Google lleva Gemini a la búsqueda, el móvil y la creación de vídeo

Google ha convertido su conferencia I/O de este martes en una demostración de alcance: Gemini deja de ser un chatbot independiente para entrar en la Búsqueda, Android, Workspace y las herramientas para desarrolladores. Junto a esa integración, la compañía ha mostrado Project Astra, un asistente que ve y escucha en tiempo real, y Veo, su nuevo modelo para generar vídeo.

El anuncio importa por la escala de Google. OpenAI popularizó la conversación con modelos generativos, pero Google controla productos usados cada día por miles de millones de personas. Llevar Gemini al buscador cambia la forma en que una gran parte de los usuarios podría encontrar información en internet.

La búsqueda empieza a responder, no solo a enlazar

Google ha comenzado a desplegar AI Overviews en Estados Unidos, unas respuestas elaboradas con IA que aparecen sobre los enlaces tradicionales para resolver consultas complejas. La función procede de Search Generative Experience, el experimento que la compañía probaba desde 2023 en Search Labs.

La idea es que el buscador combine información de varias páginas y ofrezca una explicación inicial, con enlaces para profundizar. Google prevé llevar AI Overviews a más países a lo largo del año y alcanzar a más de mil millones de usuarios antes de que termine 2024.

El cambio puede ahorrar pasos en búsquedas comparativas o tareas con varias condiciones, como planear una comida para un grupo con restricciones dietéticas. Pero también eleva el riesgo habitual de los modelos generativos: una respuesta puede sonar convincente y contener errores. Para los medios y las webs especializadas, la cuestión será si estos resúmenes llevan lectores a las fuentes o si retienen la consulta dentro de Google.

Project Astra: un asistente que interpreta lo que tiene delante

Project Astra es un prototipo de agente multimodal desarrollado por Google DeepMind. Un sistema multimodal procesa varios tipos de información, como texto, voz, imágenes y vídeo. En las demostraciones, Astra seguía lo que mostraba una cámara, identificaba objetos, respondía a preguntas habladas y recordaba dónde había visto un elemento en una estancia.

Su objetivo no es solo describir una imagen enviada por el usuario, sino mantener una conversación sobre lo que está viendo a través de la cámara. Google ha mostrado también una versión en gafas, aunque se trata de una demostración de investigación y no de un producto comercial anunciado.

La compañía planea incorporar progresivamente capacidades de Astra a la aplicación Gemini durante este año. El reto será hacer que esa memoria visual sea útil sin convertir una cámara siempre activa en un problema de privacidad. Google tendrá que explicar con claridad qué datos se procesan, durante cuánto tiempo se conservan y bajo qué controles del usuario.

Veo e Imagen 3 elevan la apuesta creativa

Google DeepMind ha presentado Veo, un modelo capaz de crear vídeos en resolución 1080p de más de un minuto a partir de instrucciones de texto, imágenes o vídeos de referencia. También puede interpretar términos de realización, como movimientos de cámara o estilos visuales.

Veo competirá con sistemas como Sora de OpenAI, anunciado en febrero pero aún sin disponibilidad pública general. Google lo pondrá inicialmente en vista previa privada para clientes seleccionados de Vertex AI, su plataforma empresarial de inteligencia artificial.

El modelo incluye SynthID, la tecnología de Google para insertar una marca de agua digital invisible en contenido generado por IA. Es una medida útil para facilitar la identificación técnica de vídeos sintéticos, aunque no elimina por sí sola los problemas de suplantación ni garantiza que una pieza manipulada conserve esa señal al circular por internet.

También llega Imagen 3, la nueva versión del generador de imágenes de Google. La empresa destaca mejoras en calidad visual y en la generación de texto dentro de las imágenes, uno de los fallos más visibles de las herramientas anteriores. Estará disponible primero para determinados creadores a través de ImageFX y para clientes de Vertex AI.

Gemini 1.5 Flash busca velocidad y coste reducido

Para los desarrolladores, Google ha anunciado Gemini 1.5 Flash, una variante más ligera de Gemini 1.5 Pro. Está diseñada para tareas que requieren respuestas rápidas y muchas peticiones, como resumir textos, extraer datos o mantener asistentes de atención al cliente.

Flash mantiene una ventana de contexto de hasta un millón de tokens. El contexto es la cantidad de información que un modelo puede tener presente al responder; un millón de tokens equivale, de forma aproximada, a cientos de miles de palabras. Google lo ofrece en vista previa pública a través de AI Studio y Vertex AI.

Por su parte, Gemini 1.5 Pro con un millón de tokens pasa a estar disponible para los suscriptores de Gemini Advanced, mientras que la compañía abre una vista previa privada de una versión con dos millones de tokens. La capacidad permite analizar colecciones extensas de documentos, código o grabaciones, pero no sustituye la revisión humana: que un modelo pueda leer más material no significa que interprete cada detalle sin equivocarse.

Google no ha presentado una sola aplicación nueva, sino una estrategia: hacer que Gemini sea la capa de IA de sus productos. La ejecución será decisiva. Integrar estas funciones en servicios cotidianos puede normalizar la IA generativa mucho más que una demostración llamativa, pero también someterá sus fallos a una audiencia mucho mayor.