Google Cloud เปิดตัว Gemini ตัวแทนสากลสำหรับการทำงาน

Google Cloud ประกาศเปิดตัวเอเจนต์ Gemini เมื่อวันที่ 8 ตุลาคม 2026 ในงาน Gemini at Work 2026 ของบริษัท โดยอธิบายว่าเป็นเอเจนต์สากลแบบเดียวที่สามารถจัดการงานความรู้ การตอบคำถาม การสร้างเนื้อหา และการเขียนโค้ดจากกล่องข้อความเดียว

In ประกาศบน The Keyword, Google กล่าวว่าเอเจนต์นี้เก็บบริบทธุรกิจขององค์กร, วางแผนงาน, ใช้ทักษะและเครื่องมือ, เชื่อมต่อกับระบบธุรกิจของลูกค้า Cloud, และส่งมอบงานที่เสร็จสมบูรณ์ภายในเอกสาร, กล่องจดหมาย, และสภาพแวดล้อมของนักพัฒนาที่ผู้ใช้ใช้อยู่แล้ว. บริษัทกล่าวว่าเอเจนต์เลือกโมเดลที่ดีที่สุดสำหรับแต่ละงาน, มีการควบคุมค่าใช้จ่ายในตัว, และรองรับความปลอดภัย, การบริหาร, และการกำกับดูแลที่ลูกค้าองค์กรต้องการ. โพสต์โดยละเอียดบน Google Cloud Blog, ที่ดัดแปลงจากสุนทรพจน์เปิดของ CEO Google Cloud Thomas Kurian ในงานดังกล่าว, ระบุสถาปัตยกรรมของเอเจนต์, จุดเข้าถึง, และการควบคุมระดับองค์กร

โพสต์ของ Kurian รายงานว่ามีลูกค้า Google Cloud เกือบ 500 รายแต่ละรายประมวลผลโทเคนมากกว่าหนึ่งล้านล้านโทเคนในปีที่ผ่านมา, เกือบ 80% ของลูกค้า Google Cloud ทั้งหมดใช้ผลิตภัณฑ์ AI ของบริษัท, และเกือบ 90% ของ Fortune 100 ใช้ Gemini Enterprise

โพสต์ระบุผู้ทดสอบและลูกค้าแรกเริ่มที่กล่าวว่ากำลังใช้ความสามารถใหม่เหล่านี้อยู่แล้ว. ตามโพสต์, แบรนด์เครื่องแต่งกายกีฬา On ทดสอบความสามารถในการเลือกโมเดลแบบไดนามิกของเอเจนต์, Shopify ผสานโมเดลแนวหน้าให้กับผู้ค้าเป็นล้านคน, และ PayPal จัดการคำขอหลายโมเดลจำนวน 10 ล้านครั้งต่อสัปดาห์. นอกจากนี้ยังรายงานว่าธนาคารบราซิล Bradesco ลดเวลาการตรวจสอบเอกสารจากหนึ่งชั่วโมงเหลือห้านาที และผู้ให้บริการโทรคมนาคม Orange Spain ได้เปิดใช้เอเจนต์ Gemini Enterprise แบบกำหนดเองมากกว่า 1,000 ตัว

สถาปัตยกรรมเอเจนต์

โพสต์อธิบายเอเจนต์ที่สร้างขึ้นบนชุดของหลักการสถาปัตยกรรม. ในฐานะเอเจนต์รวม, Gemini ตอบคำถามในแชท, ทำงานอัตโนมัติตามเป้าหมายที่ผู้ใช้กำหนด, และสร้างโค้ด, ทั้งหมดนี้จากอินเทอร์เฟซเดียวและ API เดียว; ผู้ใช้สามารถมอบหมายงาน, กำหนดตารางงาน, หรือให้เอเจนต์ตอบสนองต่อเหตุการณ์. การเข้าถึงครอบคลุมเว็บ, อุปกรณ์ iOS และ Android, เดสก์ท็อป Windows และ Mac, คำสั่งบรรทัด, Google Workspace, Microsoft 365, และ Slack, และเอเจนต์ยังสามารถทำงานแบบไม่มีส่วนติดต่อผู้ใช้ภายในแอปพลิเคชันของบุคคลที่สามได้โดยไม่ต้องมีอินเทอร์เฟซเฉพาะ. เนื่องจากทำงานอย่างต่อเนื่องบนคลาวด์, เอเจนต์จะรักษาชุดความจำ, บริบท, และกราฟการปรับส่วนบุคคลเดียวกันบนอุปกรณ์ต่าง ๆ, และงานที่ใช้หลายชั่วโมงหรือหลายวันจะดำเนินต่อไปแม้ผู้ใช้ปิดแล็ปท็อป

สำหรับงานหลายขั้นตอน, Gemini สามารถสร้างซับเอเจนต์ชั่วคราวแบบไดนามิก, แต่ละซับเอเจนต์มีอัตลักษณ์ของตนเอง, และประสานงานขั้นตอนแบบขนานและต่อเนื่องที่อาจทำงานเป็นชั่วโมงหรือหลายวัน. โหมด coworker ให้เอเจนต์มีบทบาทที่คงที่และกำหนดไว้: coworker agents จะได้รับที่อยู่อีเมล @agents.company.com ของตนเองและพื้นที่จัดเก็บที่คงที่, และพวกเขาจะเข้าถึงได้เฉพาะบริบทที่ผู้ใช้หรือสมาชิกทีมให้ไว้. Google ระบุว่าเอเจนต์แยกจากโมเดลที่อยู่ภายใต้มัน, และ Gemini ปัจจุบันประสานงานกับตระกูลโมเดล Gemini และโมเดล Claude ของ Anthropic, พร้อมมีแผนเพิ่มโมเดลส่วนตัวและเปิดอื่น ๆ ในอนาคต, เพื่อจับคู่โมเดลกับแต่ละงานตามคุณภาพและต้นทุน

เครื่องมือ, ทักษะ, และหน่วยความจำ

ตามโพสต์, สามความสามารถให้เอเจนต์มีบริบททางธุรกิจ. ชั้นเครื่องมือเชื่อมต่อ Gemini กับซอฟต์แวร์การทำงานร่วมกันเช่น Confluence, Microsoft Office, Teams, Slack, และ Workspace; เครื่องมือพัฒนารวมถึง Git และ Jira; แพลตฟอร์มองค์กรเช่น Salesforce และ ServiceNow; ฐานข้อมูลเช่น BigQuery, Databricks, Postgres, และ Snowflake; ไฟล์บนเดสก์ท็อปของผู้ใช้เอง; และเซิร์ฟเวอร์ Model Context Protocol ใด ๆ ทั้งภายในและภายนอกเครือข่ายบริษัท. ระบบทะเบียนเครื่องมือระดับองค์กรช่วยให้ทีมสร้างและเผยแพร่เครื่องมือสำหรับส่วนที่เหลือของบริษัท

ทักษะคือชุดคำสั่ง, ความรู้ หรือเวิร์กโฟลว์ที่สามารถนำกลับมาใช้ใหม่ได้ซึ่งจัดเก็บเป็นพรอมต์โมดูลาร์; Gemini มาพร้อมกับห้องสมุดทักษะระดับโลก, ทีมสามารถเผยแพร่ทักษะที่กำหนดเองไปยังทะเบียนบริษัทที่ใช้ร่วมกัน, และบุคคลสามารถสร้างทักษะส่วนบุคคลได้. โพสต์ระบุว่าเอเจนต์เก็บหน่วยความจำสี่ประเภท — เซสชัน, เซมานติก, ขั้นตอน, และเหตุการณ์ — และทำการออนบอร์ดตัวเองเช่นเดียวกับพนักงานใหม่, เรียนรู้ผู้ใช้, เครื่องมือ, และทีมก่อนเริ่มทำงาน

Gemini ใน Google Workspace

Gemini ยังทำงานแบบอินไลน์ภายใน Gmail, Drive, Docs, Slides, Sheets, Chat, และ Calendar, โดยใช้หน่วยความจำ, ทักษะ, และการควบคุมเดียวกันกับที่มีในที่อื่น. โพสต์อธิบายโหมด Workspace ทั้งสาม. ในโหมดช่วยส่วนบุคคล, เอเจนต์มาถึงพร้อมข้อมูลปฏิทิน, ทีม, และโครงการของผู้ใช้แล้ว. ในโหมดการมอบหมายเชิงรุก, Workspace Intelligence จะระบุงานที่สามารถมอบหมายได้และเสนอการส่งต่อด้วยคลิกเดียว. ในโหมด coworker, เอเจนต์จะได้รับบัญชี Workspace ของตนเองพร้อมที่อยู่อีเมล, ปฏิทิน, Drive, และการปรากฏในไดเรกทอรีบริษัท. coworker agent ทำงานภายใต้อัตลักษณ์ของตนเองแทนผู้ใช้, เห็นเฉพาะสิ่งที่แชร์กับมัน, และปฏิบัติตามการตั้งค่าการแชร์และสมาชิกที่ทีมใช้อยู่แล้ว

ทักษะข้อมูลและความเชี่ยวชาญตามอุตสาหกรรม

ทักษะข้อมูลใหม่ทำให้วิศวกรสามารถอธิบายผลลัพธ์ด้วยภาษาธรรมดาในขณะที่ Gemini สร้างโค้ด PySpark จัดหาโน๊ตบุ๊กเพื่อแก้ไขและทดสอบ ฝึกโมเดล และแก้ไขปัญหาในสายงานตามที่โพสต์ระบุ ผู้ใช้ธุรกิจสามารถสร้างรายงานการดำเนินงานแบบเรียลไทม์โดยการถามผ่านทักษะที่รวมกับ BigQuery และ Knowledge Catalog และรายงานที่บันทึกไว้สามารถเรียกใช้ใหม่ตามต้องการโดยไม่ต้องเสียค่าโทเคน

โพสต์ระบุสามความสามารถที่ทำให้คำตอบเหล่านั้นมีพื้นฐานที่มั่นคง: Knowledge Catalog ซึ่งทำแผนที่คำนิยามทางธุรกิจครั้งเดียวเพื่อให้เอเจนต์ทั้งหมดใช้และอ่านเมตริกที่อยู่ใน Databricks, dbt, LookML หรือ SAP; Smart Storage ซึ่งเพิ่มคุณค่าให้กับวัตถุที่ไม่มีโครงสร้างโดยตรง; และ Borderless Lakehouse ที่สืบค้น Amazon S3 และ Azure Data Lake โดยไม่มีค่าธรรมเนียมการส่งออกที่เปลี่ยนแปลงและอ่านข้อมูล Salesforce Data 360, SAP, ServiceNow และ Workday โดยไม่ต้องคัดลอกข้อมูล

การปรับใช้เฉพาะอุตสาหกรรมอยู่ในระยะพรีวิวสำหรับบริการทางการเงินและกฎหมาย โดยมีเวอร์ชันสำหรับรัฐบาล, การดูแลสุขภาพ, และค้าปลีกที่ระบุว่าจะเปิดตัวในเร็ว ๆ นี้ Google ระบุว่าเวอร์ชันบริการทางการเงินอ้างอิงข้อมูลจาก FactSet, LSEG, การยื่นเอกสารของ SEC, และคลังข้อมูลเฉพาะของลูกค้า มีทักษะพื้นฐานมากกว่า 50 รายการ และได้ถูกใช้งานแล้วที่ CME Group และ Deutsche Bank เวอร์ชันกฎหมายสืบทอดสิทธิ์ระดับเรื่องและกำแพงจริยธรรมจากแพลตฟอร์มการจัดการเอกสาร NetDocuments และ iManage; Google ระบุ Harvey และ Onit เป็นพาร์ทเนอร์และกล่าวว่า Cooley กำลังสร้างเอเจนต์การลบข้อมูลที่เป็นความลับบนเวอร์ชันกฎหมาย

ความปลอดภัย, การกำกับดูแล, และการควบคุมค่าใช้จ่าย

ภายใต้โมเดลการกำกับดูแล แต่ละเอเจนต์จะได้รับอัตลักษณ์ที่ได้รับการรับรองด้วยการเข้ารหัสแบบ least-privilege ของตนเอง ซึ่งถูกบันทึกลงในล็อกที่บันทึกการทำงานของมัน พร้อมด้วยสิทธิ์ที่ละเอียดและอิงบทบาทที่ได้รับการอนุมัติจากผู้ดูแลความปลอดภัยขององค์กร; เมื่อเอเจนต์เชื่อมต่อกับระบบภายนอก อัตลักษณ์ของมันจะถูกส่งต่อผ่าน OAuth ทุกการกระทำของเอเจนต์จะถูกบันทึกลงในบันทึกการตรวจสอบโดยอ้างอิงเอเจนต์แทนบุคคลทั้งหมด Gemini เอเจนต์ ทำงานภายใน Agent Sandbox ที่มีขอบเขตเครือข่ายของตนเอง และทราฟฟิกทั้งหมดจะผ่าน Agent Gateway ซึ่งโพสต์อธิบายว่าเป็นไฟร์วอลล์เครือข่าย AI ที่บังคับใช้นโยบายระดับองค์กรแบบเรียลไทม์

การควบคุมค่าใช้จ่ายรวมถึงการประสานงานหลายโมเดล; เครื่องมือ Smart Routing ที่ทำการจัดลำดับงานระดับองค์กรโดยอัตโนมัติเพื่อให้แต่ละงานทำงานบนโมเดลที่ให้ประสิทธิภาพสูงสุดในต้นทุนที่ต่ำที่สุด; และการตั้งขีดจำกัดการใช้จ่ายแบบเรียลไทม์ต่อโครงการใน Cloud Billing Console ซึ่งจะหยุดการทำงานของเอเจนต์ของโครงการเมื่อถึงจุดกำหนด Google ระบุว่าระบบ TPU 8i ล่าสุดของบริษัทมอบประสิทธิภาพด้านราคา‑ประสิทธิภาพดีกว่าเจนเนอเรชันก่อน 80% และได้ตั้งชื่อชุดโมเดลของตนว่า Argon สำหรับการให้เหตุผลระดับแนวหน้า, Flash สำหรับความเร็วและปริมาณ, Omni สำหรับสื่อเชิงสร้าง, และ Gemma สำหรับงานด้านขอบที่มีน้ำหนักเบาและเปิด