Construir o comprar: elegir el nivel de solución
Elegir, como regla práctica, el nivel más alto que cumple el caso, comprar SaaS antes que adaptar con servicios gestionados o construir a medida, descartar el preentrenamiento y medir el resultado con KPIs de negocio, no solo con métricas técnicas.
1. El problema de negocio
Un fabricante de componentes industriales quiere que su personal técnico redacte más rápido los informes de incidencias y encuentre respuestas en los manuales internos. Parte de la dirección pide una solución exclusiva que diferencie a la empresa, aunque no hay científicos de datos. La única prueba realizada se ha evaluado por latencia y coste por petición, y el comité financiero exige demostrar dentro del ejercicio que la inversión compensa.
2. Solución de Google: Comprar SaaS (Google Workspace with Gemini, Gemini Enterprise) antes que construir
- Servicio
- Comprar SaaS (, ) antes que construir
- Capa
- Aplicaciones
- Por qué
- Como regla práctica, comprar SaaS suele entregar valor en horas o días, frente a días o semanas al adaptar con servicios gestionados, low-code o APIs preentrenadas y meses al construir a medida; preentrenar un modelo propio se descarta por coste, plazo y talento. El impacto se mide con KPIs de negocio, como ROI o eficiencia, no solo con métricas técnicas.
Ver la capa en el mapa de 5 capas
Capa 5Aplicaciones[Capa de esta lección]
La parte con la que interactúa el usuario final.
- Gemini app
- Gemini Enterprise
- Google Workspace with Gemini
- Gemini Notebook
- Gemini for Google Cloud
Capa 4Agentes
Software que persigue un objetivo usando un modelo y herramientas.
- Agentes en Agent Platform
- Gemini Enterprise for Customer Experience
Capa 3Plataforma
APIs, gestión de datos y despliegue de modelos; abstrae la infraestructura.
- Agent Studio
- Agent Search
- Model Garden
- Agent Platform AutoML
- RAG Engine
- Agent Runtime
Capa 2Modelos
Algoritmos entrenados con grandes volúmenes de datos que generan contenido.
- Gemini
- Gemma
- Imagen
- Veo
Capa 1Infraestructura
Cómputo y almacenamiento físico para entrenar y servir modelos.
- AI Hypercomputer
- Cloud TPU
- GPU
- Centros de datos de Google
3. Límites
- No la uses si
- La tarea es un proceso masivo y acotado que una API preentrenada resuelve exactamente, con un coste por uso menor y más previsible que el de un asistente generalista.
- Variable que fuerza el cambio
- Coste
- Alternativa
- Nivel 2, adaptar con servicios gestionados, low-code o APIs preentrenadas: la API preentrenada que resuelve la tarea, o .
4. La trampa habitual
- [✗] Distractor
- Preentrenar desde cero un modelo fundacional propio con el histórico de informes de la empresa para tener un asistente exclusivo.
- Por qué tienta
- Promete un modelo que conoce el vocabulario de la planta y parece una ventaja competitiva frente a comprar lo mismo que la competencia.
- Por qué es incorrecto
- En un caso de negocio común, preentrenar desde cero se descarta por coste, plazo y talento: la empresa no tiene científicos de datos y el comité exige resultados medibles dentro del ejercicio.
5. Micro-check
Fuentes oficiales
IA generativa integrada en Gmail, Docs, Sheets, Slides y Meet: redacta correos, ayuda a escribir, genera imágenes y resume reuniones. La guía del examen la sigue llamando Gemini for Google Workspace.
Ficha de Google Workspace with GeminiPlataforma prebuilt de búsqueda corporativa, asistente de IA y agentes para los empleados. Conecta fuentes internas diversas, como el gestor documental o aplicaciones de terceros, respeta los permisos de cada usuario, se integra en intranets y paneles e incluye la Gemini Notebook API.
Ficha de Gemini EnterpriseEntorno de Agent Platform para probar modelos, refinar prompts, diseñar agentes en low-code, ajustar modelos y desplegar aplicaciones de IA generativa en producción, con la gobernanza de la plataforma (IAM, CMEK, auditoría, residencia de datos, SLA) según el servicio y la región.
Ficha de Agent StudioServicio gestionado de Agent Platform para crear experiencias de búsqueda y recomendaciones con IA sobre sitios web, documentos y datos estructurados propios. Funciona como RAG prebuilt listo para usar: indexa los datos, los recupera en cada consulta y genera resúmenes.
Ficha de Agent Search