Google revoluciona YouTube amb l'anàlisi agentica de vídeos i Gemini

La manera en què interactuem amb el contingut audiovisual està patint una transformació profunda gràcies a la integració de la intel·ligència artificial generativa. Google ha anunciat la implementació d'una nova tecnologia anomenada agentic video understanding, una evolució tècnica que canviarà radicalment el funcionament de la funció Ask YouTube. Aquesta innovació no es limita a resumir text, sinó que permet que els models de Gemini analitzin activament els elements visuals i sonors d'un vídeo per respondre preguntes concretes dels usuaris.

L'evolució cap a l'anàlisi agentica de vídeos

Fins ara, el processament de vídeo de Gemini es basava en el que s'anomena processament estàtic. En aquest model, la IA capturava un frame per segon i processava la totalitat del material a una taxa fixa. Tot i que els desenvolupadors podien modificar aquesta freqüència, el model continuava analitzant el vídeo de manera lineal i exhaustiva, cosa que consumia recursos i limitava la precisió en detalls molt específics.

L'anàlisi agentica trenca aquest esquema. En lloc de processar tot el contingut a cegues, el sistema ara pot decidir quins frames, quines seccions d'àudio o quines parts de la transcripció ha d'inspectar per trobar la resposta a una consulta. Aquest enfocament permet que la IA es focalitzi en segments específics del vídeo, millorant la qualitat de les respostes i basant-les directament en el que s'està veient a la pantalla en un moment determinat. Aquesta capacitat ja és accessible per als desenvolupadors a través de la Gemini API a Google AI Studio i la Gemini Enterprise Agent Platform.

Ask YouTube i la nova experiència de visualització

Aquesta tecnologia serà el motor de la versió actualitzada de Ask YouTube, que apareixerà com un botó sota els vídeos en les pàgines de reproducció. L'objectiu és que l'usuari pugui resoldre dubtes mentre mira el contingut sense haver de sortir de la plataforma o buscar manualment el moment exacte on s'explica un concepte. Google ha assenyalat que aquesta implementació arribarà en els pròxims mesos, tot i que encara no s'han definit les regions ni els idiomes prioritaris per al desplegament.

Cal diferenciar aquesta eina de la versió de Ask YouTube integrada a la barra de cerca. Mentre que la cerca general ofereix resums amb vídeos citats per ajudar a descobrir contingut, la funció de la pàgina de reproducció està dissenyada per a una anàlisi profunda del vídeo que l'usuari ja està consumint. L'impacte d'aquestes eines és massiu: segons dades compartides per Sundar Pichai durant la trucada de resultats del segon trimestre d'Alphabet, més de 140 milions d'usuaris van interactuar amb la funció de la pàgina de reproducció només durant el mes de juny.

Cerca conversacional i descoberta de contingut

L'estratègia de Google passa per transformar la cerca de paraules clau en una conversa fluida. Amb Ask YouTube, els usuaris poden plantejar preguntes complexes i, posteriorment, refinar els resultats mitjançant prompts de seguiment. Aquesta capacitat conversacional permet que la IA no només trobi un vídeo, sinó que sintetitzi la informació relevant d'estructures diferents.

L'objectiu és que els usuaris puguin fer preguntes completes i detallades, superant la limitació de les cerques basades en termes aïllats, per obtenir respostes estructurades que inclouin tant Shorts com vídeos de format llarg.

Aquest nou sistema de descoberta és possible gràcies a Gemini Omni, que alimenta les noves eines de YouTube Shorts Remix i optimitza la manera com es presenten els resultats. Actualment, aquestes funcions conversacionals estan disponibles a través de YouTube Labs per als subscriptors de YouTube Premium amb més de 18 anys als Estats Units, amb la previsió d'expandir-se a la resta de la base d'usuaris pròximment, tal com s'ha detallat a Gadgets360.

Impacte tècnic per a creadors i desenvolupadors

La transició cap a un model agentic no només beneficia l'usuari final, sinó que redefineix la relació entre el creador de contingut i la plataforma. Quan una IA pot identificar exactament quin frame o quin segment d'àudio respon a una pregunta, el valor de la metadata i la clareda visual del contingut es tornen crítics. Els vídeos ben estructurats i amb una narrativa visual clara seran més fàcils d'indexar per l'anàlisi agentica, cosa que pot augmentar la visibilitat de determinats creadors.

Per als desenvolupadors, l'obertura d'aquestes capacitats a través de l'API de Gemini Flash permet crear aplicacions que interactuegin amb vídeos de manera intel·ligent. La possibilitat de carregar vídeos propis o utilitzar enllaços de YouTube per extreure informació precisa basant-se en la visió artificial obre la porta a noves eines de productivitat, anàlisi de dades visuals i automatització de suport al client basat en tutorials de vídeo.

Implicacions per a l'ecosistema empresarial a Catalunya i Espanya

La implementació d'aquestes eines de Google té implicacions directes per a les empreses i l'ecosistema tecnològic espanyol, especialment en un hub d'innovació com és Barcelona. Per a les empreses catalanes que utilitzen YouTube com a canal de màrqueting, formació o suport tècnic, l'anàlisi agentica significa que el seu contingut es tornarà molt més interactiu. Ja no serà necessari que l'usuari navegui per tot el vídeo per trobar una solució; la IA ho farà per ells, cosa que pot augmentar la taxa de conversió i la satisfacció del client.

No obstant això, aquest desplegament s'insereix en el marc regulatori de l'AI Act de la Unió Europea. Les empreses locals hauran de vigilar com la anàlisi automatitzada de continguts i la recollida de dades per a l'entrenament d'aquests models agentics s'ajusten a les normatives de privacitat i transparència. L'ecosistema d'emprenedors a Catalunya, molt orientat al SaaS i a la IA aplicada, trobarà en l'API de Gemini una oportunitat per crear capes de serveis addicionals que optimitzin la gestió de continguts audiovisuals per a el mercat europeu.

En el mercat espanyol, on el consum de vídeo és extremadament alt, la capacitat de convertir milers d'hores de contingut en una base de coneixements consultable conversacionalment representa un salt qualitatiu per a qualsevol departament de digitalització. L'adaptació a aquests canvis no serà només una qüestió tècnica, sinó estratègica: les empreses que optimitzin el seu contingut visual per a ser entès per agents d'IA tindran un avantatge competitiu clar en la visibilitat i l'eficiència de la comunicació.

Preguntes freqüents

Fonts: Searchenginejournal, Gadgets360 ·