Google uruchomiło Gemini Spark, nowego agenta AI zaprojektowanego, by przejmować od użytkowników całe zadania — prowadzić badania, pisać kod, przygotowywać raporty i wracać z gotowym produktem. Usługa wystartowała w czwartek poprzez Google Cloud, oferując przedsiębiorstwom system AI zaprojektowany do kompleksowej realizacji pracy, zgodnie z wpisem na blogu Google Cloud.

Jak opisano na stronie Google, użytkownicy mogą zlecić pracę dziś, a zostanie ona ukończona długo po wyłączeniu ich laptopów. Firma przedstawia to jako odejście od znanego schematu delegowania pojedynczego zadania, takiego jak napisanie e-maila, przy jednoczesnym samodzielnym zajmowaniu się wszystkim innym.

Premiera stawia Alphabet (GOOGL) obok konkurentów, którzy wykonali podobne ruchy. We wrześniu OpenAI zaprezentowało swoich agentów dots, którzy nieustannie pracują dla użytkowników, a Meta (META) odpowiedziała systemem Muse, potrafiącym obsługiwać zakupy, rezerwacje podróży, e-maile i płatności. Akcje Alphabet wzrosły o 2,2% po czwartkowym ogłoszeniu. Skoro Alphabet, OpenAI i Meta oferują już systemy zaprojektowane do działania w imieniu użytkowników ponad pojedyncze zapytanie, akcent w branży przesuwa się jednorazowej pomocy w stronę oprogramowania, które doprowadza zadanie do końca.

Praca w aplikacjach bez stałego nadzoru

Godnym uwagi aspektem Gemini Spark jest to, jaką część odpowiedzialności Google chce, aby firmy jej powierzyły. W scenariuszu opisanym przez firmę pracownik, który potrzebuje informacji z kilku działów, uporządkowanych w arkusz kalkulacyjny i przekształconych w raport gotowy do prezentacji, może zlecić całe zadanie Gemini zamiast żądać każdego kroku osobno.

Agent ustala, co należy zrobić, identyfikuje odpowiednie oprogramowanie, zbiera niezbędne informacje i przygotowuje wymagany rezultat. Dla użytkowników biznesowych oznacza to mniej pośrednich poleceń: zamiast prowadzić asystenta przez każdy krok, pracownik opisuje pożądany efekt, a agent zajmuje się całą sekwencją pośrednią.

Gemini może działać w Gmailu, Dokumentach, Arkuszach i Kalendarzu, ale Google nie zamyka go w ramach Workspace: firmy korzystające z Microsoft 365 lub Slack również mogą korzystać z usługi. Ta elastyczność obejmuje także urządzenia. Pracownicy mogą używać agenta przez przeglądarki, iPhone'y, telefony z Androidem, komputery z Windows, Maci, a nawet wiersze poleceń dla deweloperów, a firmy produkujące oprogramowanie mogą zintegrować go ze swoimi produktami bez wymogu otwierania osobnego okna Gemini.

Google rozwiązało też jedną z bardziej irytujących kwestii pracy z AI: konieczność wielokrotnego tłumaczenia się. Ponieważ Gemini działa na Google Cloud, zachowuje tę samą pamięć roboczą i kontekst niezależnie od tego, skąd pracownik się z nim łączy. Użytkownik może rozpocząć zadanie na komputerze biurowym, śledzić jego postępy ze smartfona iynuować następnego dnia bez ponownego zaczynania.

Co najważniejsze, długo trwające zadania nie zależą od tego, czy urządzenie pozostaje włączone. Pracownicy mogą zaplanować wykonanie zadań na później albo sprawić, by agent zainicjował je automatycznie w momencie wystąpienia określonych zdarzeń w podłączonym systemie. Ta niezależność od pojedynczej maszyny sprawia, że model „zleć teraz, odbierz później” opisywany przez Google działa poza godzinami pracy pracownika.

Google wbudowało dodatkowo w Gemini sposób dzielenia trudnych zadań między kilka mniejszych robotów AI. Te tymczasowe pod-agenty mogą jednocześnie zajmować się różnymi częściami projektu lub realizować je w określonej kolejności, przy czym Gemini zarządza ich działaniami i łączy wyniki.

Współpracownicy AI z własną tożsamością korporacyjną

Google rozwija tę koncepcję dzięki temu, co nazywa agentami-współpracownikami, za pośrednictwem których firmy mogą tworzyć cyfrowych pracowników z trwałymi obowiązkami, indywidualną pamięcią masową, a nawet służbowymi adresami e-mail kończącymi się na @agents.company.com. Cyfrowy współpracownik AI mógłby obsługiwać różne zadania przez kilka dni, komunikować się z innymi agentami i prowadzić własną historię pracy.

Istnieją jednak granice. Google informuje, że każdy współpracownik otrzymuje dostęp wyłącznie do tych informacji firmowych, którymi pracownicy decydują się go podzielić. Firmy mogą też tworzyć dedykowane środowiska projektowe, pozwalając Gemini zaznajomić się z konkretnymi narzędziami, instrukcjami i przepływami pracy. System wykorzystuje wcześniejsze interakcje, by lepiej zrozumieć, jak ktoś pracuje, zamiast traktować każde zapytanie jak zupełnie nową rozmowę.

Być może bardziej nietypową decyzją jest to, że Google nie uzależnia Gemini wyłącznie od własnych modeli AI. Platforma obecnie korzysta zarówno z Gemini, jak i Claude od Anthropic, wybierając model lepiej dopasowany do konkretnego zadania. Skomplikowany problem programistyczny może wymagać mocniejszego modelu, podczas gdy proste zadanie może zostać wykonane na tańszym.

Google argumentuje, że ta elastyczność może pomóc firmom kontrolować wydatki bez poświęcania wydajności w wymagającej pracy. Firma zamierza też wprowadzać inne komercyjne i otwarte modele miarę rozwoju technologii, co oznacza, że przedsiębiorstwa będą mogły przełączać się między silnikami AI, zachowując przy tym istniejące dane, konfiguracje i historię pracy. Dla firm rozważających platformy agentów zapowiedziany plan — wymiana modeli bazowych bez utraty zapisanego kontekstu i ustawień — to konkretny rozwój, który warto obserwować w miarę rozszerzania oferty.

Źródło: Cryptopolitan