Imagina pedirle a un asistente que investigue a fondo un tema revisando docenas de fuentes, cruzando datos, generando gráficas y entregando un reporte profesional y que lo haga solo, sin que tengas que estar pendiente. Eso es, en esencia, lo que Google acaba de presentar con la nueva generación de su agente Deep Research, y en particular con su versión más ambiciosa: Deep Research Max.
¿Qué es Deep Research y en qué cambió?
Deep Research no es un chatbot que responde preguntas. Es lo que en el mundo de la inteligencia artificial se conoce como un agente autónomo: un sistema que recibe una tarea, elabora un plan de investigación, lo ejecuta paso a paso consultando fuentes, razonando sobre los resultados, refinando su búsqueda y entrega un producto terminado. En este caso, un reporte de investigación completo, con citas y visualizaciones.
Google lanzó la primera versión de esta herramienta para desarrolladores en diciembre de 2025. Ahora, impulsada por Gemini 3.1 Pro, el modelo más avanzado de la compañía hasta la fecha, la herramienta da un salto cualitativo importante y se presenta en dos variantes con propósitos distintos.
Dos modos para dos ritmos de trabajo
La primera variante, simplemente llamada Deep Research, está optimizada para velocidad. Es la opción cuando se necesita integrar el agente en una interfaz de usuario y el usuario está esperando una respuesta. Google la describe como más rápida, más barata y de mayor calidad que su versión anterior.
La segunda variante es Deep Research Max, y ahí es donde la propuesta se vuelve más interesante. Diseñada para trabajar en segundo plano —sin prisa, sin límite de tiempo—, Max utiliza lo que se llama cómputo extendido en tiempo de inferencia: el modelo piensa más, busca más fuentes, razona más antes de producir el reporte final. El caso de uso que Google propone es revelador: un equipo de analistas financieros programa el agente para que trabaje durante la noche y encuentre un reporte de diligencia debida exhaustivo al llegar por la mañana.
Más allá de la web: acceso a datos propios
Una de las novedades más significativas es que Deep Research ya no está limitado a buscar en internet. A través del protocolo MCP (Model Context Protocol), el agente puede conectarse a fuentes de datos privadas o especializadas: bases de datos financieras, repositorios internos de una empresa, archivos propios. Esto lo transforma de un buscador sofisticado en un verdadero asistente de análisis corporativo.
También puede recibir como insumo documentos PDF, hojas de cálculo, imágenes, audio y video para enriquecer su investigación con contexto propio del usuario.
Reportes que se leen, no solo se leen
Otra novedad: el agente ahora genera visualizaciones nativas. Gráficas, infografías, tablas, todo integrado directamente en el reporte, sin necesidad de herramientas adicionales. Para sectores como finanzas, ciencias de la vida o inteligencia de mercado, donde la presentación de datos es tan importante como el análisis, esto no es un detalle menor.
Google también señala que ha trabajado específicamente en mejorar la rigurosidad del agente: que consulte fuentes diversas y autorizadas —desde registros públicos ante la SEC hasta revistas científicas de acceso abierto—, que contraste evidencias contradictorias y que presente los matices con cuidado. En otras palabras, que investigue con algo parecido al rigor periodístico o académico.
¿Quién puede usarlo y para qué?
Por ahora, Deep Research y Deep Research Max están disponibles en versión pública de prueba para desarrolladores a través de la API de Gemini, en niveles de pago. Google también anunció colaboraciones con empresas de datos financieros como FactSet, S&P Global y PitchBook para integrar sus bases de datos como fuentes disponibles para el agente.
En el fondo, lo que Google está construyendo no es solo una herramienta de búsqueda más potente. Es la infraestructura para que las organizaciones puedan delegar el trabajo intelectual más tedioso, como la recopilación y síntesis de información, en un sistema que opera de forma autónoma, a escala y con una calidad que antes requería horas de trabajo humano especializado.
La pregunta que queda en el aire, como siempre con estos avances, no es si la tecnología puede hacerlo. Es decidir para qué queremos que lo haga.
