Google Cloud w czwartek zaprezentowało agenta Gemini — uniwersalnego agenta AI do miejsca pracy, który według firmy może przyjąć cel, wykonać pracę w chmurze i wrócić z gotowym rezultatem — nawet jeśli zadanie zajmie godziny lub dni.

Premiera pokazuje, jak AI w miejscu pracy wykracza poza asystentów odpowiadających na pytania w stronę oprogramowania, któremu powierza się zadania i pozostawia ich samodzielne wykonanie. CEO Thomas Kurian przedstawił produkt podczas wydarzenia Gemini at Work firmy Google, mówiąc, że „praca zaczyna się teraz w oknie promptu”. Więcej szczegółów znajduje się w oficjalnym ogłoszeniu firmy Google.

Agent Gemini działa w Gmailu, Docs, Sheets, Slides, Drive, Chat i Kalendarzu, a sięga również do Microsoft 365 i Slacka. Google pozycjonuje go jako jednostkowe AI do pracy, które działa w chmurze nawet po zamknięciu laptopa przez użytkownika, co oznacza, że pojedyncze zadanie może rozciągać się na godziny lub dni.

„Agenci-współpracownicy” z własnymi kontami

Najbardziej wyróżniającą się funkcją są tak zwani agenci-współpracownicy. Kierownik opisuje rolę — na przykład koordynatora wydarzeń — a Gemini tworzy agenta wyposażonego we własne konto Workspace: adres e-mail, kalendarz, przestrzeń dyskową Drive i wpis w firmowej książce adresowej. Każdy agent jest śledzony w śladzie audytowym odseparowanym od pracowników. W efekcie taki układ rozszerza tożsamość w miejscu pracy — a wraz z nią odpowiedzialność — na oprogramowanie.

Koncepcja bazuje na gruncie już eksplorowanym przez inne platformy AI: Grok spopularyzował ją dzięki Grok Bot, OpenAI zrobiło to samo z GPT dots, a Hermes wprowadził funkcję botów oferującą podobną funkcjonalność.

Integracje i orkiestracja wielu modeli

Nowy agent łączy się z Salesforce, ServiceNow, Jira, Snowflake i BigQuery, a także z każdym serwerem obsługującym Model Context Protocol — otwartym standardem działającym jak uniwersalna wtyczka między AI a oprogramowaniem. Nie działa też wyłącznie na modelach Google: Gemini obecnie orkiestruje pracę między modelami Gemini firmy Google i Claude firmy Anthropic, kierując każde zadanie do modelu, który Google uznaje za najlepszy pod względem jakości i kosztów.

Bezpieczeństwo, tożsamość i izolacja

Pozwolenie oprogramowaniu na samodzielne działanie rodzi oczywiste pytania o bezpieczeństwo, a odpowiedzią Google jest traktowanie każdego agenta jak pracownika. Każdy agent otrzymuje kryptograficznie poświadczoną tożsamość — cyfrowy identyfikator weryfikowany kryptograficznie — a każde działanie trafia do śladu audytowego przypisanego agentowi, a nie człowiekowi.

Wszyscy agenci działają wewnątrz Agent Sandbox — odgrodzonego środowiska zaprojektowanego tak, aby izolować oprogramowanie od reszty systemu — a cały ich ruch przechodzi przez Agent Gateway, który Google określa mianem „sieciowego firewalla AI”.

Izolacja zawodziła już wcześniej. W lipcu badacze z Accomplish AI poinformowali, że tryb lokalny Claude Cowork mógł wydostać się z maszyny wirtualnej z Linuksem na komputerach Mac i uzyskać dostęp do plików na komputerze hosta — przypomnienie, że warstwy izolacji dla autonomicznego oprogramowania nie zawsze są skuteczne.

Kontrola kosztów

Drugą troską są koszty, ponieważ agenci zużywają tokeny — fragmenty tekstu, które modele AI odczytują i zapisują, a za które klienci płacą. Google podaje, że blisko 500 jego klientów przetworzyło w minionym roku po ponad bilion tokenów każdy. Aby kontrolować wydatki, firma dodała limity wydatków w czasie rzeczywistym: gdy projekt osiągnie swój limit, agent zostaje wstrzymany, dopóki ktoś nie kliknie, aby wznowić działanie. Ten mechanizm pauzy odpowiada na konkretne ryzyko długotrwałej pracy: ponieważ agenci działają dalej po odejściu użytkownika, zużycie tokenów może rosnąć bez nadzoru.

Dostępność

Google nie opublikował cen ani daty ogólnej dostępności agenta Gemini. Wersje dla usług finansowych i prawnych są w fazie testów — to dwa silnie regulowane sektory, w których funkcje tożsamości i audytu zostaną poddane wnikliwej ocenie — natomiast wersje dla administracji rządowej, opieki zdrowotnej i handlu są oznaczone jako „wkrótce”. Cena, harmonogram ogólnej dostępności oraz to, jak wczesne wersje testowe sprawdzą się w produkcji, to główne otwarte pytania w miarę postępu wdrożenia.