Esta es la historia de A2UI en Gemini Enterprise: agentes que responden con una interfaz que podés usar, cuando el pedido lo amerita.
La IA responde en párrafos. Pero cuando tenés que elegir, comparar, mirar números o hacer algo, un párrafo es el camino lento. Necesitás algo para usar, no más para leer.
Y cada equipo pregunta distinto. La investigación acá fue una colaboración: entrevistamos a la gran mayoría de los clientes más grandes de Google Cloud, y ellos traían lo que habían aprendido sus propios equipos de research. Nos contaban qué necesitaban y qué querían; nosotros volvíamos con las mejores formas de mostrar esa información. Un equipo legal, uno de finanzas, uno de eventos, un hotel, una tienda: cada uno necesitaba la respuesta con una forma diferente. Esa era la parte en la que yo era mejor: leer una necesidad y convertirla en algo que se puede ver.
Somos seres visuales, y hay cosas que se entienden mejor mostrándolas. Nielsen Norman Group lo mide hace décadas: la mayoría de la gente escanea una página en lugar de leerla, y en una visita promedio llega, como mucho, a un cuarto de las palabras. El mismo texto, solo diagramado para escanearlo, resultó casi la mitad más usable. Así que el caso era la interacción. Con el poder de cómputo que tenemos hoy, un agente puede dibujar la respuesta, no solo escribirla: un formulario, una tabla, un gráfico, un botón. Eso es lo que A2UI hace posible, y de forma segura. Convierte el chatbot que leés en un espacio de trabajo que usás. Y había un segundo caso: una respuesta con interfaz puede traer otros productos de Google. De golpe, la respuesta tiene un mapa, una invitación de calendario, un mail o una llamada. La gente se queda en el ecosistema, y cada respuesta hace pedidos a más servicios. Es venta cruzada y, para quien pregunta, una experiencia más fluida.
Esto llegó de forma natural, después de cuatro años en Search for commerce creando soluciones a medida para clientes de todos los tamaños e industrias. Las ideas venían de los propios clientes, y de product managers de Google que traían sus propios pedidos. Solíamos trabajar con guiones y recorridos de clientes, así que nadie me decía cómo tenía que verse la interfaz. Yo era quien la dibujaba, pedido tras pedido, hasta que finalmente entrenamos a la IA para que lo hiciera sola.
Entonces la idea: pedís reservar algo, y el agente responde con las opciones, un selector de horario y un botón de Reservar. Interfaz que llega en vivo, en lugar de un párrafo sobre ella.
Por dentro, cada pedido se lee primero: qué quiere la persona, qué menciona y qué decisiones va a tener que tomar.
Después, la respuesta se arma con un catálogo de componentes que la app aprobó. El agente manda datos, no código, y solo puede pedir lo que está en el catálogo, así que lo que muestra es seguro y parece de ahí.
La visión no es widgets en todos lados. Si no hay una elección, una comparación, datos o una acción, la respuesta queda en texto. Interfaz cuando ayuda, una oración cuando alcanza.
Empezó con el canvas: un panel lateral que se abre con el entregable a la derecha, y todavía hoy lo podés usar así. Después, de a poco, lanzamos piezas de interfaz que aparecen en medio de la conversación. Primero, llamadas a la acción rápidas, tablas de datos y formularios simples. Más tarde, mapas y visualización de datos.
Lo mostramos con seis pedidos y seis tipos de respuesta, cada uno vinculado al pedido que responde. En diciembre de 2025, Google abrió A2UI para todos, y se está integrando a Gemini Enterprise para que sus agentes puedan responder con interfaz.
Una pregunta que les dejo a mis estudiantes de este caso: ¿cómo debería verse una respuesta? A veces una tabla, a veces un botón, y a veces solo una oración. Gracias por mirar.