Este análisis de seguimiento examina el nuevo entorno de cálculo de Google y lo compara con las capacidades de ChatGPT y Claude.
En una nota anterior, Diario TI informó sobre el cambio de nombre de NotebookLM y la incorporación de un computador seguro en la nube. En este artículo examinamos con mayor detalle qué permite realmente esa infraestructura, qué aspectos técnicos todavía no han sido explicados por Google y cómo se compara con las propuestas de OpenAI y Anthropic.
La novedad más importante de Gemini Notebook no es que pueda recibir hojas de cálculo. NotebookLM ya admitía archivos CSV y Google Sheets, además de documentos, presentaciones, imágenes y archivos PDF. El cambio sustancial es que ahora el sistema puede escribir y ejecutar código para procesar esas fuentes, generar nuevos archivos y realizar análisis que no pueden resolverse únicamente mediante la lectura y síntesis de texto.
Google describe esta infraestructura como un «computador seguro en la nube» asignado al notebook. Según la empresa, el sistema puede utilizar más de un centenar de capacidades de software para limpiar datos, efectuar cálculos y producir resultados en formatos como CSV, XLSX, JSON, PDF, presentaciones e imágenes.
La delegación del cálculo a un entorno de código responde a una limitación práctica de los modelos de lenguaje. Estos sistemas generan respuestas mediante la predicción de secuencias de texto, pero no garantizan por sí solos la exactitud de una operación matemática. Ejecutar el cálculo mediante software convencional permite obtener resultados deterministas cuando se utilizan los mismos datos, instrucciones y condiciones.
Esto no elimina la posibilidad de errores. El modelo todavía puede escribir un programa que seleccione columnas equivocadas, aplique una fórmula inadecuada o interprete incorrectamente las unidades. La ejecución de código mejora la capacidad de cálculo, pero no sustituye la revisión del procedimiento.
Posible uso de Python
El uso de Python resulta plausible debido a su predominio en ciencia de datos y a que plataformas competidoras lo utilizan. Sin embargo, la información técnica publicada por Google señala que Gemini Notebook puede escribir y ejecutar código, pero no identifica públicamente el lenguaje empleado.
Tampoco especifica qué bibliotecas están disponibles, cuánto tiempo puede ejecutarse una tarea, qué capacidad de memoria o procesamiento recibe cada notebook ni qué restricciones se aplican a los distintos planes.
Otra incógnita relevante es la visibilidad del código. La documentación pública revisada no aclara si el usuario puede inspeccionar cada programa generado, modificarlo, ejecutarlo nuevamente o exportarlo junto con los resultados.
En análisis científicos, financieros o empresariales no basta con recibir una tabla o un gráfico. Para auditar el resultado es necesario conocer, entre otros elementos, qué bibliotecas se utilizaron, cómo se trataron los valores nulos, qué observaciones fueron excluidas y qué parámetros se aplicaron a un modelo estadístico. Si esos pasos no son visibles, el análisis puede convertirse en una caja negra difícil de aceptar en procesos que exigen trazabilidad o reproducibilidad.
Archivos estructurados no equivalen a bases de datos
Gemini Notebook admite fuentes estructuradas como Google Sheets y archivos CSV. Esto permite combinar datos tabulares con informes, documentos y otras fuentes incluidas en el mismo notebook.
No obstante, la lista oficial de fuentes compatibles no documenta conexiones directas con bases de datos SQL, almacenes de datos corporativos o sistemas transaccionales. Los datos procedentes de esas plataformas podrían analizarse después de ser exportados a un archivo compatible, pero eso no convierte a Gemini Notebook en un cliente de bases de datos.
Un archivo CSV es una copia estática de datos. Un almacén de datos o data warehouse consolida información histórica procedente de distintas fuentes para su consulta y análisis, mientras que un sistema de procesamiento transaccional u OLTP registra operaciones empresariales que cambian continuamente. Acceder directamente a esos sistemas implica gestionar consultas, credenciales, permisos, actualizaciones y, en algunos casos, grandes volúmenes de información.
Esta distinción limita, por ahora, algunos de los casos de uso atribuidos al producto. Analizar un archivo con históricos financieros no es lo mismo que consultar continuamente una base de mercado, y trabajar con una exportación de registros no equivale a operar sobre un sistema empresarial actualizado en tiempo real.
Qué significa realmente «seguro»
El aislamiento de la ejecución reduce el riesgo de que el código generado actúe directamente sobre el computador o la red interna del usuario. Sin embargo, la expresión «computador seguro» no basta por sí sola para evaluar la protección del entorno.
La seguridad también depende de la conectividad saliente del código, la persistencia y eliminación de los archivos, el control de accesos, los mecanismos de auditoría y las políticas sobre revisión humana y uso de los datos. Google no ha publicado en el anuncio detalles suficientes sobre varios de estos aspectos ni sobre las diferencias de recursos entre planes.
Estos factores resultan especialmente relevantes cuando se cargan datos financieros, información de clientes o material de investigación todavía no publicado.
También es necesario distinguir entre cuentas personales y empresariales. En su documentación para organizaciones, Google indica que los datos de clientes de Workspace no son revisados por personas ni utilizados para mejorar sus modelos. Las condiciones de las cuentas de consumo requieren una lectura más cuidadosa, especialmente cuando el usuario decide enviar comentarios o retroalimentación sobre una respuesta.
ChatGPT ya ejecuta Python y no carece de integraciones
La ejecución de código es una capacidad compartida por OpenAI y Anthropic. La función de análisis de datos de ChatGPT escribe y ejecuta Python en un entorno Jupyter, puede procesar hojas de cálculo, archivos CSV, JSON y PDF, y genera tablas y visualizaciones a partir de ellos.
OpenAI no es una plataforma limitada a archivos aislados. ChatGPT también puede trabajar con fuentes conectadas como Google Drive, además de OneDrive y SharePoint en los planes compatibles. Para clientes empresariales, OpenAI afirma que los datos no se utilizan para entrenar sus modelos y que se cifran durante la transmisión y en reposo.
La ventaja potencial de Google radica principalmente en que Gemini Notebook forma parte del mismo ecosistema que Drive, Docs y Sheets, lo que puede reducir la fricción al incorporar fuentes y compartir resultados. Esa integración nativa puede ser altamente relevante para organizaciones que ya operan principalmente con Workspace, pero no demuestra por sí sola que el análisis sea más exacto o reproducible.
La competencia, por tanto, no consiste en determinar qué plataforma fue la única en incorporar ejecución de código, sino cuál integra esa capacidad con menor fricción, mayor transparencia y mejores garantías para los datos empresariales.
Claude también combina documentos, código y herramientas científicas
Anthropic tampoco se limita al análisis documental mediante grandes ventanas de contexto. Claude puede escribir y ejecutar código, además de crear archivos a partir de los resultados. Según una descripción técnica publicada por Anthropic, el código ejecutado en Claude.ai opera en contenedores gVisor sobre infraestructura aislada, sin ejecutarse directamente en el computador del usuario y con un sistema de archivos temporal por sesión.
Este entorno de ejecución no debe confundirse con Artifacts, la función de Claude destinada a presentar, editar y reutilizar documentos, código y otros contenidos generados durante una conversación.
Además, la empresa presentó Claude Science, un entorno orientado al trabajo científico que combina literatura, código, paquetes especializados e infraestructura de cálculo externa. Su propuesta es más especializada que Gemini Notebook y contempla flujos de trabajo auditables, además de ejecución local, remota y en sistemas de alto rendimiento.
La comparación entre los tres sistemas no puede reducirse a documentos frente a código. Google, OpenAI y Anthropic ya combinan ambos elementos, aunque con diferencias en integración, especialización, transparencia y acceso a infraestructura.
El desafío no es ejecutar código, sino poder confiar en él
La incorporación de cálculo programático permite que Gemini Notebook avance desde la síntesis de fuentes hacia la transformación cuantitativa de información. También introduce riesgos nuevos. Un programa generado por IA puede seleccionar columnas equivocadas, confundir unidades, excluir valores atípicos sin justificación o aplicar un método estadístico inadecuado y, aun así, producir un gráfico convincente.
Para evaluar la utilidad de Gemini Notebook en entornos empresariales será necesario conocer si muestra el código y los pasos intermedios, si registra las transformaciones efectuadas y si permite repetir el análisis con los mismos datos. También será importante saber qué controles ofrece para detectar errores metodológicos y distinguir los resultados calculados de las interpretaciones redactadas por el modelo.
El anuncio sitúa a Google en una competencia que ya no gira únicamente alrededor de quién puede resumir más documentos. La diferencia estará en la trazabilidad del análisis, la protección efectiva de los datos y la posibilidad de verificar cómo se obtuvo cada resultado.
Por Dexter Gray, Diario TI
Fuentes: Google, documentación de Gemini Notebook, OpenAI y Anthropic.
📬 Newsletter gratuito
