«Вы ставите ему цель, а не инструкции»: Google Cloud представила единого агента Gemini для работы

Что объявила Google Cloud

8 октября 2026 года на конференции Gemini at Work 2026 компания Google Cloud анонсировала Gemini agent и описала его как «единого универсального агента для работы», который отвечает на вопросы, ведёт интеллектуальную работу, создаёт изображения и медиа, а также пишет и запускает код. Текст публикации адаптирован из вступительной речи Томаса Куриана (Thomas Kurian), генерального директора Google Cloud.

Ключевое отличие от привычных ассистентов компания формулирует так: пользователь ставит агенту цель, а не диктует инструкции. Агент сам планирует работу, применяет навыки и инструменты, подключается к корпоративным системам и возвращает готовый результат «внутри документов, входящих писем и сред разработки», которыми сотрудники уже пользуются. Работать он может и как личный помощник, и как член команды — например, в роли проектного менеджера или аналитика в финансовом отделе.

Масштаб, на который ссылается Google: за последний год почти 500 клиентов Google Cloud обработали каждый более триллиона токенов, около 80 % всех клиентов пользуются ИИ-продуктами Google Cloud, а почти 90 % компаний из списка Fortune 100 используют Gemini Enterprise. По словам компании, на такой дистанции организации уже переросли эксперименты и «ведут на этом бизнес».

Шесть принципов архитектуры

Агентные возможности Gemini построены вокруг шести принципов. Единый агент: одна точка входа для вопросов, автономной работы над задачами и генерации кода, причём задания можно ставить по расписанию или по событию. Вездесущий доступ: веб, мобильные iOS и Android, десктопы Windows и Mac, командная строка, Google Workspace, Microsoft 365 и Slack, а также режим headless-агента без собственного интерфейса. Непрерывное выполнение: агент живёт в облаке, хранит один набор воспоминаний и контекста и продолжает работу часами и днями после закрытия ноутбука.

Четвёртый принцип — многоагентная оркестрация. Gemini может динамически собирать реестр суб-агентов: временных исполнителей под конкретную задачу, каждый со своей идентичностью, и координировать параллельные и последовательные шаги, которые идут часами или днями. Отдельно компания описывает coworker-агентов — «коллег» с постоянной ролью и операционным присутствием: у них собственные идентичности, включая адреса вида @agents.company.com, собственное хранилище и доступ только к тому контексту, который дали люди.

Пятый принцип — глубокая контекстность: агент приходит, уже зная инструменты, данные и историю работы, и учится на каждом взаимодействии. Шестой — свобода выбора модели: сам агент отделён от модели под ним, и он выполняет каждую задачу на той модели, что подходит лучше всего, оркеструя «семейство моделей Gemini и модели Claude от Anthropic уже сегодня» и обещая подключать другие ведущие частные и открытые модели в будущем. Google подчёркивает, что лучшая модель для задачи не всегда самая большая.

Что поддерживает агента: инструменты, навыки и память

Агент подключается к корпоративному стеку: инструментам совместной работы вроде Confluence, Microsoft Office, Teams, Slack и Workspace, средствам разработки вроде Git и Jira, платформам Salesforce и ServiceNow, базам BigQuery, Databricks, Postgres и Snowflake, файлам на десктопе и любому серверу Model Context Protocol внутри или вне периметра компании. Отдельный корпоративный реестр инструментов позволяет командам публиковать свои инструменты для всей организации.

Навыки — это переиспользуемые наборы инструкций, знаний и рабочих процессов в виде модульных промптов; компания может публиковать собственные навыки в общий реестр, а сотрудник — собирать личные. Контекст устроен как четыре вида памяти: сессионная — для текущей задачи, семантическая — структурированная база знаний, процедурная — как выполняется работа, включая написанные агентом для себя навыки, и эпизодическая — обо всём, что агент уже делал.

Gemini внутри Workspace

Gemini работает прямо внутри Gmail, Drive, Docs, Slides, Sheets, Chat и Calendar, перенося туда ту же память, навыки и средства контроля. Компания описывает три режима. Личный помощник: агент заранее знает календарь, команду, проекты и связи между документами — например, может собрать встречу с обычной командой региональных организаторов мероприятий, не получив ни одного имени или адреса, определив участников по членству в чат-пространстве и переписке о прошлом событии. Проактивное делегирование: система распознаёт задачи, которые можно передать агенту, и предлагает это одним кликом — скажем, когда руководитель просит подготовить обновление проекта слайдами.

Третий режим — coworker-агент для всей команды: пользователь описывает нужную роль, и Gemini создаёт её. Агент получает собственный аккаунт Workspace с адресом электронной почты, календарём, Drive и присутствием в корпоративном каталоге, а коллеги работают с ним как с человеком — добавляют в чат или упоминают через @. При этом агент действует под своей идентичностью, а не под вашей, и видит только то, чем вы поделились.

Данные, аналитика и инженерия

Первый домен, для которого Gemini получает профильные навыки, — данные. Для инженеров данных и ML агент генерирует код на PySpark, даёт ноутбуки для его правки и тестирования, обучает модели и сам устраняет проблемы пайплайнов. Для бизнес-пользователей операционные отчёты строятся простым вопросом на естественном языке: Gemini использует навыки отчётности, интегрированные с BigQuery и Knowledge Catalog, собирает и сохраняет запрос, после чего отчёты можно запускать по требованию без затрат на токены.

Три возможности Google Cloud удерживают ответы на фактах. Knowledge Catalog единоразово фиксирует бизнес-определения — например, «чистая маржа» или «адресуемый рынок» — и читает метрики прямо там, где они лежат: в Databricks, dbt, LookML или SAP. Smart Storage обогащает неструктурированные объекты — PDF, изображения, сканы и аудио, — записывая контекст обратно в сам объект и наследуя существующую модель безопасности. Borderless Lakehouse позволяет запрашивать Amazon S3 и Azure Data Lake без переменных платежей за исходящий трафик, читать данные из Salesforce Data 360, SAP, ServiceNow и Workday без копирования и федератить открытые таблицы Apache Iceberg в Databricks Unity, Snowflake Polaris и AWS Glue.

Среди результатов, которые приводит компания: Bloomberg Media подняла точность SQL-запросов на 63 % за счёт привязки ИИ к доверенному корпоративному контексту. Deutsche Telekom построила единый лейкхаус на BigQuery, Cloud Storage и Knowledge Catalog поверх более 40 унаследованных систем на собственных серверах и теперь, по данным Google, работает в десять раз быстрее. Etsy перенесла три петабайта данных и ускорила критичные соединения до 60 %. Snap подключила агент Prism напрямую к архивам и сократила диагностику с 30 минут до 30 секунд.

Отраслевые специализации, управление и стоимость

Gemini специализируется по отраслям: сейчас в предварительном доступе — Financial Services и Legal, а Government, Healthcare и Retail заявлены как «скоро». В финансовом блоке — инвестиционные исследования, кредитный анализ и моделирование рисков на данных FactSet, LSEG и отчётности SEC, более 50 базовых навыков, оценки уверенности, явные методологии, полная происхождение данных для аудита и проверяемые ссылки на источники; среди пользователей компания называет CME Group и Deutsche Bank. В юридическом — наследование прав на уровне дела и «этических стен» из NetDocuments и iManage, партнёры Harvey и Onit, а Cooley строит агент для редактирования конфиденциальных сведений перед публикацией документов. Deloitte, по данным Google, собрала многоагентное решение, ускоряющее путь до измеримого эффекта до трёх раз.

Управление агентами компания сводит к четырём вопросам: кто это, что ему разрешено, что он сделал и чего не должен касаться никогда. Ответы — собственная криптографически подтверждённая идентичность с минимально необходимыми правами, ролевые разрешения, одобренные безопасниками, аудит каждого действия с привязкой к агенту, а не к человеку, песочница Agent Sandbox и сетевой шлюз Agent Gateway — «ИИ-файрвол», применяющий политику ко всем агентам сразу, вроде правила «агенты не открывают документы с грифом Need to Know».

На стоимости Google отвечает тремя механизмами: многоуровневая оркестрация моделей, маршрутизация Smart Routing, которая автоматически подбирает модель под нагрузку, и лимиты расходов в реальном времени — жёсткий потолок задаётся в Cloud Billing Console, при его достижении агент проекта приостанавливается, а возобновление делается одним кликом; учёт идёт по проектам, так что затраты можно перекладывать на конкретные подразделения. Компания добавляет, что цены за токен с 2024 года упали на 98 %.

Инфраструктура, модели и клиенты

Всё это работает на AI Hypercomputer — вертикально интегрированной связке чипов, сети, дата-центра и софта: по утверждению Google, новейшая система TPU 8i даёт на 80 % лучшую цена-производительность, чем предыдущее поколение, делая сложные агентные задачи одновременно быстрыми и доступными. Поверх кремния — модели Argon для фронтирных рассуждений, Flash для скорости и объёма, Omni для генеративных медиа и Gemma для лёгких открытых нагрузок на периферии. Крайние сценарии уже реальны: Лаборатория реактивного движения NASA запускает Gemma прямо на спутнике на орбите — впервые для визуально-языковой модели, а её ПО NAVI анализирует снимки Земли на борту и отправляет операторам сводку с главным.

Клиентские кейсы компания приводит по регионам. В Европе BNP Paribas разворачивает Gemini Enterprise для более чем 65 000 сотрудников, Commerzbank сократил проверку документов с 20 часов до одного, Nokia заявляет о сокращении времени решения проблем до 80 %, Ryanair оснащает 35 000 сотрудников. В Азии DBS Bank строит цепочки из 70–80 специализированных агентов, Hitachi — более 200 сценариев для выездных техников с ростом производительности до 400 %, Tata Steel внедрила свыше 300 агентов за девять месяцев. В Латинской Америке Globo ускорила планирование и сократила валидацию с 20 минут до 6 секунд, CNA/SENAR развернула ИИ-ассистента на WhatsApp на 40 000 активных пользователей. В Северной Америке The Home Depot ускорила телефонное решение вопросов вчетверо — до менее чем 10 секунд на распознавание потребности, PayPal сократил развёртывание новых моделей с недель до минут, а студия Whenere генерировала текстуры примерно за семь секунд и дешевле десяти центов, создав почти 250 ассетов за день одним художником.

В финале Google даёт три обещания: убирать трение — платформа, которая работает где угодно, поддерживает выбор моделей и применяет корпоративные контроли; устранять сложность — Google собирает и интегрирует весь стек от кремния до моделей, навыков, инструментов и безопасности; и оставлять созданное вам — люди и данные остаются на месте, а собственные входы и выходы целиком принадлежат клиенту.