Google apuesta por agentes domésticos: CC para la familia y MCP para el hogar inteligente

Google no espera a que sus modelos lideren los rankings de razonamiento. Su apuesta es distinta: aprovechar la capilaridad de sus servicios para insertar agentes que operen donde ya viven los datos y los dispositivos de millones de hogares. En septiembre anunció dos movimientos que apuntan en esa dirección: CC, un agente experimental para gestión familiar compartida, y la apertura del servidor Model Context Protocol (MCP) para Google Home, que permite a cualquier asistente —ChatGPT, Claude, Hermes o el propio Antigravity de Google— encender luces, leer cámaras o ajustar termostatos con lenguaje natural.

CC: el secretario que comparte la familia

CC nace como evolución del Daily Brief de Gemini, aquella rutina matutina que escaneaba Gmail, Calendar y Drive para proponer tareas. La diferencia es la arquitectura multiusuario: hasta seis personas pueden interactuar con un mismo agente que posee cuenta propia de Google. Cada familiar decide qué comparte —correos del colegio, invitaciones en una carpeta de Drive, mensajes de Chat— y el agente consolida esa información para generar recordatorios, agendas o resúmenes colectivos.

El diseño prioriza el consentimiento granular: CC solo ve lo que se le entrega explícitamente, ya sea mediante direcciones designadas como "siempre disponibles" o depósitos manuales en carpetas compartidas. Es, en esencia, un buzón inteligente con capacidad de síntesis y acción, no un monitor omnipresente.

MCP: el hogar como API

Paralelamente, Google habilitó el acceso anticipado a su servidor MCP para el ecosistema Google Home. La movida es estratégica: en lugar de competir solo con su asistente, convierte el hogar inteligente en una superficie programable para cualquier agente externo. El estándar Matter y el catálogo Nest (timbres, termostatos, cámaras, bombillas) quedan expuestos mediante una interfaz que entiende instrucciones como "apaga las luces del living" o "muéstrame qué pasó en la entrada anoche".

El despliegue comienza en suscriptores Google Home Premium Advanced en Estados Unidos (18 euros mensuales en España), con planes de expandirse tras recoger retroalimentación de desarrolladores. La configuración exige crear un proyecto en Google Cloud, vincular el asistente elegido y conceder permisos OAuth —una barrera técnica que, por ahora, limita la adopción a usuarios avanzados o integraciones empresariales.

Qué cambia para empresas en América Latina

La región tiene una penetración de hogares inteligentes incipiente pero creciente, y una cultura familiar extensa que encaja con la lógica de CC. Tres lecturas operativas:

• Costo de entrada: El modelo Premium Advanced (≈18 €/mes) se traduce en ~19-20 USD al cambio actual, más impuestos locales. Para una pyme que quiera automatizar oficinas o sucursales pequeñas, el gasto es bajo, pero la configuración vía Google Cloud exige capacidad técnica interna o proveedor especializado.
• Marco regulatorio: Brasil (LGPD), México (LFPDPPP), Colombia (Ley 1581) y Argentina (Ley 25.326) exigen consentimiento informado y finalidad específica para datos personales. CC, al operar sobre cuentas Google existentes y requerir compartir explícito, se alinea mejor con el principio de minimización que los asistentes que aspiran a acceso total. MCP, en cambio, expone historial de eventos y video: cualquier integración corporativa debe mapear qué datos salen del perímetro y hacia qué modelo viajan.
• Dependencia de ecosistema: Ambas iniciativas refuerzan el lock-in de Google Workspace y Google Home. Una empresa que estandarice en CC para coordinación interna o en MCP para gestión de instalaciones queda atada a la consola de administración de Google y a sus cambios de precios o APIs.

El vector común: agente como operador, no como chat

CC y MCP comparten una tesis: el valor de la IA generativa no está en responder preguntas, sino en ejecutar tareas recurrentes sobre datos y dispositivos propios. Google apuesta a que su ventaja distributiva —cuentas, hogares, nube— compense el rezago en benchmarks de razonamiento. Para el decisor latinoamericano, la pregunta no es cuál modelo gana el MMLU, sino cuál agente reduce fricción operativa hoy sin crear pasivos regulatorios mañana.