde las organizaciones ya toman decisiones.