Earth AI: Google afirma que su agente planifica antes de analizar

Lo que presenta Google

Google anunció el 14 de octubre que amplía el acceso experimental a Geospatial Reasoning, el agente de Earth AI. Según su propio blog, Google es filial íntegra de Alphabet, la sociedad que la sustituyó como empresa cotizada en bolsa.

El acceso, según Google, se abre a un grupo limitado de usuarios por dos vías. Una es una función de análisis profundo dentro de Ask Google Earth, un chat en el que se hacen preguntas espaciales complejas en lenguaje natural, se analizan datos —también los propios— y se ven los resultados sobre el mapa. La otra es un servicio experimental Agent-to-Agent para equipos de desarrollo que quieran conectar el agente a sus propios agentes y flujos de datos. Para solicitarlo hay que rellenar un formulario de interés.

El agente planifica antes de ejecutar, según Google

Los modelos de lenguaje generalistas, según Google, tropiezan con los problemas espaciales reales porque los datos del planeta son enormes y vienen en formatos especializados de mapas y satélite. Su agente responde en tres tiempos: primero planifica un flujo de trabajo de varios pasos, luego elige las herramientas, los datos y los modelos de Earth AI que necesita la consulta y, por último, ejecuta cada etapa en un espacio de trabajo aparte.

Las capacidades de Earth AI se empaquetan como habilidades modulares que el agente solo invoca cuando la pregunta lo requiere. Si la cobertura local de datos es escasa, recurre a conjuntos alternativos, y cada respuesta muestra el plan y las fuentes usadas para que los expertos puedan revisar los supuestos o sustituir datos, según afirma Google.

Además, según Google, los usuarios ya pueden aportar sus propios datos a través de la API del agente —hojas de cálculo CSV, contornos de mapa en GeoJSON o tablas en la nube— y pedirle que los cruce con los modelos y catálogos globales de Earth AI.

Las pruebas que presenta Google

Google, según su informe técnico, compara cuatro configuraciones con Gemini 3.8 Flash y Gemini 3.1 Pro: el modelo de lenguaje por sí solo; con herramientas básicas como la búsqueda web y los mapas; con las herramientas de Earth AI pero sin planificación previa, y el agente completo, que arranca cada consulta con una fase de planificación. Las mide en cuatro pruebas: dos externas, CBGB y UnivEARTH, y dos creadas por la propia compañía, GeoKTools y GeoExpertQueries, que pone a disposición de otros investigadores.

El agente con herramientas básicas, según Google, tropieza en las tareas espaciales cuantitativas, y dotarlo de las habilidades de Earth AI produce un salto significativo en GeoExpertQueries, GeoKTools y CBGB. La excepción es UnivEARTH, donde hasta el modelo de lenguaje por sí solo puntúa alto, probablemente porque los artículos de la NASA en los que se basa y sus respuestas están en la web pública.

La segunda conclusión que presenta Google es que la planificación previa es la que permite abordar problemas abiertos: las habilidades de Earth AI bastan para tareas acotadas como las de CBGB y GeoKTools, pero GeoExpertQueries exige planificar para que el agente no se pierda en análisis de varios pasos, no haga supuestos poco fiables ni tome atajos como buscar en la web en lugar de usar herramientas espaciales.

Un primer borrador, según Google

El informe técnico también recoge sus limitaciones: según Google, las puntuaciones de GeoExpertQueries salen de un evaluador automático que compara el trabajo del agente con flujos de expertos que definen los pasos que debe seguir un análisis, no con la respuesta final correcta. Por eso la compañía considera lo que produce el agente un buen primer borrador que los expertos deben revisar y completar, no una respuesta definitiva.

La ampliación del acceso, según Google, busca recoger más opiniones sobre estas capacidades experimentales, que por ahora solo llegan a un grupo limitado de usuarios.