Necesidades y recursos: dimensionar la solución
Dimensionar la solución con los factores de necesidad (escala, personalización, interacción, privacidad, latencia y conectividad) y de recursos (personas, dinero y tiempo) antes de elegir producto; con poco plazo y sin talento de IA, gana una oferta prebuilt.
1. El problema de negocio
La dirección de una cadena de moda con 900 empleados en oficinas centrales ha fijado como objetivo del año ahorrar tiempo en tareas de redacción, y los propios equipos de compras y marketing ya han propuesto usos concretos: resumir informes de proveedores y preparar borradores de fichas de producto. No hay especialistas en IA, el presupuesto es reducido y el comité quiere ver resultados antes de que termine el trimestre.
2. Solución de Google: Oferta prebuilt de Gemini Enterprise o Google Workspace with Gemini
- Servicio
- Oferta prebuilt de o
- Capa
- Aplicaciones
- Por qué
- Entre los tipos de solución (texto, imagen, código o experiencias personalizadas), los usos propuestos son de generación de texto, que una oferta prebuilt cubre en días sin talento de IA ni presupuesto de desarrollo. Dimensionar así parte de los dos factores que condicionan la necesidad: los requisitos de negocio y las restricciones 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 necesidad exige una experiencia personalizada que ninguna oferta prebuilt cubre y el plazo admite semanas de adaptación en lugar de días.
- Variable que fuerza el cambio
- Plazo de entrega
- Alternativa
- Adaptar con servicios gestionados, low-code o APIs preentrenadas: , o la API preentrenada que resuelve la tarea.
4. La trampa habitual
- [✗] Distractor
- Reservar capacidad de GPU y desplegar sobre ella un modelo en bruto para construir desde abajo un asistente de redacción propio.
- Por qué tienta
- Parece la opción más estratégica y controlable, y encaja con la ambición que fija la dirección de arriba abajo.
- Por qué es incorrecto
- Baja a las capas de infraestructura y modelos cuando una oferta de la capa de aplicaciones ya cubre una necesidad de poca personalización. Además choca con los tres factores de recursos, porque exige talento de IA, presupuesto y meses que el caso no tiene.
5. Micro-check
Fuentes oficiales
Plataforma 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 EnterpriseIA 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 GeminiEntorno 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