Google Cloud je preinačio Gemini kao više od sučelja brendiranog modela. U svojoj najavi Gemini at Work 2026 od 8. listopada, tvrtka je opisala Gemini kao jedinstvenog univerzalnog agenta za posao: jedan prompt box koji može odgovarati na pitanja, upravljati radom znanja, stvarati medije, pisati i pokretati kod te raditi u svim poslovnim sustavima.
Važniji pomak za poslovne kupce je arhitektonski. Google kaže da je sloj agenta odvojen od temeljnog modela, dopuštajući Gemini da orkestrira rad na Gemini modelima i Claude modelima od Anthropic danas, uz planirane dodatne privatne i otvorene modele. To stavlja agentski proizvod tvrtke Google u istu stratešku kategoriju kao i multi-model AI API gateway, iako je omotan unutar radnog prostora i platforme u oblaku, a ne izložen samo kao infrastruktura za razvojne programere.
Najava također dodaje priču o upravljanju oko tog agentskog sloja. Google kaže da Gemini može dinamički stvarati pod-agente, pokretati trajni rad u oblaku, povezivati se s poslovnim alatima i MCP poslužiteljima te raditi s identitetima agenata, revizijskim tragovima, sandboxingom i Agent Gatewayom. Za tvrtke koje ocjenjuju AI asistente, to znači da pitanje kupnje više nije jednostavno koji je model najbolji. Odnosi se na to može li agentska platforma usmjeriti posao, dokazati tko je ili što je djelovao, ograničiti upotrebu alata i zadržati potrošnju unutar pravila.
Što se promijenilo
Glavna značajka nije samo da Gemini može koristiti više modela. To je da Google predstavlja izbor modela kao funkciju kontrolne razine poduzeća. Agent može birati među modelima ispod površine, dok su poslovnim administratorima obećani mehanizmi upravljanja i upravljanja troškovima iznad njega.
Google kaže da kontrole troškova uključuju orkestraciju više modela, pametno usmjeravanje i ograničenja potrošnje u stvarnom vremenu. To je važno jer je za agencijske tijekove rada teže odrediti proračun nego za obične chat pozive. Jedan korisnički zahtjev može pokrenuti dohvaćanje, pozive alata, izvršavanje koda, delegiranje pod-agenta, ponovne pokušaje i dugotrajan rad u pozadini. Bez ograničenja i vidljivosti korištenja, koristan pomoćnik može postati nepredvidivi operativni trošak.
Najava također povezuje usmjeravanje modela s identitetom poduzeća i revizijom. Identiteti agenata i revizijski tragovi namijenjeni su pripisivanju autonomnog rada. Sandboxing i Agent Gateway imaju za cilj suziti ono što agenti mogu učiniti kada komuniciraju s alatima i sustavima. Ti detalji odražavaju sazrijevanje tržišta: poduzeća traže iste kontrole oko agenata umjetne inteligencije koje očekuju oko ljudskih korisnika, računa usluga i automatizacije proizvodnje.
Zašto je to važno za kupce
Za CIO-ove, platformske timove i vlasnike programa za umjetnu inteligenciju, potez Google podiže temelje za nabavu agenata poduzeća. Dobavljač koji nudi moćnog pomoćnika, ali slabo usmjeravanje, slabe kontrole potrošnje ili slabu reviziju izgledat će nepotpuno pored platformi koje spajaju sve te kontrole u proizvod.
Kompromis je zaključavanje. Agent radnog prostora u paketu može biti atraktivan jer su identitet, pristup, dokumenti, izvođenje u oblaku i naplata integrirani. Ali isti paket može otežati usporedbu performansi modela, mjerenje upotrebe po timu ili provođenje politike neutralne prema pružatelju za sve alate. Ako tvrtka također koristi Anthropic izravno, OpenAI putem drugog pristupnika, agenata za kodiranje u IDE-ovima i agentskih usluga specifičnih za oblak, možda će trebati zaseban sloj za upravljanje troškovima LLM-a i izvješćivanje o upotrebi izvan nadzorne ploče bilo kojeg pojedinačnog dobavljača.
Ovdje je najava relevantna za B2B LLM. Okvir Google potvrđuje ideju da pristup modelu, kontrole potrošnje, analitika i upravljanje postaju jedan razgovor o kupnji.B2B LLM pristupa tom problemu sa strane API: objedinjeni pristup za timove, organizacijske kontrole, analitika upotrebe, upravljanje troškovima, API-ključno upravljanje i mogućnosti partnera API. Google iznosi sličan argument unutar vlastitog poslovnog ekosustava.
Utjecaj na programere i operacije
Razvojni programeri bi trebali očekivati da više agentskih platformi skriva odabir modela iza politike usmjeravanja. To može poboljšati pouzdanost i isplativost, ali također mijenja otklanjanje pogrešaka. Kada se tijek rada ponaša drugačije od jednog pokretanja do drugog, timovi će trebati zapisnike koji pokazuju koji je model upravljao svakim korakom, koji su alati pozvani, koji je kontekst dohvaćen i kolika je potrošnja nastala.
Operativni timovi će također morati odlučiti gdje će politika biti prisutna. Ako se Gemini povezuje s MCP poslužiteljima i alatima poduzeća, model je samo jedna površina rizika. Dopuštenja alata, lokalno izvršavanje ili izvršavanje u oblaku, vjerodajnice, pristup mreži i zadržavanje podataka postaju dio modela upravljanja. Praktična AI API kontrolna ravnina mora pokazati više od ukupnih tokena; mora povezati korištenje, identitet, izbor modela, pristup alatima i provedbu proračuna.
Najava također signalizira veću konkurenciju oko kvalitete usmjeravanja. Pametno usmjeravanje korisno je samo ako timovi mogu razumjeti rezultate usmjeravanja i imati povjerenja u njih. Poduzeća će željeti znati optimizira li usmjeravanje cijenu, kašnjenje, kvalitetu, regionalnu dostupnost, ugovorne uvjete ili zahtjeve za rukovanje podacima. Ti prioriteti mogu biti u sukobu, posebno u reguliranim okruženjima ili okruženjima s velikim prometom.
Ono što ostaje neizvjesno
Najava uključuje tvrdnje korisnika i performansi, ali o njima izvještava dobavljač i nisu neovisno potvrđene u ovom istraživačkom prolazu. Također još nije jasno koliko će transparentnost Google biti u vezi s odlukama o usmjeravanju model-po-model, dodjelom troškova i načinima neuspjeha u složenim tijekovima rada agenata.
Međutim, smjer je jasan. Enterprise agenti postaju upravljani sustavi orkestracije, a ne samo chat sučelja. Najnovije Gemini pozicioniranje Google čini usmjeravanje s više modela, revizijske tragove, sandboxing i ograničenja potrošnje dijelom glavnog popisa za provjeru poduzeća-agenta.