Google Cloud lleva la telemetría de agentes a BigQuery

Google Cloud mueve la telemetría de tus agentes a tu propio BigQuery

Google Cloud anunció el 13 de noviembre de 2026 un paquete de herramientas para monitorear, registrar y evaluar agentes de IA cuyos datos aterrizan en tablas de BigQuery propiedad del cliente. Para un equipo que ya tiene agentes en producción, el cambio no es cosmético: los permisos de gestión de identidad y acceso, las claves de cifrado administradas por el cliente y los controles de servicio de VPC que la organización ya aplica a su data warehouse pasan a gobernar también la telemetría de sus agentes.

La iniciativa cubre dos familias de agentes. Los agentes administrados de Conversational Analytics generan telemetría de forma automática. Los agentes personalizados construidos con Agent Development Kit (ADK) o LangGraph pueden enviar datos estructurados mediante una instrumentación de una sola línea del SDK.

¿Qué separa Google Cloud entre métricas operativas y conversaciones?

La arquitectura distingue dos capas que hasta ahora solían venir mezcladas en las herramientas de observabilidad.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Telemetría operativa: Cloud Monitoring reúne métricas agregadas de volumen de solicitudes, latencia y uso de tokens, y Cloud Trace muestra spans paso a paso asociados a cada solicitud. Google señala que estas trazas de primera parte excluyen prompts de usuarios, respuestas del modelo, pensamientos internos y SQL generado.
Registro de conversaciones: es opcional y se habilita por agente. Cuando se activa, un agente administrado transmite prompts, respuestas y telemetría por turno mediante la API BigQuery Storage Write hacia una tabla del cliente llamada agent_events.

Esa separación tiene una consecuencia práctica para cualquier equipo con datos sensibles: conocer la latencia de una solicitud no obliga a exponer lo que preguntó una persona ni lo que respondió el modelo. Los ámbitos de observabilidad de Cloud Trace pueden además consolidar telemetría procedente de varios proyectos de agentes.

¿Qué pasa con la privacidad cuando activas el registro?

La tabla agent_events hereda los permisos de gestión de identidad y acceso del conjunto de datos, las claves de cifrado administradas por el cliente y los controles de servicio de VPC. Antes de registrar cada turno, el sistema comprueba las salvaguardas de privacidad y omite ese turno si la fuente de conocimiento usa seguridad a nivel de fila, etiquetas de política a nivel de columna o enmascaramiento dinámico de datos. La omisión no interrumpe la sesión: si se produce un error durante el registro, el chat continúa para el usuario.

Hay además una diferencia de granularidad entre ambos caminos. El registro administrado de primera parte excluye deliberadamente argumentos de herramientas de bajo nivel y el SQL interno. Los agentes personalizados, en cambio, pueden conservar más información diagnóstica mediante el plugin de código abierto de ADK, que puede transmitir árboles completos de invocaciones de herramientas, telemetría de series temporales y cargas multimodales a BigQuery.

¿Qué está disponible hoy y qué sigue en vista previa?

Google Cloud indicó que el registro administrado y los paneles principales ya alcanzaron disponibilidad general, pero varias funciones siguen en vista previa. La distinción importa si estás planificando una migración en los próximos meses.

Disponible de forma general: paneles prediseñados de BigQuery Studio con uso, sesiones activas, principales fuentes de conocimiento y latencia; y los paneles System Activity de Looker para Conversational Analytics, en Looker (Google Cloud core) y Looker (original), que cubren compromiso y uso de tokens.
En vista previa: cuotas diarias de tokens de entrada y salida para BigQuery y la API de Conversational Analytics; evaluaciones nativas de agentes de BigQuery, ofrecidas mediante una API y un cuaderno guiado de Colab; y las calificaciones de usuarios y la revisión de consultas en la pestaña Responses & feedback de Looker.

¿Cómo controlar el costo de los agentes de IA?

Los registros permiten seguir el consumo por turno: las tablas de BigQuery incluyen recuentos de tokens de entrada, salida, pensamiento, caché y total, junto con la latencia completa del turno. Para el costo de las consultas, BigQuery admite límites por consulta sobre los bytes escaneados: el sistema usa estimaciones de ejecución en seco para bloquear consultas cuyo tamaño previsto exceda el límite antes de que se ejecuten y generen cargos por escaneo bajo demanda.

Las cuotas diarias de tokens, todavía en vista previa, se pueden aplicar por proyecto, usuario o agente desde la consola de Google Cloud o mediante la interfaz de línea de comandos gcloud. El objetivo declarado es pasar de observar el consumo a establecer restricciones activas.

En evaluación, la herramienta de código abierto Prism prueba agentes de Conversational Analytics basados en tablas de BigQuery o Explores de Looker. Admite conjuntos de pruebas reutilizables, aserciones de expresiones regulares y descubrimiento de agentes en varias regiones, con evaluaciones centradas en la precisión del SQL y la calidad de las respuestas antes de que cambios en prompts, modelos o esquemas lleguen a los usuarios. Prism puede guardar ejecuciones finalizadas en tablas de BigQuery particionadas por día, de modo que los resultados se analicen junto con los registros de producción de agent_events.

La observabilidad de agentes deja de ser un producto aparte

El anuncio se apoya en una tendencia más amplia: la telemetría de IA se está estandarizando sobre OpenTelemetry. Según Virtualization Review, el proyecto se graduó en la CNCF en mayo de 2026, y Google Cloud documenta soporte de OTLP para Cloud Trace, Cloud Monitoring y Google Cloud Observability. La documentación del ADK citada por ese medio indica que las versiones 1.17.0 y posteriores incluyen soporte integrado de OpenTelemetry para enviar datos a Google Cloud Observability.

El movimiento también responde a un mercado que se está poblando rápido. AvePoint anunció en marzo de 2026 la disponibilidad general de AgentPulse Command Center, una consola que unifica observabilidad, gobernanza y control de costos de agentes en Microsoft 365 y Google Cloud, y que la compañía presenta como respuesta al despliegue no gestionado de agentes y a las facturas inesperadas, según su comunicado difundido por Nasdaq. En el mismo terreno, InfoQ reportó que Google Cloud lanzó agentes de operaciones de base de datos, con un Observability Agent integrado en Gemini Cloud Assist.

En España y LATAM el patrón también avanza. Telefónica lanzó un servicio de observabilidad para empresas que incorpora OpenTelemetry en su modalidad premium, según El Confidencial. Y Datadope, compañía española fundada en 2017, afirma que su producto IOMETRICS Smart Ops convierte investigaciones de una hora en diagnósticos en menos de 20 minutos y devuelve hasta 17 horas semanales a cada técnico, según El País.

¿Qué significa esto para tu startup?

Para un equipo pequeño, la noticia no es que haya una herramienta nueva. Es que la supervisión de agentes deja de ser un proyecto de infraestructura separado y se apoya en el data warehouse que ya tienes. Cuatro decisiones concretas:

Define la capa de datos antes de instrumentar. Si solo necesitas latencia, volumen y consumo de tokens, la telemetría operativa te alcanza y no expone contenido de conversaciones. Activa el registro de conversaciones por agente únicamente donde exista un requisito de auditoría o de calidad que lo justifique.
Pon los límites de costo antes de escalar. Configura límites de bytes escaneados por consulta en BigQuery y, si usas Conversational Analytics, cuotas de tokens por proyecto, usuario o agente. Como las cuotas siguen en vista previa, conviene tratarlas como una capa adicional y no como el único control.
Convierte la evaluación en un paso del pipeline. Prism permite correr conjuntos de pruebas reutilizables contra cambios de prompt, modelo o esquema antes de que lleguen a producción, y guardar los resultados junto a los registros de producción para comparar.
Revisa tus fuentes de conocimiento. Si usan seguridad a nivel de fila, etiquetas de política a nivel de columna o enmascaramiento dinámico, esos turnos no se registrarán. Si tu estrategia de auditoría depende de tener el 100% de las conversaciones, ese supuesto no se sostiene.

Conclusión

Google Cloud está apostando a que la observabilidad de agentes no será un panel más, sino una capa dentro del almacén de datos del cliente. Para los equipos que ya pagan BigQuery, eso reduce la fricción de adopción y hereda controles de seguridad que la organización ya tenía configurados. Para quienes buscan trazabilidad total de cada conversación, el diseño deja claro que habrá límites: el registro completo es opcional, se configura por agente y omite turnos cuando las salvaguardas de privacidad lo exigen. La decisión de arquitectura, entonces, no es qué herramienta usar, sino qué capa de datos necesitas gobernar y con qué nivel de detalle.