El último acuerdo entre Unilever y Google Cloud no busca sumar un chatbot aislado ni trasladar archivos a un servidor externo. La multinacional quiere construir una base tecnológica capaz de conectar información, interpretar señales comerciales y permitir que distintos agentes de inteligencia artificial ejecuten tareas dentro del negocio.
La alianza, anunciada el 17 de febrero de 2026, tendrá una duración de cinco años y comprende infraestructura cloud, datos, inteligencia artificial y herramientas de marketing. El plan alcanzará a una cartera que incluye marcas como Dove, Vaseline y Hellmann’s, aunque las compañías no precisaron cuáles participarán primero ni informaron cuánto invertirán.
La nube resulta protagonista porque un agente necesita mucho más que un modelo capaz de redactar respuestas. Para consultar inventarios, evaluar proveedores, recomendar productos, calcular promociones o activar una campaña debe acceder a información actualizada, conectarse con sistemas internos, recibir permisos y dejar un registro de cada acción.
Unilever ya había completado una migración de gran escala. En 2023, junto con Microsoft, Accenture y Avanade, trasladó cargas de trabajo a Azure durante un proceso de 18 meses y presentó su operación como cloud-only. La etapa que comenzó en 2026 persigue otro objetivo. La primera transformación llevó los sistemas a la nube. La segunda intenta convertir esa infraestructura en un cerebro operativo que participe en las decisiones de la empresa.
Índice de temas
La segunda transformación tecnológica de Unilever
El acuerdo establece que Unilever migrará su plataforma integrada de datos y cloud a Google Cloud para crear una base digital AI-first. Sobre esa estructura utilizará servicios como Vertex AI y modelos Gemini, con la intención de convertir datos en decisiones comerciales y desarrollar flujos de trabajo con agentes.
Esto no significa que la multinacional abandonará Azure. Las compañías no difundieron qué sistemas pasarán a Google Cloud, qué porcentaje de la información se trasladará ni cuál será la arquitectura definitiva. La información disponible sugiere una convivencia entre proveedores, aunque no permite confirmar cómo se distribuirán las cargas.
El desafío nace de la escala. Unilever informó en 2025 que su infraestructura tecnológica administra cerca de 1.500 sistemas, una plataforma empresarial con 8 petabytes de datos y unos 25.000 flujos que recopilan y procesan nueva información cada día.
Su red mueve, en promedio, 240 terabytes por semana, procesa más de 3.000 millones de transacciones y mantiene una disponibilidad declarada del 99,995%. La empresa también aseguró que implementó más de 500 capacidades basadas en IA durante la última década y que capacitó a 23.000 empleados en el uso de estas herramientas durante 2024.
Unilever vende productos de consumo masivo centrados en belleza, bienestar, cuidado personal y del hogar. En la Argentina, es dueña de reconocidas marcas de limpieza como Skip, Cif, Ala y Vivere, así como de cuidado personal incluyendo Dove, Rexona, Axe y Pepsodent
Esos números explican por qué el proyecto no depende únicamente de Gemini. Para que un agente tome una decisión correcta necesita encontrar datos dispersos entre ventas, producción, logística, inventarios, campañas, proveedores, supermercados y distribuidores. También debe comprender qué información puede utilizar y cuándo requiere la aprobación de una persona.
Google presentó en abril de 2026 su Gemini Enterprise Agent Platform, una plataforma que permite crear, conectar, supervisar y gobernar agentes. La propuesta incluye identidades digitales, registros de herramientas autorizadas, controles contra filtraciones, detección de conductas anómalas, pruebas de seguridad y seguimiento del desempeño.
En ese contexto, Unilever ya desarrolló una solución multiagente para compras corporativas. Según Google Cloud, la herramienta busca ayudar a los equipos de procurement a tomar decisiones más rápidas y precisas. La empresa no publicó resultados financieros, países de uso ni volumen de operaciones gestionadas por el sistema.
Qué necesita un agente para actuar dentro de una empresa global
Un asistente tradicional responde una pregunta. Un agente, en cambio, puede recibir un objetivo, dividirlo en pasos, consultar distintas fuentes y ejecutar una acción. En un proceso de compras, por ejemplo, un sistema podría recopilar propuestas, comparar precios, revisar antecedentes de proveedores, detectar riesgos y preparar una recomendación para su aprobación.
Ese salto exige una base de datos confiable. Un relevamiento de Accenture, publicado en mayo de 2026 sobre 2.000 compañías de 15 países, detectó que el 64% ya pasó de las pruebas aisladas a implementaciones de IA en varias áreas. Sin embargo, apenas el 7% alcanzó el grado de preparación de datos necesario para escalar sistemas avanzados.
Además, el 72% no cuenta con información de calidad suficiente acompañada por reglas estandarizadas de gobierno. Más del 80% retrasó, limitó o modificó proyectos de IA por riesgos vinculados con los datos. Las compañías más avanzadas obtuvieron una ventaja estimada de 4,5 puntos porcentuales en sus márgenes operativos, equivalente a una mejora de hasta 1,6 veces frente a otras empresas de sus sectores.
Otra investigación de Accenture mostró que apenas el 39% de las empresas que migran información a la nube incluye datos no estructurados, como documentos, correos electrónicos y artículos internos. Solo el 2% integró por completo datos e IA para producir información en tiempo real.
Esta brecha afecta de manera directa a los agentes. Gran parte del conocimiento de una empresa no aparece en una tabla ordenada. Se encuentra en contratos, manuales, conversaciones, imágenes, presentaciones, políticas internas y experiencias acumuladas por los equipos. Sin acceso a ese material, el sistema puede responder, pero difícilmente podrá actuar con precisión.
Unilever ya cuenta con una infraestructura cloud que procesa operaciones comerciales reales. Su plataforma de comercio electrónico B2B funcionaba en cinco mercados asiáticos durante abril de 2025 y preparaba su llegada a Bangladesh. El sistema conectaba a casi 500.000 comercios, 600 distribuidores y más de 6.000 representantes de ventas.
La plataforma procesaba cerca de 75.000 pedidos diarios y sostenía ventas anualizadas por €2.500 millones. El objetivo declarado consistía en atender a 1,5 millones de minoristas y superar los €4.000 millones anuales. También utilizaba IA para recomendar surtidos, estimar necesidades de reposición, analizar imágenes de góndolas y planificar rutas.
La alianza con Google puede agregar una capa de razonamiento y ejecución sobre esa clase de sistemas. Un agente podría identificar una posible falta de stock, revisar la demanda prevista, consultar disponibilidad en distribuidores y proponer una reposición. La calidad de la decisión dependerá de la actualización de los datos y de los permisos asignados.
La batalla por las compras que harán las máquinas
El acuerdo también anticipa un cambio en el marketing. Las marcas ya no competirán únicamente por espacio en una góndola, presencia en un supermercado digital o visibilidad en un buscador. También deberán conseguir que los sistemas de IA comprendan sus productos y los incluyan dentro de sus recomendaciones.
Google Cloud y Unilever planean trabajar sobre descubrimiento de marcas, conversión, medición de campañas y marketing asistido por IA. La meta consiste en preparar productos como Dove, Vaseline y Hellmann’s para recorridos de compra en los cuales una conversación con un agente puede reemplazar parte de la navegación tradicional.
El consumidor podría pedirle a un asistente que busque un producto para piel sensible, compare precios, revise ingredientes, controle la disponibilidad y complete la compra. En ese escenario, las descripciones, promociones, inventarios y condiciones comerciales tendrán que ser legibles por máquinas y estar disponibles en tiempo real.
El sector todavía presenta una preparación limitada. El informe global de productos de consumo de Deloitte para 2026, basado en una encuesta a 300 ejecutivos, mostró que apenas el 31% trabaja de manera activa sobre cómo influir en compradores que utilizan IA para investigar o adquirir productos.
Deloitte también señaló que el tráfico enviado por ChatGPT y otros servicios conversacionales ya representa entre el 15% y el 20% de las referencias digitales para algunos comercios. La cifra no describe a toda la industria, pero revela que parte del descubrimiento comercial comenzó a desplazarse fuera de buscadores y redes sociales.
Para Unilever, ese cambio abre una disputa por la interpretación algorítmica de sus marcas. Un agente puede priorizar precio, ingredientes, calificaciones, disponibilidad, impacto ambiental o preferencias previas. La publicidad emocional conservará relevancia frente a las personas, pero las máquinas exigirán información estructurada, verificable y disponible mediante interfaces técnicas.
El costo y los riesgos de llevar la IA a producción
El avance de los agentes impulsa una fuerte demanda de infraestructura. Gartner proyectó que el gasto mundial en tecnología alcanzará US$ 6,15 billones en 2026, un aumento del 10,8% frente al año anterior. Dentro de ese total, la inversión en centros de datos crecerá 31,7% y superará los US$ 653.000 millones, mientras que el gasto en servidores avanzará 36,9%.
Un estudio de Google Cloud entre 1.402 responsables globales de tecnología encontró que el 83% necesita actualizar su infraestructura para operar sistemas autónomos en producción. El 52% ya utiliza arquitecturas híbridas multicloud y cuatro de cada cinco participantes identificaron la seguridad, el gobierno o la gestión técnica de los modelos entre sus mayores dificultades.
La escala tampoco garantiza resultados. La encuesta de operaciones de PwC de 2026, realizada entre 767 ejecutivos estadounidenses, mostró que el 89% todavía no obtuvo todo el resultado esperado de sus inversiones tecnológicas. El 87% reconoció que la mala calidad de los datos redujo el rendimiento de sus proyectos digitales.
Solo el 27% incorporó por completo una estrategia de IA entre sus unidades de negocio y el 37% se siente cómodo al entregar a un agente un proceso operativo completo. Apenas el 4% combinó IA integrada en toda la empresa, ausencia de barreras importantes, una estructura transversal y resultados tecnológicos satisfactorios.
Gartner estimó que el 40% de los sistemas empresariales incorporará agentes especializados antes del cierre de 2026, frente a menos del 5% en 2025. Al mismo tiempo, advirtió que más del 40% de los proyectos de IA agéntica podría cancelarse antes de terminar 2027 por costos elevados, controles insuficientes o falta de beneficios claros.
La información pública sobre Unilever todavía no permite calcular el retorno. No se conocieron el valor del contrato, el gasto comprometido en cloud, los ahorros previstos, el número de sistemas involucrados ni las metas financieras. Tampoco se comunicaron los primeros países, el cronograma o el grado de autonomía que tendrán los agentes.
Lo confirmado resulta relevante por otra razón. Una de las mayores compañías de consumo masivo decidió que la próxima fase de su transformación no girará alrededor de dónde almacena sus sistemas, sino de cómo conecta los datos y qué decisiones permite ejecutar a las máquinas.
El proyecto buscará que la nube deje de funcionar como un depósito remoto de información y opere como una capa que relaciona marketing, ventas, abastecimiento, logística y atención comercial. El éxito dependerá menos de la capacidad de Gemini para producir una respuesta convincente que de la calidad de los datos, los controles y la integración con los procesos que mueven productos reales.
