Preguntar a una inteligencia artificial dónde construir una instalación, qué zonas cambiaron de vegetación o cuántas personas quedan dentro de un área parece sencillo. Responder con rigor exige combinar mapas, fechas, unidades y fuentes que no siempre encajan. Esa es la dificultad que intenta abordar el agente de razonamiento geoespacial de Google Earth AI.
Google presentó sus avances el 14 de octubre de 2026: una evaluación técnica, experiencias con organizaciones colaboradoras y una ampliación del acceso experimental. No es un anuncio de disponibilidad general en España ni una garantía de que cualquier análisis territorial pueda resolverse escribiendo una pregunta.
La idea central resulta interesante: conectar un modelo de lenguaje con herramientas especializadas y obligarlo a planificar antes de calcular. Pero el resultado sigue siendo un borrador analítico que necesita comprobaciones. Una respuesta con un mapa atractivo puede contener una frontera desactualizada, una población mal agregada o una conclusión que los datos no permiten sostener.
Earth AI, Google Earth y Ask Google Earth no son lo mismo
Earth AI agrupa modelos y capacidades para trabajar con información sobre el planeta. El agente geoespacial, al que el informe llama GRA, organiza herramientas y datos para contestar preguntas que requieren varios pasos. Ask Google Earth es una interfaz conversacional; no debe confundirse con toda la infraestructura de investigación que hay detrás.
El anuncio de Google Research describe conexiones con imágenes y datos de observación terrestre, información demográfica, recursos cartográficos y modelos de predicción. La utilidad potencial está en cruzar esas piezas, no simplemente en resumir una página que menciona un lugar.
Por ejemplo, localizar edificios y calcular su distancia a una estación son operaciones distintas de estimar qué lugares serían adecuados para un uso concreto. Esta última pregunta añade criterios, incertidumbre y restricciones. El sistema puede ayudar a ordenar el análisis, pero no convierte automáticamente una coincidencia geográfica en una decisión justificada.
Cómo trabaja el agente: plan, herramientas y cálculos separados
Primero decide qué necesita saber
Según Google, el agente formula un plan antes de ejecutar las operaciones geoespaciales. Tiene que identificar la pregunta, seleccionar fuentes y establecer las etapas del análisis. Esa planificación pretende evitar que una primera búsqueda cómoda termine condicionando todo el resultado.
Una petición ambigua necesita, además, definiciones. «Cerca de una carretera» puede referirse a distancia en línea recta o al recorrido por la red viaria. «Zona urbana» puede significar un límite administrativo o una clasificación de superficie. Son decisiones que conviene hacer explícitas antes de interpretar un número.
Carga capacidades según la tarea
El sistema organiza sus herramientas en capacidades especializadas y utiliza las pertinentes para cada consulta. No necesita introducir toda su colección de funciones y todos los datos en cada interacción. Esa separación busca que el modelo gestione el trabajo sin quedar saturado por información irrelevante.
La descripción pública incluye conexiones con Earth Engine, Data Commons, recursos de Google Maps y modelos especializados. Que exista una conexión no significa que todos esos recursos tengan la misma cobertura, licencia o actualización. Elegir una fuente sigue siendo una parte sustancial del análisis.
Procesa los datos fuera del texto de la conversación
Las capas geográficas voluminosas se manejan en un espacio de trabajo, en lugar de convertir cada píxel o registro en texto para el modelo. El agente consulta resultados intermedios y coordina las operaciones. Esta arquitectura distingue entre razonar sobre un cálculo y realizarlo con los datos adecuados.
La consecuencia práctica es que la explicación final debería permitir reconstruir qué se consultó y qué se calculó. Si solo aparece una conclusión elegante sin las fuentes ni las decisiones intermedias, el usuario pierde la posibilidad de detectar dónde se introdujo una suposición problemática.
Qué pruebas se publicaron y cómo deben interpretarse
El informe técnico de Google Earth AI compara cuatro configuraciones: un modelo sin herramientas, otro con herramientas básicas, otro con capacidades geoespaciales y el agente completo con planificación. Mantener el modelo de base en esas comparaciones ayuda a distinguir el efecto de las herramientas del de la organización del trabajo.
No existe, sin embargo, una única puntuación que equivalga a «porcentaje de mapas correctos». Las pruebas plantean tareas diferentes:
| Prueba | Qué examina | Qué no debe suponerse |
|---|---|---|
| GeoKTools | Consultas con respuestas de referencia y varias familias de herramientas. | Resolver una plantilla no demuestra dominar cualquier análisis abierto. |
| GeoExpertQueries | Problemas abiertos comparados con procedimientos de expertos. | Ajustarse a un procedimiento no garantiza una conclusión verdadera. |
| CBGB | Problemas de análisis geoespacial con respuestas comprobables. | Su resultado no se traslada sin más a otra región o fuente. |
| UnivEARTH | Preguntas basadas en artículos de observación terrestre. | Un acierto puede no demostrar que se ejecutó un análisis nuevo. |
El anuncio subraya que las herramientas especializadas aportan una mejora importante y que la planificación ayuda especialmente en tareas abiertas. También reconoce que la evaluación de GeoExpertQueries compara el trabajo con procedimientos expertos, no con una respuesta final única e indiscutible. Es una limitación esencial para interpretar los resultados.
Nuestra guía para evaluar agentes mediante trazas y pruebas explica por qué conviene observar el proceso completo. En geografía, saber qué capa se utilizó puede ser tan importante como ver el número final.
Qué está publicado y qué no se puede reproducir solo con el repositorio
El repositorio oficial de los benchmarks publica conjuntos de desarrollo, plantillas, procedimientos de referencia y recursos de evaluación. Incluye 85 consultas de desarrollo de GeoKTools y 25 de GeoExpertQueries; los conjuntos de prueba reservados no se publican para limitar la contaminación.
Esto facilita examinar cómo se formulan y puntúan las tareas. No equivale a disponer del servicio completo de Earth AI ni a tener acceso automático a todas sus fuentes. Publicar un instrumento de evaluación y publicar el sistema evaluado son cosas distintas.
Tampoco debemos confundir revisar el repositorio con reproducir el estudio. Esta redacción ha consultado las fuentes públicas; no ha ejecutado los benchmarks ni ha utilizado una cuenta con acceso experimental al agente. Las conclusiones del estudio se atribuyen a sus autores.
Acceso desde España: el anuncio no sustituye las condiciones del producto
Google presenta una ampliación de acceso temprano a Ask Google Earth y a un servicio experimental entre agentes. La documentación oficial de Ask Google Earth, consultada el 18 de octubre, describe una fase experimental disponible en la web, en inglés y para proyectos en siete regiones, entre ellas Estados Unidos, Canadá y Australia. España no aparece en esa relación.
No debe interpretarse esa lista como una confirmación de acceso para una cuenta española ni extrapolarla automáticamente a cada API de investigación. Antes de preparar una integración, hay que comprobar qué modalidad se ofrece, para qué proyectos y con qué condiciones. No hemos probado el acceso desde una cuenta concreta.
Una solicitud de interés o una demostración pública tampoco constituye una aprobación de acceso. Si una empresa todavía no puede utilizar el producto, no tiene sentido diseñar un proceso que dependa de su disponibilidad inmediata ni anunciar a sus clientes funciones que aún no tiene habilitadas.
Cinco errores que pueden estropear un análisis aunque el agente funcione
Los siguientes son controles editoriales y de trabajo que proponemos para revisar un análisis geográfico. No son resultados adicionales del estudio ni afirmaciones de que el sistema haya cometido esos errores concretos.
1. Mezclar fechas incompatibles
Una imagen reciente y un censo antiguo pueden ser útiles, pero no describen necesariamente el mismo territorio en el mismo momento. La pregunta correcta no es solo qué fuente se utilizó, sino si sus fechas permiten responder a la cuestión planteada.
2. Cambiar de frontera sin advertirlo
El nombre de una ciudad no define por sí solo una geometría. Municipio, área metropolitana y núcleo edificado pueden abarcar superficies distintas. Una variación grande en el total de población puede proceder del límite elegido, no de un cambio real.
3. Confundir distancia con accesibilidad
Dos puntos cercanos pueden quedar separados por un río sin un puente próximo. Para una pregunta sobre desplazamientos, una distancia directa no sustituye necesariamente una ruta. Conviene solicitar la definición del indicador y comprobar casos concretos.
4. Convertir una estimación en una observación
Un modelo puede estimar una variable donde faltan mediciones. Eso no convierte el valor en un dato observado. El informe debería distinguir ambas cosas y evitar una precisión numérica que oculte la incertidumbre o la calidad desigual de las fuentes.
5. Elegir la solución antes de fijar el criterio
Una clasificación de ubicaciones depende de las prioridades introducidas. Si cambian los pesos asignados a distancia, cobertura o características del terreno, puede cambiar el orden. La revisión debe preguntar si la recomendación es estable o solo refleja una combinación arbitraria de preferencias.
Este problema conecta con el papel de los datos en la inteligencia artificial empresarial: un modelo más capaz no corrige por sí solo una fuente que no representa bien la pregunta.
Un ejemplo de trabajo: preparar una comparación, no aprobar una obra
Imaginemos una organización que quiere comparar lugares para una actividad comunitaria. Es un caso hipotético, no una demostración realizada por Google ni una recomendación sobre un terreno real. El primer paso sería definir el área, los criterios y qué información no puede compartirse.
Después se prepararía una tabla con identificadores consistentes y ubicaciones que puedan utilizarse legítimamente. El análisis tendría que devolver la procedencia de cada variable, su fecha y las operaciones empleadas. Una selección pequeña de resultados debería revisarse manualmente antes de aceptar la clasificación completa.
Para trabajar mejor con tablas puede resultar útil consultar nuestro análisis de Excel Profesional Completo con IA de Juver Zavala. Es una formación sobre hojas de cálculo, no una certificación geoespacial ni una garantía de acceso a Earth AI.
Si después se quiere organizar la recogida de datos y los avisos de revisión, el análisis del curso de automatización local con n8n de Edlux permite valorar una introducción a ese tipo de flujos. No implica compatibilidad comprobada con esta API experimental ni respaldo de Google a la formación.
El resultado de esa preparación sería una comparación documentada para que una persona competente investigue más. No reemplazaría permisos, comprobaciones sobre el terreno ni evaluaciones profesionales. La velocidad del análisis no reduce la responsabilidad de quien toma la decisión.
Privacidad: una lista de ubicaciones también puede ser sensible
La documentación de Ask Google Earth advierte de que las consultas y los comentarios pueden ser revisados por personas y utilizados para mejorar el producto. Recomienda no introducir información confidencial. También señala que sus respuestas no deben utilizarse como asesoramiento profesional.
Antes de cargar una tabla, una organización debería comprobar si realmente necesita enviar nombres, domicilios o identificadores de personas. Sustituir un nombre por un código no garantiza anonimato si la ubicación permite reconocer a alguien. Es preferible empezar con un ejemplo público o sintético que no exponga a terceros.
Las condiciones de una interfaz y las de otro servicio pueden ser diferentes. No se debe trasladar a Ask Google Earth una promesa de privacidad leída para otra herramienta de Google. Si las condiciones aplicables no están claras, la opción prudente es no enviar datos reservados.
Preguntas frecuentes
¿Earth AI predice el futuro con certeza?
No. Un resultado predictivo depende de datos, supuestos y un modelo. Debe diferenciarse de una medición y acompañarse de las comprobaciones pertinentes; no es una certeza por aparecer sobre un mapa.
¿Puedo usar ya todas estas funciones en España?
El anuncio no lo confirma. La documentación consultada de Ask Google Earth no incluye España entre las regiones de proyectos de su fase experimental. Hay que verificar la modalidad concreta y no dar por concedido el acceso.
¿El repositorio permite instalar el agente completo?
No es eso lo que publica el repositorio consultado: contiene materiales para evaluar capacidades geoespaciales. No debe anunciarse como una descarga del servicio completo.
¿Una puntuación alta permite prescindir de un especialista?
No. Las pruebas examinan capacidades delimitadas y algunas valoran el procedimiento, no una verdad final única. Los resultados importantes necesitan validación adecuada a su uso.
La diferencia está en poder reconstruir el análisis
La aportación de Earth AI no se entiende bien si se reduce a «un chat que sabe de mapas». La propuesta combina planificación, datos y herramientas para realizar operaciones que un modelo de lenguaje aislado no resuelve de forma fiable.
El criterio para valorar su utilidad debería ser más exigente que la apariencia del informe: fuentes identificadas, fechas compatibles, cálculos comprobables y límites claros. Si el agente facilita esa trazabilidad, puede ahorrar trabajo. Si solo acelera una conclusión que nadie puede verificar, habrá cambiado la velocidad, no la calidad de la decisión.
Información contrastada el 18 de octubre de 2026. Se distingue el anuncio de investigación del 14 de octubre de las condiciones de acceso publicadas para Ask Google Earth. No se ha realizado una prueba propia del servicio ni una reproducción de sus benchmarks.