Opal, el laboratorio de Google, se convierte en motor de flujos de trabajo con IA – y pone presión al mundo no‑code

1. Titular e introducción

Google está transformando Opal de experimento divertido a pieza estratégica: un agente capaz de diseñar y ejecutar flujos de trabajo a partir de simples indicaciones en lenguaje natural. Para cualquiera que hoy resuelva procesos con hojas de cálculo, formularios o bots en WhatsApp, este cambio es clave. No es solo “otro modelo Gemini”, sino un paso hacia que usuarios de negocio construyan pequeños sistemas de software hablando con una IA. En este artículo analizo qué ha cambiado, cómo afecta al ecosistema no‑code y qué significa para los mercados hispanohablantes en Europa y América Latina.

2. La noticia en breve

Según informa TechCrunch, Google ha incorporado un nuevo agente a Opal, su app de “vibe-coding” que permite crear mini aplicaciones web a partir de descripciones en texto. Este agente utiliza el modelo Gemini 3 Flash para generar y ejecutar flujos de trabajo automatizados basados en un prompt.

En lugar de limitarse a esbozar interfaces, Opal ahora puede planificar tareas de varios pasos, elegir qué herramientas de Google necesita y llamarlas de forma autónoma. TechCrunch explica que, por ejemplo, el agente puede usar Google Sheets como memoria persistente, manteniendo datos como una lista de compras entre sesiones. El agente es interactivo: hace preguntas de seguimiento o propone opciones cuando necesita aclaraciones. Google sostiene que con esto, usuarios sin conocimientos técnicos pueden construir flujos de trabajo relativamente complejos dentro de sus mini apps. Opal se lanzó primero en Estados Unidos en 2025, luego en otros países fuera de la UE, y también está integrado como editor visual en la web de Gemini.

3. Por qué importa

Lo que Google hace aquí es fusionar tres mundos que hasta ahora vivían separados:

• Asistentes conversacionales.
• Constructores no‑code/low‑code.
• Herramientas de automatización tipo Zapier/IFTTT.

Hasta hoy, muchos procesos en empresas pequeñas y medianas seguían este patrón: alguien crea una hoja de cálculo, otra persona arma un formulario, quizás se añade un flujo en Zapier o Power Automate, y un tercero mantiene ese “Frankenstein” de automatizaciones. Opal apunta a que una sola conversación con un agente genere la mini app, defina el flujo y elija dónde guardar los datos.

¿Quién gana?

• Equipos de negocio y pymes que no pueden pagar un equipo de desarrollo. El típico responsable de operaciones, marketing o ventas que vive en Excel/Sheets podría pasar a diseñar procesos automatizados sin salir del ecosistema de Google.
• Google, que convierte a Sheets (y previsiblemente otros servicios) en la capa de memoria de estos agentes. Cuanto más usas el agente, más te anclas en la suite de Google.

¿Quién pierde?

• Startups no‑code cuyo discurso es “describe tu app con palabras y nosotros generamos el resto”. De repente, ese pitch lo puede hacer Google, integrado con su cuenta, tu Drive y tu correo.
• Herramientas de automatización de nicho, sobre todo las que viven de conectar unos pocos servicios con triggers y acciones simples.

La implicación inmediata es un cambio de expectativas: ya no basta con que la IA “responda bien”. Ahora se espera que construya algo que persista en el tiempo, que orqueste servicios y que recuerde el contexto. La frontera entre “te ayudo una vez” y “dejo un sistema funcionando” se hace mucho más fina.

4. El panorama más amplio

La jugada encaja con una tendencia clara: pasar de IA generativa como asistente pasivo a IA como agente que actúa dentro de otros sistemas.

Se ve en varios frentes:

• GPTs y Assistants de OpenAI permiten agentes personalizados con acceso a herramientas, pero el foco sigue siendo el chat.
• Microsoft Copilot Studio y Power Automate llevan años acercando el lenguaje natural a la automatización, sobre todo en empresas que ya viven en Microsoft 365.
• Plataformas como Zapier, Make o n8n han añadido capas de IA, pero en esencia siguen siendo conectores entre SaaS.

Google intenta algo más integrado. Opal vive cerca de Gemini, pero también a pocos pasos de Workspace, AppSheet y Apps Script. Si unimos los puntos, aparece una visión continua:

“Haz esto una vez” → “Convierte esto en una mini app” → “Que esta app se ejecute sola como flujo de trabajo.”

La idea de “democratizar la programación” es vieja: desde macros en Excel hasta los actuales builders no‑code. El problema ha sido siempre el mismo: los sistemas crecen, se hacen opacos, nadie sabe quién los mantiene y una persona clave se va… y todo se rompe.

La diferencia ahora es que los modelos de lenguaje pueden ser ese intermediario permanente que traduce intención humana en pasos estructurados, y que actualiza esos pasos a medida que cambian los datos o las reglas. El uso de Sheets como memoria es muy pragmático, especialmente para usuarios en España y Latinoamérica, donde la hoja de cálculo es casi la “unidad básica” de gestión.

Esto apunta a varias direcciones para el sector:

• El interfaz de creación de software se convierte en chat + ajustes visuales ligeros.
• La habilidad clave deja de ser programar en sí y pasa a ser diseñar sistemas, definir reglas y gobernar agentes.
• La batalla competitiva no será solo por el mejor modelo, sino por quién controla la superficie donde nacen y viven los flujos de trabajo.

Con este movimiento, Google deja claro que Opal aspira a ser una de esas superficies.

5. El ángulo europeo e hispanohablante

De momento, Opal no se ha lanzado oficialmente en la Unión Europea. Las primeras expansiones han ido a mercados como Canadá, India, Brasil o Japón, pero no a España o el resto de la UE. No es casualidad: un agente que decide cómo mover datos entre servicios choca de frente con el GDPR, la Ley de IA europea (EU AI Act) y el Digital Services Act.

En Europa, un sistema así tendrá que responder preguntas incómodas:

• ¿Qué datos personales toca exactamente el agente y con qué base legal?
• ¿Cómo ejerce un ciudadano su derecho de acceso, rectificación o oposición si las decisiones las toma una IA que compone flujos en tiempo real?
• ¿Qué trazabilidad existe sobre cada acción automática?

No es descabellado pensar que Google retrasará el despliegue europeo hasta tener respuestas sólidas – y controles de administrador, logs y políticas claros – para grandes clientes.

Para las empresas hispanohablantes, tanto en España como en América Latina, el potencial es grande pero desigual:

• En España, donde muchas pymes ya usan Google Workspace, Opal podría ser un catalizador de “citizen development” si llega con un marco legal claro.
• En Latinoamérica, donde la dependencia de herramientas gratuitas o baratas es alta, Opal puede competir directamente con soluciones locales y con desarrollos a medida muy básicos.

Existen además alternativas regionales en automatización, como Make (de origen checo) o proyectos open source como n8n, que pueden adaptarse mejor a requisitos de soberanía de datos, algo cada vez más relevante en gobiernos y grandes empresas.

6. Mirando hacia adelante

¿Qué deberíamos vigilar en los próximos 12–24 meses?

1. Dónde se integra Opal. Si se queda como app aislada, será un juguete potente para early adopters. Si se integra profundamente en Workspace (Gmail, Drive, Calendar) o incluso Android, puede convertirse en la capa de automatización por defecto para millones de usuarios.

2. Controles y gobernanza. En organizaciones medianas y grandes, la pregunta no será “¿podemos hacerlo?”, sino “¿quién tiene permiso para hacerlo?”. Harán falta:

   • roles y permisos granulares para agentes,
   • entornos de prueba separados de producción,
   • auditoría clara de cada acción automática.

3. Modelo de negocio y ecosistema. Probablemente veremos:

   • límites de uso asociados a planes de Gemini/Workspace,
   • un mercado de plantillas Opal creado por agencias y consultoras,
   • nuevos servicios profesionales centrados en diseño de sistemas basados en prompts.

4. Impacto en perfiles profesionales. No es el fin de los desarrolladores, pero sí una erosión de cierto trabajo “de pegamento”: conectar APIs, montar formularios, mover datos de una tabla a otra. A cambio, ganan peso los perfiles capaces de entender procesos, riesgos y regulación, especialmente en Europa.

La gran incógnita sigue siendo la fiabilidad. Un error puntual en un chat es molesto; un fallo silencioso en un flujo que genera facturas, gestiona stock o actualiza datos de clientes puede ser desastroso. La carrera no será solo por el agente más listo, sino por el agente más controlable y observable.

7. Conclusión

El nuevo agente de Opal marca un paso claro hacia una era en la que describir un proceso en palabras basta para dejar funcionando un sistema automatizado. Es una buena noticia para equipos de negocio y pymes, y una muy mala para parte del ecosistema no‑code que confiaba en la fricción actual. Para los lectores hispanohablantes, la pregunta clave es: ¿están preparando desde ya políticas, capacitación y criterios de gobernanza para un futuro en el que cualquiera en la organización podrá crear sus propios flujos con IA?