Google Cloud ha reformulat Gemini com a més que una interfície de model de marca. En el seu anunci Gemini at Work 2026 el 8 d'octubre, l'empresa va descriure Gemini com un únic agent universal per a la feina: una caixa de missatges que pot respondre preguntes, gestionar el treball de coneixement, crear mitjans, escriure i executar codi i operar en sistemes empresarials.
El canvi més important per als compradors empresarials és l'arquitectònic. Google diu que la capa d'agent està separada del model subjacent, cosa que permet Gemini orquestrar el treball entre Gemini models i Claude models de Anthropic avui, amb models privats i oberts addicionals planificats. Això situa el producte d'agent empresarial de Google a la mateixa categoria estratègica que una porta d'entrada d'IA multimodel API, tot i que s'embolica dins d'un espai de treball i una plataforma al núvol en lloc d'exposar-se només com a infraestructura de desenvolupadors.
L'anunci també afegeix una història de govern al voltant d'aquesta capa d'agent. Google diu que Gemini pot crear subagents de manera dinàmica, executar treballs persistents al núvol, connectar-se a eines empresarials i servidors MCP i operar amb identitats d'agent, pistes d'auditoria, sandboxing i una passarel·la d'agents. Per a les empreses que avaluen els assistents d'IA, això vol dir que la pregunta de compra ja no és simplement quin model és millor. És si la plataforma d'agent pot dirigir el treball, demostrar qui o què ha actuat, limitar l'ús de l'eina i mantenir la despesa dins de la política.
Què ha canviat
La funció de titular no és només que Gemini pugui utilitzar diversos models. És que Google presenta l'elecció del model com una funció del pla de control de l'empresa. L'agent pot triar entre els models de sota la superfície, mentre que als administradors empresarials se'ls promet mecanismes de govern i gestió de costos per sobre.
Google diu que els controls de costos inclouen l'orquestració multimodel, l'encaminament intel·ligent i els límits de despesa en temps real. Això és important perquè els fluxos de treball d'agents són més difícils de pressupostar que les trucades de xat normals. Una sol·licitud d'usuari únic pot activar la recuperació, les trucades d'eines, l'execució de codi, la delegació de subagents, els reintents i el treball en segon pla de llarga durada. Sense límits i visibilitat d'ús, un assistent útil pot convertir-se en una despesa operativa imprevisible.
L'anunci també vincula l'encaminament del model amb la identitat i l'auditabilitat de l'empresa. Les identitats dels agents i les pistes d'auditoria tenen la finalitat de fer que el treball autònom sigui atribuïble. Sandboxing i una passarel·la d'agents estan destinats a limitar el que poden fer els agents quan interactuen amb eines i sistemes. Aquests detalls reflecteixen un mercat en maduració: les empreses demanen els mateixos controls sobre els agents d'IA que els que esperen per als usuaris humans, els comptes de servei i l'automatització de la producció.
Per què és important per als compradors
Per als CIO, els equips de plataforma i els propietaris de programes d'IA, el moviment de Google augmenta la línia de base de la compra d'agents empresarials. Un proveïdor que ofereix un assistent potent però un encaminament feble, controls de despesa febles o auditabilitat feble semblarà incomplet al costat de les plataformes que inclouen tots aquests controls al producte.
La compensació és el bloqueig. Un agent d'espai de treball agrupat pot ser atractiu perquè la identitat, l'accés, els documents, l'execució al núvol i la facturació estan integrats. Però el mateix paquet pot dificultar la comparació del rendiment del model, mesurar l'ús per equip o fer complir una política neutral per al proveïdor a totes les eines. Si una empresa també utilitza Anthropic directament, OpenAI a través d'una altra passarel·la, agents de codificació en IDE i serveis d'agent específics del núvol, pot ser que necessiti una capa separada per a la gestió de costos de LLM i els informes d'ús fora del tauler de control de qualsevol proveïdor.
Aquí és on l'anunci és rellevant per a B2B LLM. L'enquadrament de Google valida la idea que l'accés al model, els controls de despesa, l'anàlisi i el govern s'estan convertint en una conversa de compra.B2B LLM aborda aquest problema des del costat API: accés unificat per als equips, controls de l'organització, anàlisi d'ús, gestió de costos, governança de les claus API i capacitats del partner API. Google està fent un argument similar dins del seu propi ecosistema empresarial.
Impacte del desenvolupador i de les operacions
Els desenvolupadors haurien d'esperar que més plataformes d'agents ocultin la selecció de models darrere de la política d'encaminament. Això pot millorar la fiabilitat i la rendibilitat, però també canvia la depuració. Quan un flux de treball es comporta de manera diferent d'una execució a una altra, els equips necessitaran registres que mostrin quin model ha gestionat cada pas, quines eines s'han invocat, quin context s'ha recuperat i quina despesa s'ha incorregut.
Els equips d'operacions també hauran de decidir on s'ha de fer la política. Si Gemini es connecta a MCP servidors i eines empresarials, el model només és una superfície de risc. Els permisos de l'eina, l'execució local o al núvol, les credencials, l'accés a la xarxa i la retenció de dades formen part del model de govern. Un pràctic AI API pla de control ha de mostrar més que totals simbòlics; ha de connectar l'ús, la identitat, l'elecció del model, l'accés a l'eina i l'aplicació del pressupost.
L'anunci també indica més competència sobre la qualitat de l'encaminament. L'encaminament intel·ligent només és útil si els equips poden entendre i confiar en els resultats de l'encaminament. Les empreses voldran saber si l'encaminament està optimitzant el cost, la latència, la qualitat, la disponibilitat regional, les condicions contractuals o els requisits de gestió de dades. Aquestes prioritats poden entrar en conflicte, especialment en entorns regulats o de gran volum.
El que segueix sent incert
L'anunci inclou afirmacions de clients i de rendiment, però aquestes s'han informat pels proveïdors i no s'han verificat de manera independent en aquesta passada d'investigació. Encara no està clar fins a quin punt serà la transparència Google sobre les decisions d'encaminament model per model, l'atribució de costos i els modes d'error en fluxos de treball complexos d'agents.
La direcció, però, és clara. Els agents empresarials s'estan convertint en sistemes d'orquestració governats, no només interfícies de xat. L'últim posicionament de Google Gemini fa que l'encaminament multimodel, les pistes d'auditoria, el sandboxing i els límits de despesa formen part de la llista de verificació d'agents empresarials convencionals.