Google lanza AX, orquestador abierto para agentes de IA

Qué es AX y por qué Google lo libera como open source

Google presentó AX (Agent Executor), un orquestador open source para agentes de IA que promete correr miles de millones de tareas concurrentes por cluster. El proyecto nació dentro de Google a partir de años de trabajo en runtimes agentic, combinando investigación de Google DeepMind con experiencia en aislamiento, reanudación y scheduling a gran escala, según describe el sitio oficial del proyecto.

Lo que hace diferente a AX es el reconocimiento explícito de que los agentes de IA no encajan en los moldes existentes. No son microservicios sin estado ni batch jobs predecibles: acumulan estado, necesitan aislamiento estricto, llaman APIs de modelos y servidores de herramientas, y pueden quemar dinero en loops si nadie los vigila. AX responde a eso con cuatro primitivos pequeños que manejan todo de forma declarativa.

Agent Substrate, el motor debajo de AX, es un runtime de cómputo open source (publicado en GitHub como agent-substrate/substrate) diseñado desde cero para densidad masiva y ciclos de vida de actores con estado, según la documentación del proyecto.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Los cuatro primitivos que cambian cómo se ejecutan agentes

AX expone cuatro bloques básicos, todos configurables por archivo YAML:

Ejecución aislada: corre código de agente no confiable en un sandbox con límites de CPU y memoria. Es barato de crear, suspender y descartar.
Workspaces preparados: defines los Git repos, servidores MCP y skills que necesita el agente, o simplemente describes el objetivo en lenguaje natural. AX configura el entorno en cada sandbox antes de que arranque la tarea.
Políticas de red: listas de hosts y puertos permitidos de forma explícita, con inyección de credenciales para los requests entrantes.
Configuración centralizada: modelos, parámetros y secretos en un solo lugar. Rotar una API key o pinear una versión de modelo se hace con un apply.

La pieza más interesante para builders es el workspace generativo: describes en una frase qué entorno necesitas (por ejemplo, "Set up a Python 3 development environment") y AX le pasa esa meta a un agente interno en el primer boot para que instale toolchains y verifique dependencias. Si el entorno cambia, lo regenera.

Escala de miles de millones de tareas y reanudación sub-segundo

Tres capacidades describen la propuesta de valor de AX a escala, según la documentación oficial:

Miles de millones de tareas: cada tarea corre como un actor ligero, lo que permite escalar a miles de millones de sesiones de agente concurrentes por cluster, sin los límites típicos de un orquestador tradicional.
Reanudación sub-segundo: los agentes en idle esperando respuestas de modelo, llamadas a herramientas externas o aprobaciones humanas se checkpointean, se suspenden y vuelven a estar activos en menos de un segundo, sin cold start.
Multiplexado denso: decenas de tareas comparten recursos del worker, convirtiendo el tiempo de espera idle en capacidad de cómputo sobrante. Solo pagas cuando el agente está pensando o ejecutando código.

Esa combinación — suspensión instantánea más multiplexado — es lo que ataca un problema concreto: mantener sandboxes idle corriendo es prohibitivamente caro, pero reiniciarlos desde cero mata la latencia. Los orquestadores tradicionales pensados para microservicios stateless o batch jobs predecibles no resuelven ninguno de los dos extremos.

Cómo encaja AX en la explosión de plataformas agentic de 2026

AX no llega solo. CRN documentó que 2026 es el año en que los agentes de IA dejaron de ser prototipos para convertirse en productos estrella de hyperscalers y vendors enterprise. La misma lista menciona lanzamientos como AWS Bedrock AgentCore, Google Gemini Enterprise Agent Platform, Cisco Cloud Control, Databricks Genie One, Dell Deskside Agentic AI, Microsoft Copilot Cowork (construido con Anthropic), Nutanix Agentic AI, VMware Tanzu Agent Foundations y Zscaler AI Access Graph.

Sobre el contexto de adopción, el mismo artículo cita a IDC: el 77% de las empresas ya tiene agentes de IA corriendo en producción. Gartner, por su parte, proyecta que el mercado de servicios de IA alcanzará los US$515.000 millones en 2029, impulsado por iniciativas agentic.

Google en particular está atacando el espacio desde varios ángulos este año. En mayo, TechCrunch reportó el lanzamiento de Gemini Spark, un asistente agentic personal 24/7 con integración nativa a Gmail, construido sobre un harness agentic de Google Antigravity. En junio, Help Net Security cubrió Agentic Resource Discovery (ARD), un estándar abierto bajo Apache 2.0 para que agentes descubran y verifiquen herramientas entre organizaciones, alojado en el dominio propio de cada publicador y respaldado por un Agent Registry dentro de Gemini Enterprise Agent Platform.

La lectura para quien construye: AX cubre la capa de runtime, Spark la de asistente personal y ARD la de descubrimiento de herramientas. Tres piezas distintas, una misma dirección: convertir agentes de demos aisladas en productos que se puedan operar.

El cuello de botella real: CPUs y sandboxes, no solo GPUs

Un dato que importa a quienes planean infraestructura agentic: SiliconANGLE reportó en julio el evento AMD Advancing AI 2026, donde AMD lanzó el EPYC 9006 SP7 con 256 cores y 512 threads, diseñado específicamente para ejecución de sandboxes de agentes a alta densidad. La tesis del fabricante, citada por su SVP Dan McNamara, es que las cargas agentic se vuelven eficientes cuando combinas GPUs y CPUs: las CPUs corren sandboxes de agentes, coordinan operaciones en background y empujan datos hacia los GPUs.

AMD también presentó el sistema rack-scale Helios, con 72 GPUs por rack y 2,9 exaflops de rendimiento FP4 pico, orientado a las llamadas "AI factories" donde se entrenan y sirven modelos frontier. La lección para founders: ejecutar agentes a escala no es solo comprar más GPUs. Es diseñar el stack de cómputo para que el idle no se pague.

En un vertical más específico, Yahoo Finance / ResearchAndMarkets publicó en julio que el mercado de agentic AI en detección y prevención de fraude pasó de US$7.730 millones en 2025 a US$11.530 millones en 2026 y proyecta US$55.660 millones para 2030. Es un ejemplo concreto de vertical donde los agentes ya están moviendo dinero real.

Qué significa esto para tu startup

Tres cosas concretas para founders que están construyendo o evaluando productos con agentes:

El costo real está en el idle, no en el cómputo. Si tu agente pasa el 90% del tiempo esperando respuestas de modelo o approvals humanos, mantenerlo corriendo 24/7 es un agujero negro de tokens. Un runtime con suspensión sub-segundo y multiplexado cambia la ecuación. AX, AgentCore y Tanzu Agent Foundations apuntan a lo mismo desde distintos ángulos.
El estándar abierto se está formando ahora. ARD, MCP, A2A y los runtimes abiertos como AX son la apuesta para que tu agente no quede atrapado en un único hyperscaler. Si estás eligiendo stack, mira qué tan portable es lo que adoptas.
Empieza por el vertical, no por la plataforma. El caso de fraude muestra que ya hay mercados donde los agentes facturan. Elegir un vertical donde el costo de una decisión incorrecta sea alto (finanzas, salud, legal) suele ser mejor punto de entrada que construir plataforma horizontal genérica.