Google Cloud przedstawia Gemini, swojego uniwersalnego agenta do pracy

Google Cloud ogłosiło agenta Gemini 8 października 2026 roku podczas wydarzenia Gemini at Work 2026, opisując go jako jednego, uniwersalnego agenta do pracy, który zajmuje się pracą wiedzy, odpowiadaniem na pytania, tworzeniem treści i programowaniem z jednego pola wprowadzania.

W ogłoszeniu w The Keyword Google powiedziało, że agent przechowuje kontekst biznesowy organizacji, planuje pracę, wykorzystuje umiejętności i narzędzia, łączy się z systemami biznesowymi klientów Cloud i zwraca gotową pracę wewnątrz dokumentów, skrzynek odbiorczych oraz środowisk deweloperskich, z których ludzie już korzystają. Firma stwierdziła, że agent wybiera najlepszy model dla każdego zadania, zawiera wbudowane kontrolki kosztów i zapewnia bezpieczeństwo, administrację oraz zarządzanie wymagane przez klientów korporacyjnych. Szczegółowy post na blogu Google Cloud, opracowany na podstawie wystąpienia głównego CEO Google Cloud Thomasa Kuriana na wydarzeniu, przedstawia architekturę agenta, powierzchnie dostępu i kontrolki korporacyjne.

W poście Kuriana podano, że prawie 500 klientów Google Cloud przetworzyło ponad jeden bilion tokenów w ciągu ostatniego roku, że prawie 80 % wszystkich klientów Google Cloud korzysta z jego produktów AI oraz że prawie 90 % firm z listy Fortune 100 używa Gemini Enterprise.

Post wymienia wczesnych testerów i klientów, którzy, jak podano, już korzystają z nowych możliwości. Według posta, marka odzieży sportowej On przetestowała dynamiczną funkcję wyboru modeli agenta, Shopify łączy najnowocześniejsze modele dla milionów sprzedawców, a PayPal kieruje 10 milionów wielomodelowych żądań co tydzień. Raportuje także, że brazylijski bank Bradesco skrócił czas przeglądu dokumentów z jednej godziny do pięciu minut oraz że operator telekomunikacyjny Orange Spain wdrożył ponad 1 000 niestandardowych agentów Gemini Enterprise.

Architektura agenta

Post opisuje agenta zbudowanego wokół zestawu zasad architektonicznych. Jako zintegrowany agent, Gemini odpowiada na pytania w czacie, pracuje autonomicznie nad celami wyznaczonymi przez użytkowników i generuje kod, wszystko z jednego interfejsu i jednego API; użytkownicy mogą przydzielać zadania, planować zadania lub pozwolić agentowi reagować na zdarzenia. Dostęp obejmuje sieć, urządzenia iOS i Android, komputery stacjonarne z systemem Windows i macOS, wiersz poleceń, Google Workspace, Microsoft 365 i Slack, a agent może także działać w trybie bez interfejsu wewnątrz aplikacji firm trzecich. Ponieważ działa stale w chmurze, agent utrzymuje jeden zestaw pamięci, kontekst oraz pojedynczy graf personalizacji we wszystkich urządzeniach, a praca trwająca godziny lub dni kontynuuje się po zamknięciu laptopa przez użytkownika.

W przypadku zadań wieloetapowych Gemini może dynamicznie tworzyć tymczasowe pod-agenty, każdy z własną tożsamością, i koordynować równoległe oraz sekwencyjne kroki, które mogą trwać godziny lub dni. Tryb współpracownika nadaje agentowi trwałą, określoną rolę: agenci współpracownicy otrzymują własne adresy e‑mail @agents.company.com oraz trwałą pamięć, i mają dostęp wyłącznie do kontekstu udostępnionego przez użytkowników lub członków zespołu. Google twierdzi, że agent jest odrębny od leżącego pod nim modelu oraz że Gemini obecnie koordynuje pracę w ramach rodziny modeli Gemini oraz modeli Claude firmy Anthropic, a planowane są inne prywatne i otwarte modele, dopasowując model do każdego zadania pod kątem jakości i kosztu.

Narzędzia, umiejętności i pamięć

Według posta trzy możliwości zapewniają agentowi kontekst biznesowy. Warstwa narzędzi łączy Gemini z oprogramowaniem współpracy, takim jak Confluence, Microsoft Office, Teams, Slack i Workspace; narzędziami deweloperskimi, w tym Git i Jira; platformami korporacyjnymi, takimi jak Salesforce i ServiceNow; bazami danych, w tym BigQuery, Databricks, Postgres i Snowflake; plikami na własnym komputerze użytkownika oraz dowolnym serwerem Model Context Protocol wewnątrz lub poza siecią firmy. Rejestr narzędzi korporacyjnych umożliwia zespołom budowanie i publikowanie narzędzi dla reszty firmy.

Umiejętności to wielokrotnego użytku zestawy instrukcji, wiedzy lub przepływów pracy przechowywane jako modularne podpowiedzi; Gemini dostarcza globalną bibliotekę umiejętności, zespoły mogą publikować własne umiejętności w wspólnym rejestrze firmy, a jednostki mogą tworzyć umiejętności osobiste. Post informuje, że agent utrzymuje cztery rodzaje pamięci — sesyjną, semantyczną, proceduralną i epizodyczną — oraz że wprowadza się samodzielnie tak, jak nowy pracownik, ucząc się użytkownika, narzędzi i zespołu przed rozpoczęciem pracy.

Gemini w Google Workspace

Gemini działa również wbudowany w Gmail, Drive, Docs, Slides, Sheets, Chat i Calendar, zachowując tę samą pamięć, umiejętności i kontrolki, które posiada w innych miejscach. Post opisuje trzy tryby Workspace. W trybie osobistej asysty agent przychodzi już poinformowany o kalendarzu, zespole i projektach użytkownika. W trybie proaktywnego delegowania Workspace Intelligence rozpoznaje zadania delegowalne i oferuje przekazanie jednym kliknięciem. W trybie współpracownika agent otrzymuje własne konto Workspace z adresem e‑mail, kalendarzem, Drive oraz obecnością w katalogu firmy. Agent współpracownik działa pod własną tożsamością, a nie użytkownika, widzi tylko to, co zostało z nim udostępnione, i stosuje ustawienia udostępniania i członkostwa, które zespół już wykorzystuje.

Umiejętności danych i specjalizacje branżowe

Nowe umiejętności danych pozwalają inżynierom opisywać wynik w prostym języku, podczas gdy Gemini generuje kod PySpark, udostępnia notatniki do edycji i testowania, trenuje modele oraz rozwiązuje problemy z potokami, zgodnie z wpisem. Użytkownicy biznesowi mogą generować raporty operacyjne w czasie rzeczywistym, zadając pytania poprzez umiejętności zintegrowane z BigQuery i Katalogiem Wiedzy, a zapisane raporty mogą być ponownie uruchamiane na żądanie bez ponoszenia kosztów tokenów.

W poście wymieniono trzy możliwości, które utrzymują te odpowiedzi w oparciu o fakty: Katalog Wiedzy, który mapuje definicje biznesowe raz, aby wszystkie agenty mogły ich używać i odczytuje metryki tam, gdzie znajdują się w Databricks, dbt, LookML lub SAP; Inteligentne Przechowywanie, które wzbogaca nieustrukturyzowane obiekty w miejscu; oraz Bezgraniczny Lakehouse, który zapytuje Amazon S3 i Azure Data Lake bez opłat za zmienny transfer danych oraz odczytuje Salesforce Data 360, SAP, ServiceNow i Workday bez kopiowania danych.

Specjalizacje branżowe są w wersji podglądowej dla usług finansowych i sektora prawnego, a wersje dla rządu, opieki zdrowotnej i handlu detalicznego są wymienione jako nadchodzące. Google poinformowało, że wersja dla usług finansowych korzysta z danych pochodzących z FactSet, LSEG, dokumentów SEC oraz własnych, prywatnych repozytoriów klienta, zawiera ponad 50 podstawowych umiejętności i jest już wykorzystywana w CME Group oraz Deutsche Bank. Wersja prawna dziedziczy uprawnienia na poziomie spraw oraz etyczne bariery z platform zarządzania dokumentami NetDocuments i iManage; Google wymienia Harvey i Onit jako partnerów oraz podaje, że Cooley buduje agenta do redakcji poufnych informacji w wersji prawnej.

Bezpieczeństwo, zarządzanie i kontrola kosztów

Zgodnie z modelem zarządzania, każdy agent otrzymuje własną kryptograficznie potwierdzoną tożsamość o najniższych uprawnieniach, która jest zapisywana w logach rejestrujących jego pracę, wraz z drobnymi, oparte na rolach uprawnieniami zatwierdzonymi przez administratorów bezpieczeństwa organizacji; gdy agent łączy się z zewnętrznym systemem, jego tożsamość jest propagowana przez OAuth. Każde działanie agenta jest zapisywane w ścieżce audytu przypisanej agentowi, a nie osobie. Wszystkie agenci Gemini działają wewnątrz piaskownicy agenta z własną granicą sieciową, a cały ruch przechodzi przez Agent Gateway, który w poście opisano jako zaporę sieciową AI wymuszającą organizacyjne polityki w czasie rzeczywistym.

Kontrole kosztów obejmują orkiestrację wielomodelową; narzędzie Inteligentnego Trasowania, które automatycznie przydziela obciążenia przedsiębiorstwa tak, aby każde działało na modelu zapewniającym maksymalną wydajność przy najniższym możliwym koszcie; oraz limity wydatków w czasie rzeczywistym ustawiane per projekt w konsoli rozliczeń w chmurze, które wstrzymują agenta projektu po ich przekroczeniu. Google poinformowało, że najnowszy system TPU 8i zapewnia o 80 % lepszą relację ceny do wydajności niż poprzednia generacja, a jego lineup modeli nazwano Argon dla zaawansowanego rozumowania, Flash dla szybkości i wolumenu, Omni dla generatywnych mediów oraz Gemma dla lekkich, otwarto‑wagowych obciążeń brzegowych.