AI-modeller og plattformer
Google Cloud presenterer Gemini, sin universelle agent for arbeid

Viktige punkterGemini forener chat, autonomt arbeid og koding bak ett grensesnitt og én API.
Vis mer
- Gemini forener chat, autonomt arbeid og koding bak ett grensesnitt og én API.
- Kollega-agenter får egne e-postadresser og lagring, mens de bare ser delt kontekst.
- Hver agenthandling logges under agentens egen identitet i stedet for en persons.
Google Cloud kunngjorde Gemini‑agenten 8. oktober 2026 på sitt Gemini at Work 2026‑arrangement, og beskrev den som en enkelt, universell agent for arbeid som håndterer kunnskapsarbeid, spørsmål‑svar, innholdsproduksjon og koding fra én prompt‑boks.
I kunngjøringen på The Keyword sa Google at agenten innehar en organisasjons forretningskontekst, planlegger arbeidet, bruker ferdigheter og verktøy, kobler til Cloud‑kunders forretningssystemer, og leverer ferdig arbeid i dokumentene, innbokser og utviklermiljøer folk allerede bruker. Selskapet sa at agenten velger den beste modellen for hver oppgave, inkluderer innebygde kostnadskontroller, og har den sikkerheten, administrasjonen og styringen enterprise‑kundene krever. Et detaljert innlegg på Google Cloud Blog, tilpasset fra Google Cloud‑administrerende direktør Thomas Kurian sin hovedtale på arrangementet, beskriver agentens arkitektur, tilgangspunkter og enterprise‑kontroller.
Kurian‑innlegget rapporterer at nesten 500 Google Cloud‑kunder hver behandlet mer enn én billion token i løpet av det foregående året, at nesten 80 % av alle Google Cloud‑kunder bruker deres AI‑produkter, og at nesten 90 % av Fortune‑100‑bedriftene bruker Gemini Enterprise.
Innlegget nevner tidlige testere og kunder som det sier allerede bruker de nye funksjonene. Ifølge innlegget testet sportsklærmerket On agentens dynamiske modell‑utvelgelses‑funksjon, Shopify blander fremste modeller for millioner av forhandlere, og PayPal ruter 10 millioner fler‑modell‑forespørsler hver uke. Det rapporterer også at den brasilianske banken Bradesco reduserte dokumentgjennomgangstiden fra én time til fem minutter, og at telekommunikasjonsoperatøren Orange Spain har distribuert mer enn 1 000 tilpassede Gemini Enterprise‑agenter.
Agentarkitektur
Innlegget beskriver en agent bygget rundt et sett med arkitektoniske prinsipper. Som en samlet agent svarer Gemini på spørsmål i chat, arbeider autonomt med mål brukerne tilordner, og genererer kode, alt fra ett enkelt grensesnitt og ett enkelt API; brukere kan tildele arbeid, planlegge oppgaver, eller få agenten til å reagere på hendelser. Tilgang spenner over nettet, iOS‑ og Android‑enheter, Windows‑ og Mac‑datamaskiner, kommandolinjen, Google Workspace, Microsoft 365 og Slack, og agenten kan også kjøre uten brukergrensesnitt inne i tredjepartsapplikasjoner. Fordi den kjører vedvarende i skyen, opprettholder agenten ett sett med minner, kontekst og én personaliseringsgraf på tvers av enheter, og arbeid som tar timer eller dager fortsetter etter at en bruker har lukket en laptop.
For flerstegsoppgaver kan Gemini dynamisk opprette midlertidige under‑agenter, hver med sin egen identitet, og koordinere parallelle og sekvensielle trinn som kan kjøre i timer eller dager. En kollega‑modus gir agenten en vedvarende, definert rolle: kollega‑agenter får sine egne @agents.company.com‑e‑postadresser og vedvarende lagring, og de har kun tilgang til konteksten brukere eller teammedlemmer gir. Google sier at agenten er adskilt fra modellen under den, og at Gemini for øyeblikket orkestrerer på tvers av sin Gemini‑modelfamilie og Anthropics Claude‑modeller, med andre private og åpne modeller planlagt, slik at modellen matches til hver oppgave for kvalitet og kostnad.
Verktøy, ferdigheter og minne
Ifølge innlegget gir tre funksjoner agenten sin forretningskontekst. Et verktøylag kobler Gemini til samarbeidsprogramvare som Confluence, Microsoft Office, Teams, Slack og Workspace; utviklingsverktøy inkludert Git og Jira; bedriftsplattformer som Salesforce og ServiceNow; databaser som BigQuery, Databricks, Postgres og Snowflake; filer på brukerens egen desktop; og enhver Model Context Protocol‑server innenfor eller utenfor selskapets nettverk. Et bedriftsverktøyregister lar team bygge og publisere verktøy for resten av selskapet.
Ferdigheter er gjenbrukbare sett med instruksjoner, kunnskap eller arbeidsflyter lagret som modulære prompts; Gemini leveres med et globalt ferdighetsbibliotek, team kan publisere tilpassede ferdigheter til et delt bedriftsregister, og enkeltpersoner kan bygge personlige ferdigheter. Innlegget sier at agenten beholder fire typer minne – økt, semantisk, prosedyre‑ og episodisk – og at den ombordstiller seg selv på samme måte som en nyansatt, ved å bli kjent med brukeren, verktøyene og teamet før arbeidet starter.
Gemini i Google Workspace
Gemini fungerer også direkte i Gmail, Drive, Docs, Slides, Sheets, Chat og Calendar, og beholder samme minne, ferdigheter og kontroller som den har andre steder. Innlegget beskriver tre Workspace‑moduser. I en personlig‑assistent‑modus ankommer agenten allerede informert om brukerens kalender, team og prosjekter. I en proaktiv‑delegasjons‑modus gjenkjenner Workspace Intelligence delegérbare oppgaver og tilbyr en ett‑klikk‑overlevering. I kollega‑modusen får agenten sin egen Workspace‑konto med e‑postadresse, kalender, Drive og en tilstedeværelse i bedriftskatalogen. En kollega‑agent handler under sin egen identitet i stedet for brukerens, ser kun det som deles med den, og følger delings‑ og medlemskapsinnstillingene teamet allerede bruker.
Dataferdigheter og bransjespesialiseringer
Nye dataskills lar ingeniører beskrive et resultat i vanlig språk mens Gemini genererer PySpark‑kode, leverer notatbøker for å redigere og teste den, trener modeller og feilsøker pipeline‑problemer, ifølge innlegget. Forretningsbrukere kan generere sanntids‑driftsrapporter ved å spørre, gjennom skills integrert med BigQuery og Knowledge Catalog, og lagrede rapporter kan kjøres på nytt på forespørsel uten å pådra seg token‑kostnader.
Innlegget nevner tre funksjoner som holder svarene forankret: Knowledge Catalog, som kartlegger forretningsdefinisjoner én gang slik at alle agenter bruker dem og leser måleverdier der de befinner seg i Databricks, dbt, LookML eller SAP; Smart Storage, som beriker ustrukturerte objekter på stedet; og en Borderless Lakehouse som spørrer Amazon S3 og Azure Data Lake uten variable egress‑avgifter og leser Salesforce Data 360, SAP, ServiceNow og Workday uten å kopiere data.
Bransjespesialiseringer er i forhåndsvisning for Financial Services og Legal, med versjoner for Government, Healthcare og Retail oppført som kommende. Google sa at Financial Services‑versjonen trekker på data fra FactSet, LSEG, S&P Global, SEC‑innleveringer og en kundes egne proprietære lagre, leveres med mer enn 50 grunnleggende skills, og allerede er i bruk hos CME Group og Deutsche Bank. Legal‑versjonen arver sak‑nivå tillatelser og etiske vegger fra dokumenthåndteringsplattformene NetDocuments og iManage; Google nevner Harvey og Onit som partnere og sier at Cooley bygger en agent for sladding av konfidensiell informasjon på Legal‑versjonen.
Sikkerhet, styring og kostnadskontroller
I henhold til styringsmodellen får hver agent sin egen kryptografisk attesterte, minst‑privilegerte identitet som merkes i loggene som fanger opp arbeidet, sammen med fin‑granulære, rollebaserte tillatelser godkjent av organisasjonens sikkerhetsadministratorer; når agenten kobler til et eksternt system, propagerer identiteten gjennom OAuth. Hver handling agenten utfører skrives til et revisjonsspor som tilskrives agenten i stedet for en person. Alle Gemini‑agenter kjører inne i en Agent Sandbox med sin egen nettverksgrense, og all trafikk går gjennom Agent Gateway, som innlegget beskriver som en AI‑nettverksbrannmur som håndhever organisasjonsomfattende policyer i sanntid.
Kostnadskontroller inkluderer multi‑modell orkestrering; et Smart Routing‑verktøy som automatisk prioriterer bedriftsarbeidsbelastninger slik at hver kjører på modellen som gir maksimal ytelse til lavest mulig kostnad; og sanntids‑utgiftsgrenser satt per prosjekt i Cloud Billing Console, som pauserer et prosjekts agent når de utløses. Google sa at deres nyeste TPU 8i‑system leverer 80 % bedre pris‑ytelse enn forrige generasjon, og de navnga modellporteføljen som Argon for grensereasoning, Flash for hastighet og volum, Omni for generativ media, og Gemma for lettvektige, åpne‑vekt‑edge‑arbeidsbelastninger.












