Búsqueda para clientes: Agent Search y Google Search
Distinguir la búsqueda para clientes sobre datos propios que cambian, que resuelve (antes Vertex AI Search), del grounding con , que aporta información pública y actual de la web.
1. El problema de negocio
Una aseguradora de hogar y automóvil recibe miles de consultas al mes de clientes que no encuentran en su web qué cubre su póliza, qué talleres concertados tienen cerca o cómo dar un parte. Las condiciones, la red de talleres y las promociones se actualizan cada semana, y el buscador actual solo encuentra coincidencias literales. La dirección digital quiere respuestas fiables dentro de la web y la app de clientes.
2. Solución de Google: Agent Search
- Servicio
- Agent Search
- Capa
- Plataforma
- Por qué
- Agent Search, en , ofrece búsqueda y recomendaciones para webs y apps de cliente sobre los datos propios de la aseguradora. Como RAG prebuilt gestionado, recupera la información en cada consulta: basta con actualizar los documentos indexados para que los cambios semanales lleguen a las respuestas, sin reentrenar modelos y con mínimo esfuerzo para atender a miles de clientes.
Ver la capa en el mapa de 5 capas
Capa 5Aplicaciones
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[Capa de esta lección]
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 respuesta depende de información pública y actual de la web, como noticias o avisos oficiales recientes, que no está en los datos propios de la empresa.
- Variable que fuerza el cambio
- Frescura del dato
- Alternativa
4. La trampa habitual
- [✗] Distractor
- Ajustar con fine-tuning un modelo con las condiciones de las pólizas y la red de talleres para que las conozca de memoria.
- Por qué tienta
- Parece que un modelo entrenado con los datos de la aseguradora responderá con más precisión que uno genérico.
- Por qué es incorrecto
- El fine-tuning adapta el comportamiento del modelo a una tarea o un dominio, pero no sirve para inyectar conocimiento factual cambiante. Con condiciones y talleres que cambian cada semana, el modelo quedaría desfasado entre un ajuste y el siguiente.
5. Micro-check
Fuentes oficiales
Servicio 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 SearchFunción de Agent Platform que conecta las respuestas de Gemini con los resultados del buscador de Google sobre la web pública, para anclarlas en información actual y verificable y devolver enlaces a las fuentes consultadas.
Ficha de Grounding con Google SearchPlataforma unificada de ML de Google Cloud para construir, entrenar, desplegar y gestionar soluciones de ML, de IA generativa y agentes. Agrupa Model Garden, Model Builder, Agent Studio, Agent Search y Agent Runtime, con controles de gobierno según el servicio y la región.
Ficha de Agent PlatformModelos fundacionales multimodales nativos de Google: procesan texto, código, imagen, audio y vídeo. Gamas: Pro (razonamiento complejo), Flash (equilibrio entre coste y latencia), Flash-Lite (volumen masivo a mínimo coste) y Nano (en el dispositivo). «Gemini» es también la marca de aplicaciones como la Gemini app.
Ficha de Gemini