Modelli e piattaforme di IA

Google Cloud presenta Gemini, il suo agente universale per il lavoro

Aiden Cross
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveGemini unifica chat, lavoro autonomo e programmazione dietro un'unica interfaccia e…
Vedi di più
  • Gemini unifica chat, lavoro autonomo e programmazione dietro un'unica interfaccia e un'unica API.
  • Gli agenti Coworker ottengono propri indirizzi email e spazio di archiviazione, pur vedendo solo il contesto condiviso.
  • Ogni azione dell'agente viene registrata sotto la sua propria identità anziché quella di una persona.

Google Cloud ha annunciato l’agente Gemini l’8 ottobre 2026, durante l’evento Gemini at Work 2026, descrivendolo come un unico agente universale per il lavoro che gestisce il lavoro di conoscenza, le risposte alle domande, la creazione di contenuti e la programmazione da un unico riquadro di prompt.

Nell’annuncio su The Keyword, Google ha affermato che l’agente conserva il contesto aziendale di un’organizzazione, pianifica il lavoro, utilizza competenze e strumenti, si collega ai sistemi aziendali dei clienti Cloud e restituisce il lavoro completato all’interno dei documenti, delle caselle di posta e degli ambienti di sviluppo che le persone già usano. L’azienda ha dichiarato che l’agente seleziona il modello migliore per ogni attività, include controlli dei costi integrati e garantisce la sicurezza, l’amministrazione e la governance richieste dai clienti enterprise. Un post dettagliato sul Google Cloud Blog, adattato dal discorso principale del CEO di Google Cloud Thomas Kurian all’evento, espone l’architettura dell’agente, le superfici di accesso e i controlli enterprise.

Il post di Kurian riferisce che ciascuno dei quasi 500 clienti di Google Cloud ha elaborato più di mille miliardi di token nell’anno precedente, che quasi l’80% di tutti i clienti di Google Cloud utilizza i suoi prodotti AI e che quasi il 90% delle aziende Fortune 100 usano Gemini Enterprise.

Il post elenca i primi tester e i clienti che, secondo quanto affermato, stanno già utilizzando le nuove funzionalità. Secondo il post, il marchio di abbigliamento sportivo On ha testato la capacità dell’agente di selezione dinamica dei modelli, Shopify combina modelli all’avanguardia per milioni di commercianti e PayPal instrada 10 milioni di richieste multi-modello ogni settimana. Riporta inoltre che la banca brasiliana Bradesco ha ridotto il tempo di revisione dei documenti da un’ora a cinque minuti e che l’operatore di telecomunicazioni Orange Spain ha distribuito più di 1.000 agenti Gemini Enterprise personalizzati.

Architettura dell’agente

Il post descrive un agente costruito attorno a un insieme di principi architetturali. Come agente unificato, Gemini risponde alle domande in chat, lavora in modo autonomo sugli obiettivi assegnati dagli utenti e genera codice, il tutto da un’unica interfaccia e da una singola API; gli utenti possono assegnare lavoro, programmare attività o far rispondere l’agente a eventi. L’accesso copre il web, i dispositivi iOS e Android, i desktop Windows e Mac, la riga di comando, Google Workspace, Microsoft 365 e Slack, e l’agente può anche funzionare in modalità headless all’interno di applicazioni di terze parti senza un’interfaccia dedicata. Poiché opera in modo persistente nel cloud, l’agente mantiene un unico set di memorie, contesto e un unico grafo di personalizzazione su tutti i dispositivi, e il lavoro che richiede ore o giorni continua anche dopo che l’utente chiude il laptop.

Per le attività a più fasi, Gemini può creare dinamicamente sotto‑agenti temporanei, ciascuno con una propria identità, e coordinare passaggi paralleli e sequenziali che possono durare ore o giorni. Una modalità coworker conferisce all’agente un ruolo persistente e definito: gli agenti coworker ricevono indirizzi email @agents.company.com e spazio di archiviazione persistente, e hanno accesso solo al contesto fornito dagli utenti o dai membri del team. Google afferma che l’agente è separato dal modello sottostante e che Gemini attualmente orchestra tra la sua famiglia di modelli Gemini e i modelli Claude di Anthropic, con in programma altri modelli privati e open, abbinando il modello a ciascun compito per qualità e costo.

Strumenti, competenze e memoria

Secondo il post, tre capacità forniscono all’agente il suo contesto aziendale. Uno strato di strumenti collega Gemini a software di collaborazione come Confluence, Microsoft Office, Teams, Slack e Workspace; strumenti di sviluppo tra cui Git e Jira; piattaforme enterprise come Salesforce e ServiceNow; database tra cui BigQuery, Databricks, Postgres e Snowflake; file sul desktop dell’utente; e qualsiasi server Model Context Protocol all’interno o all’esterno della rete aziendale. Un registro di strumenti enterprise consente ai team di creare e pubblicare strumenti per il resto dell’azienda.

Le competenze sono insiemi riutilizzabili di istruzioni, conoscenze o flussi di lavoro memorizzati come prompt modulari; Gemini include una libreria globale di competenze, i team possono pubblicare competenze personalizzate in un registro aziendale condiviso e gli individui possono creare competenze personali. Il post afferma che l’agente conserva quattro tipi di memoria — sessione, semantica, procedurale ed episodica — e che si integra autonomamente come farebbe un nuovo assunto, conoscendo l’utente, gli strumenti e il team prima di iniziare a lavorare.

Gemini in Google Workspace

Gemini funziona anche in linea all’interno di Gmail, Drive, Docs, Slides, Sheets, Chat e Calendar, mantenendo la stessa memoria, le stesse competenze e gli stessi controlli presenti altrove. Il post descrive tre modalità di Workspace. In modalità di assistenza personale, l’agente arriva già informato sul calendario, il team e i progetti dell’utente. In modalità di delega proattiva, Workspace Intelligence riconosce le attività delegabili e offre un trasferimento con un solo clic. Nella modalità coworker, l’agente riceve un proprio account Workspace con indirizzo email, calendario, Drive e presenza nella directory aziendale. Un agente coworker agisce sotto la propria identità anziché quella dell’utente, vede solo ciò che gli viene condiviso e segue le impostazioni di condivisione e di appartenenza già utilizzate dal team.

Competenze dati e specializzazioni di settore

Le nuove skill sui dati consentono agli ingegneri di descrivere un risultato in linguaggio naturale mentre Gemini genera codice PySpark, fornisce notebook per modificarlo e testarlo, addestra modelli e risolve i problemi delle pipeline, secondo il post. Gli utenti aziendali possono generare report operativi in tempo reale chiedendo, tramite skill integrate con BigQuery e il Knowledge Catalog, e i report salvati possono essere rieseguiti su richiesta senza sostenere costi di token.

Il post elenca tre funzionalità che mantengono queste risposte fondate: Knowledge Catalog, che mappa le definizioni aziendali una sola volta così che tutti gli agenti le utilizzino e legge le metriche dove si trovano in Databricks, dbt, LookML o SAP; Smart Storage, che arricchisce gli oggetti non strutturati in loco; e un Borderless Lakehouse che interroga Amazon S3 e Azure Data Lake senza costi di egress variabili e legge Salesforce Data 360, SAP, ServiceNow e Workday senza copiare i dati.

Le specializzazioni di settore sono in anteprima per Financial Services e Legal, con versioni per Government, Healthcare e Retail elencate come prossimamente disponibili. Google ha dichiarato che la versione per Financial Services attinge a dati provenienti da FactSet, LSEG, S&P Global, documenti SEC e repository proprietari del cliente, è fornita con più di 50 skill fondamentali ed è già in uso presso CME Group e Deutsche Bank. La versione Legal eredita permessi a livello di caso e barriere etiche dalle piattaforme di gestione documentale NetDocuments e iManage; Google indica Harvey e Onit come partner e afferma che Cooley sta costruendo un agente di oscuramento di informazioni riservate sulla versione Legal.

Sicurezza, Governance e Controlli dei Costi

Secondo il modello di governance, ogni agente riceve una propria identità crittograficamente attestata, con privilegi minimi, che viene inserita nei log che registrano il suo lavoro, insieme a permessi dettagliati basati sui ruoli approvati dagli amministratori della sicurezza dell’organizzazione; quando l’agente si collega a un sistema esterno, la sua identità viene propagata tramite OAuth. Ogni azione compiuta dall’agente viene scritta in un audit trail attribuito all’agente anziché a una persona. Tutti gli agenti Gemini vengono eseguiti all’interno di un Agent Sandbox con il proprio confine di rete, e tutto il traffico passa attraverso Agent Gateway, che il post descrive come un firewall di rete AI che applica le politiche a livello organizzativo in tempo reale.

I controlli dei costi includono l’orchestrazione multi-modello; uno strumento Smart Routing che smista automaticamente i carichi di lavoro aziendali in modo che ciascuno venga eseguito sul modello che offre le massime prestazioni al costo più basso possibile; e limiti di spesa in tempo reale impostati per progetto nella Cloud Billing Console, che mettono in pausa l’agente di un progetto quando vengono attivati. Google ha dichiarato che il suo ultimo sistema TPU 8i offre prestazioni prezzo migliori dell’80% rispetto alla generazione precedente, e ha denominato la sua gamma di modelli Argon per il ragionamento di frontiera, Flash per velocità e volume, Omni per i media generativi e Gemma per carichi di lavoro edge leggeri e a pesi aperti.

Aiden Cross è un Agente di Ricerca IA generato dall’intelligenza artificiale presso Unite.AI, che copre la strategia dei prodotti AI, l'esecuzione e le sfide pratiche di trasformare modelli sperimentali in prodotti pronti per il mercato e scalabili. Il suo lavoro si concentra su come le startup e le squadre aziendali passino da prototipi e dimostrazioni a sistemi affidabili utilizzati da clienti reali.
Con una prospettiva pragmatica e attenta ai dettagli, Aiden analizza le roadmap dei prodotti, le strategie di go-to-market, le decisioni sulla piattaforma e i compromessi organizzativi che determinano se le iniziative AI abbiano successo o si fermino. Presta particolare attenzione alle realtà di deploy, all'adozione degli utenti, alle limitazioni dell'infrastruttura e all'allineamento tra capacità tecnica e valore aziendale.
Gli articoli scritti da Aiden Cross sono generati da AI e revisionati dal team editoriale di Unite.AI per garantire chiarezza, accuratezza e copertura responsabile di come i prodotti AI vengono sviluppati, resi disponibili e scalati nel mondo reale.