NotebookLM estrena chat agéntico con sandbox para correr código y exportar PDFs, hojas y slides

Google ha relanzado NotebookLM el 8 de junio como plataforma agéntica completa. Cada notebook tiene ahora un ordenador aislado en la nube, capaz de escribir y ejecutar código en background, con más de 100 skills curadas que el sistema invoca según la tarea. El motor es Gemini 3.5 integrado con Antigravity para razonamiento visible. Los outputs pasan de ser conversaciones a ser artefactos: gráficos PNG y SVG, PDFs con tablas, DOCX, CSV, JSON, XLSX, PPTX e imágenes generadas con Nano Banana.

Qué cambia técnicamente

NotebookLM deja de ser un pregúntale a tus documentos y se convierte en un research agent ligero. Puedes empezar un notebook con ideas sueltas en el chat y la herramienta busca fuentes en la web con Google Search (con tu permiso), construye el repositorio, ejecuta el análisis y devuelve el primer borrador de un deck o de una hoja de cálculo trabajada. El sandbox es el cambio estructural. Hasta ayer NotebookLM era un wrapper de RAG sobre tus fuentes. Hoy es un entorno donde el modelo ejecuta Python, manipula datos y devuelve outputs verificables.

Google acompaña el lanzamiento con números de calidad. El sistema nuevo gana al anterior un 65% de las veces de media, 15 puntos por encima del empate. En análisis de documentos largos sube al 69,9% y en investigación web con descubrimiento de fuentes llega al 78,2%. Son cifras del propio Google, así que conviene tomarlas como suelo optimista, pero el margen es lo bastante amplio como para que el salto se note en uso real.

El gating de acceso

Aquí está el pero. En el lanzamiento la capa agéntica queda fuera de Free, Plus y Pro. Solo entra para los usuarios de Google AI Ultra y para clientes de Workspace business con los add-ons AI Ultra Access y AI Expanded Access. El motivo que da Google es honesto: mantener ordenadores sandbox simultáneos no permite oferta gratuita rentable. Promete ampliar el acceso con el tiempo, sin fecha pública. Traducido, esta función es de pago y de momento cara.

Por qué importa

Esto no es un research agent de juguete. Está integrado con Workspace y consume los archivos que ya tienes en Drive. Para equipos que ya viven en Google (gran parte del ICP de DigitalBrain), es la vía más corta para preparar análisis interno serio sin montar agentes propios con Claude o GPT. Resumen de competidores, sumarios de PLs, briefings ejecutivos, análisis de pricing: todo lo que hoy haces a mano o con ChatGPT entra en el alcance. Y el output llega ya formateado, no como bloque de texto que después hay que pasar a Sheets o a una slide.

La limitación sigue siendo la misma. NotebookLM trabaja dentro del jardín de Google, con sus modelos y su perímetro de datos. Para producto verticalizado o flujos que necesitan otros modelos, no compite con un setup propio. Pero para uso interno de operaciones y management, en muchos casos elimina la necesidad de construir nada. El día que Google publica esto, Kimi presenta Kimi Work con 300 agentes en paralelo. La conversación del research agent como categoría de producto se está calentando muy rápido.

Qué hacer

Si tu organización paga Workspace business con el add-on de IA, pide acceso a la capa agéntica esta semana y prueba dos casos reales: un resumen ejecutivo y un análisis con datos en Sheets. Lo que tarde 20 minutos frente a las 3 horas habituales es la métrica que importa.
No descartes NotebookLM por estar cerrado. Para el 80% del análisis interno que haces, es más rápido que montar tu propio agente y tiene menos puntos de fallo.
Mira el coste antes de comprometerte. Al quedar fuera de los planes bajos, evalúa si el volumen real de análisis que hará tu equipo justifica el tier Ultra o si te sale más barato un agente propio.
Mantén tu pipeline serio (Claude o GPT con conexiones propias) para el producto orientado a cliente. NotebookLM brilla en consumo interno, no en flujos que corren dentro de tu app.

Relacionado