Google Cloud przekształcił Gemini w coś więcej niż interfejs modelu markowego. W ogłoszeniu Gemini at Work 2026 z 8 października firma opisała Gemini jako jednego uniwersalnego agenta do pracy: jedno okno podpowiedzi, które może odpowiadać na pytania, obsługiwać pracę związaną z wiedzą, tworzyć multimedia, pisać i uruchamiać kod oraz działać w różnych systemach korporacyjnych.

Ważniejsza zmiana dla nabywców biznesowych ma charakter architektoniczny. Google mówi, że warstwa agenta jest oddzielona od modelu bazowego, dzięki czemu Gemini może koordynować pracę pomiędzy modelami Gemini i modelami Claude od dnia dzisiejszego Anthropic, z planowanymi dodatkowymi modelami prywatnymi i otwartymi. To stawia produkt agenta dla przedsiębiorstw firmy Google w tej samej kategorii strategicznej, co wielomodelowa bramka AI API, chociaż jest umieszczona w obszarze roboczym i platformie chmurowej, a nie eksponowana jedynie jako infrastruktura programistyczna.

Ogłoszenie dodaje również historię zarządzania tą warstwą agenta. Google mówi, że Gemini może dynamicznie tworzyć podagentów, wykonywać stałą pracę w chmurze, łączyć się z narzędziami korporacyjnymi i MCP serwerami oraz działać z tożsamościami agentów, ścieżkami audytu, piaskownicą i bramą agentów. Dla firm oceniających asystentów AI oznacza to, że kwestią zakupu nie jest już tylko to, który model jest najlepszy. Chodzi o to, czy platforma agenta może kierować pracą, udowadniać, kto lub co działał, ograniczać użycie narzędzi i utrzymywać wydatki w ramach zasad.

Co się zmieniło

Najważniejszą cechą nie jest tylko to, że Gemini może korzystać z wielu modeli. Chodzi o to, że Google przedstawia wybór modelu jako funkcję płaszczyzny kontrolnej przedsiębiorstwa. Agent może wybierać spośród modeli znajdujących się pod powierzchnią, podczas gdy administratorom biznesowym zapewnia się mechanizmy zarządzania i zarządzania kosztami znajdujące się nad nim.

Google twierdzi, że kontrola kosztów obejmuje orkiestrację wielu modeli, inteligentny routing i limity wydatków w czasie rzeczywistym. Ma to znaczenie, ponieważ przepływy pracy agentów są trudniejsze do uwzględnienia w budżecie niż zwykłe rozmowy na czacie. Pojedyncze żądanie użytkownika może wywołać pobieranie, wywołanie narzędzi, wykonanie kodu, delegowanie podagentów, ponowne próby i długotrwałą pracę w tle. Bez ograniczeń i widoczności użycia przydatny asystent może stać się nieprzewidywalnym wydatkiem operacyjnym.

Ogłoszenie wiąże również routing modelu z tożsamością przedsiębiorstwa i możliwością kontroli. Tożsamości agentów i ścieżki audytu mają na celu umożliwienie przypisania autonomicznej pracy. Sandboxing i Agent Gateway mają na celu zawężenie zakresu działań agentów podczas interakcji z narzędziami i systemami. Szczegóły te odzwierciedlają dojrzewający rynek: przedsiębiorstwa proszą o taką samą kontrolę agentów AI, jakiej oczekują od użytkowników, kont usług i automatyzacji produkcji.

Dlaczego jest to ważne dla kupujących

Dla dyrektorów ds. IT, zespołów platform i właścicieli programów AI posunięcie Google podnosi podstawę w zakresie zamówień agentów dla przedsiębiorstw. Dostawca oferujący potężnego asystenta, ale słaby routing, słabą kontrolę wydatków lub słabą możliwość audytu, będzie wyglądał na niekompletnego w porównaniu z platformami, które łączą wszystkie te funkcje w produkcie.

Kompromis polega na zablokowaniu. Dołączony agent obszaru roboczego może być atrakcyjny, ponieważ tożsamość, dostęp, dokumenty, wykonywanie w chmurze i rozliczenia są zintegrowane. Jednak ten sam pakiet może utrudnić porównywanie wydajności modelu, mierzenie wykorzystania w poszczególnych zespołach lub egzekwowanie zasad neutralnych dla dostawców w przypadku różnych narzędzi. Jeśli firma korzysta również z Anthropic bezpośrednio, OpenAI przez inną bramę, agentów kodujących w IDE i usług agentów specyficznych dla chmury, może potrzebować osobnej warstwy do zarządzania kosztami LLM i raportowania wykorzystania poza pulpitem nawigacyjnym dowolnego dostawcy.

W tym miejscu ogłoszenie dotyczy B2B LLM. Koncepcja Google potwierdza pogląd, że dostęp do modelu, kontrola wydatków, analityka i zarządzanie stają się jedną rozmową dotyczącą zakupów.B2B LLM podchodzi do problemu od strony API: ujednolicony dostęp dla zespołów, kontrola organizacji, analiza użytkowania, zarządzanie kosztami, API-kluczowe zarządzanie i możliwości Partnera API. Google wysuwa podobny argument we własnym ekosystemie przedsiębiorstwa.

Wpływ na programistów i operacje

Programiści powinni spodziewać się, że więcej platform agentów będzie ukrywać wybór modelu za polityką routingu. Może to poprawić niezawodność i efektywność kosztową, ale zmienia także debugowanie. Jeśli przepływ pracy zachowuje się inaczej w zależności od uruchomienia, zespoły będą potrzebować dzienników pokazujących, który model obsłużył każdy krok, jakie narzędzia zostały wywołane, jaki kontekst został pobrany i jakie poniesiono wydatki.

Zespoły operacyjne będą musiały także zdecydować, gdzie powinny znajdować się zasady. Jeśli Gemini łączy się z MCP serwerami i narzędziami dla przedsiębiorstwa, model stanowi tylko jedną powierzchnię ryzyka. Uprawnienia narzędzi, wykonywanie lokalne lub w chmurze, dane uwierzytelniające, dostęp do sieci i przechowywanie danych stają się częścią modelu zarządzania. Praktyczna płaszczyzna kontrolna AI API musi pokazywać więcej niż tylko symboliczne sumy; musi łączyć wykorzystanie, tożsamość, wybór modelu, dostęp do narzędzi i egzekwowanie budżetu.

Ogłoszenie sygnalizuje również większą konkurencję w zakresie jakości routingu. Inteligentne wyznaczanie tras jest przydatne tylko wtedy, gdy zespoły rozumieją wyniki wyznaczania tras i ufają im. Przedsiębiorstwa będą chciały wiedzieć, czy routing jest optymalizowany pod kątem kosztów, opóźnień, jakości, dostępności regionalnej, warunków umownych lub wymagań dotyczących obsługi danych. Priorytety te mogą być ze sobą sprzeczne, zwłaszcza w środowiskach regulowanych lub o dużym natężeniu ruchu.

Co pozostaje niepewne

Ogłoszenie zawiera twierdzenia klientów i dotyczące wydajności, ale są one zgłaszane przez dostawców i nie zostały niezależnie zweryfikowane w ramach tej przepustki badawczej. Nie jest jeszcze jasne, jak przejrzysta będzie Google w zakresie decyzji dotyczących routingu poszczególnych modeli, przypisywania kosztów i trybów awarii w złożonych przepływach pracy agentów.

Jednak kierunek jest jasny. Agenci korporacyjni stają się zarządzanymi systemami orkiestracji, a nie tylko interfejsami czatu. Najnowsze pozycjonowanie Google Gemini sprawia, że ​​routing wielomodelowy, ścieżki audytu, piaskownica i limity wydatków stanowią część głównej listy kontrolnej agentów korporacyjnych.