Google lleva la IA Gemini Deep Research a desarrolladores

Google ha abierto Gemini Deep Research a los desarrolladores mediante la Interactions API, una interfaz que permite integrar su agente de investigación autónoma en aplicaciones propias. Hasta ahora, esta capacidad estaba pensada principalmente para productos de Google. Ahora puede formar parte de herramientas financieras, científicas, empresariales o educativas.

El agente no se limita a buscar una respuesta y resumirla. Divide una investigación en pasos, formula consultas, lee los resultados, detecta lo que todavía falta por saber y vuelve a buscar. Después reúne la información en un informe con fuentes detalladas.

La base del sistema es Gemini 3 Pro, que Google describe como su modelo más preciso hasta la fecha. La compañía afirma que lo ha entrenado para reducir las respuestas inventadas, conocidas como alucinaciones, y mejorar la calidad de los informes en tareas complejas. También asegura que el agente puede navegar por sitios web con más profundidad para encontrar datos concretos.

Qué resultados ofrece

Según las pruebas publicadas por Google, Gemini Deep Research logró estos resultados:

• 46,4 % en el conjunto completo de Humanity’s Last Exam, una prueba con preguntas difíciles de múltiples disciplinas.
• 66,1 % en DeepSearchQA, el nuevo examen de Google para medir investigaciones web complejas.
• 59,2 % en BrowseComp, otra prueba centrada en buscar y verificar información en internet.

Google presenta estas cifras como resultados de vanguardia, pero son evaluaciones internas o asociadas al lanzamiento. No significan que el agente sea infalible ni que pueda sustituir la revisión de una persona en decisiones importantes.

La empresa también ha publicado DeepSearchQA como una prueba abierta para otros investigadores. Incluye 900 tareas creadas manualmente en 17 áreas, donde cada paso depende del análisis anterior. Por ejemplo, una respuesta puede exigir encontrar varios datos, relacionarlos y comprobar que la conclusión final encaja con todos ellos.

El examen intenta medir algo más que acertar una respuesta puntual: si el agente ha encontrado toda la información relevante. Google observó que el rendimiento mejora cuando el sistema dispone de más tiempo para hacer búsquedas y razonar, y cuando puede explorar varias rutas antes de verificar una respuesta.

Para qué puede servir

La utilidad está en las investigaciones que suelen consumir horas antes de que alguien pueda tomar una decisión. Una empresa podría pedir un informe sobre competidores, riesgos regulatorios y señales del mercado a partir de documentos internos y fuentes públicas.

En el ámbito científico, Google menciona a Axiom Bio, una compañía que desarrolla sistemas para predecir la toxicidad de medicamentos. Según la empresa, sus primeras pruebas con Deep Research les permitieron revisar literatura biomédica con más profundidad y detalle durante las fases iniciales de investigación.

El sistema puede combinar distintos tipos de información:

• Documentos PDF, hojas de cálculo y archivos de texto.
• Datos públicos de internet.
• Archivos conectados mediante File Upload y File Search Tool.
• Instrucciones para definir la estructura, los apartados y las tablas del informe.

También puede entregar los resultados en formato JSON, una estructura que facilita que otra aplicación los procese automáticamente. Cada afirmación puede incluir referencias concretas para que el usuario compruebe de dónde sale.

Qué cambia para ti

Si utilizas una aplicación que integre esta tecnología, podrías recibir informes preparados a partir de tus propios documentos y de la web, en lugar de limitarte a conversar con un chatbot. Por ejemplo, una herramienta de compras podría comparar proveedores y organizar sus condiciones en una tabla, mientras que una plataforma de análisis podría convertir una investigación en datos listos para usar.

El acceso inicial se realiza desde Google AI Studio con una clave de la API de Gemini. Google también prepara una versión para Vertex AI, su plataforma orientada a empresas, además de conexiones con más fuentes de datos mediante MCP y la generación nativa de gráficos.

La siguiente cuestión no es solo cuánto puede buscar el agente, sino cuánto cuesta y cómo se verifican sus informes. Para tareas financieras, científicas o legales, encontrar más información no basta: también hay que saber si las fuentes son fiables, si falta algún dato importante y cuándo una persona debe revisar el resultado antes de actuar.