8 октября 2026 года на мероприятии Gemini at Work 2026 Google Cloud представила универсального Gemini-агента для бизнеса. Он не только отвечает на вопросы, но и создан для выполнения задач в офисных приложениях, создания файлов, написания кода и координации других ИИ-агентов. Google рассчитывает, что в будущем сотрудникам будет достаточно описать цель, а ИИ сам спланирует работу и предоставит результат. Это предложение открывает путь к новому формату офисной работы, однако продукт пока доступен лишь ограниченному кругу клиентов в рамках закрытого предварительного тестирования. [1][3]
От чат-бота к исполнителю задач
Многие современные инструменты ИИ по-прежнему работают по схеме «пользователь задаёт вопрос — модель отвечает»: попросите выделить главное в материалах — и получите краткое изложение; попросите написать письмо — и получите черновик. Чтобы передать результат в рабочую систему, часто всё ещё приходится вручную копировать его, проверять и выполнять необходимые действия.
Google хочет изменить этот подход. Компания описывает нового агента как единый интерфейс для вопросов и ответов, интеллектуальной работы, создания медиаконтента и запуска кода. Пользователь может просто поручить ему цель, а система сама выберет нужные навыки, инструменты и модели, подключится к корпоративным данным и предоставит результат. Задачи можно передавать через браузер, телефон, компьютер, командную строку и инструменты для совместной работы. [1][2]
Разница не только в том, что агент умеет автоматически нажимать кнопки: он способен работать дольше. По заявлению компании, задачи, занимающие несколько часов или даже дней, могут выполняться в облаке. Даже если пользователь выключит компьютер, контекст задачи и ход её выполнения сохранятся. Сложные задачи также можно разделить между временно созданными дочерними агентами, чтобы они совместно выполнили несколько этапов. [1]
Зачем цифровому коллеге отдельная учётная запись
В обычных чат-инструментах ИИ обычно отвечает от имени пользователя, ведущего беседу. Но если ИИ начинает от имени команды редактировать файлы, отправлять сообщения и следить за ходом проектов, вопрос о том, кто именно выполнил эти действия, становится вопросом управления.
Google предлагает формат «коллеги по команде»: для агентов, выполняющих специализированные задачи, можно настроить отдельные аккаунты Workspace, почту, календарь и хранилище Drive. Участники команды смогут упоминать агента в групповом чате, отправлять ему письма или поручать дела через комментарии к документам. В журналах действий он будет фигурировать под собственным именем, а не смешиваться с действиями какого-либо сотрудника. [1][2]
Например, маркетинговая команда может создать агента-координатора кампаний: он соберёт информацию о готовности к запуску, подготовит контрольный список и разместит результаты в рабочем пространстве команды. В отличие от простого создания текста, здесь задача явно поручается системному участнику, который может и дальше принимать задания. [1]
Однако отдельная учётная запись не означает, что ИИ можно автоматически доверять. Он может неверно понять инструкции, обратиться к данным, которые не должен использовать, или выдать неточную информацию. Чем ближе ИИ к реальной работе, тем важнее для организации определить минимально необходимые права доступа, порядок согласования важных действий, проверку журналов и процедуры устранения сбоев. Среди описанных Google механизмов — отдельная идентификация, контроль доступа, изолированная среда, шлюз сетевых политик и журналы аудита. Это опубликованные сведения о проектировании продукта, а не подтверждение того, что безопасность уже проверена для всех сценариев использования. [1]
Возможность подключения к ПО определяет, удастся ли внедрить решение
Компании не откажутся от уже используемого ПО ради внедрения ИИ. Gemini подключается к Google Workspace, а также к Microsoft 365, Slack, Jira, Git, BigQuery, Postgres и другим сервисам. В числе упомянутых Google возможностей — протокол контекста модели (MCP), стандартный интерфейс, позволяющий агентам взаимодействовать с внешними инструментами.[1][2]
Представим, что менеджеру проекта нужно подготовить отчет о ходе работ к еженедельному совещанию. Теоретически процесс может выглядеть так: найти недавние изменения в сообщениях и системе управления задачами, получить бизнес-показатели из базы данных, составить отчет, а затем отправить результат через инструмент для работы с документами. Одно поручение объединяет операции в нескольких разрозненных программах.
Но это лишь описание возможностей, а не гарантия, что любая компания сможет сразу выполнить такой процесс. Несовпадение полей данных, неполные права доступа, ограниченный охват коннекторов и сложные условия согласования могут прервать выполнение. Перед внедрением компаниям по-прежнему нужно проверять решение на реальных задачах, а не оценивать его пригодность только по демонстрационным видео.
Агент не привязан к одной модели
Еще одно важное технологическое изменение: Google стремится отделить «агента, выполняющего задачи» от базовой модели, отвечающей за рассуждения. Сейчас официальное решение поддерживает модели семейства Gemini и Claude от Anthropic; в дальнейшем планируется расширить выбор.[1][2]
Это означает, что накопленный компанией бизнес-контекст, рабочие навыки и подключения к инструментам можно будет сохранить в относительно стабильном агентском слое. Для разных этапов можно выбирать модели с разной стоимостью и возможностями: например, поручать простую систематизацию более дешевой модели, а для сложного анализа выбирать высокопроизводительную. Однако оркестрация нескольких моделей создает дополнительные проблемы совместимости, конфиденциальности и согласованности результатов, поэтому ее необходимо тестировать на практике.
Google также представила интеллектуальную маршрутизацию, лимиты расходов на проект и возможность приостанавливать задачи, чтобы контролировать затраты на длительные операции с ИИ. Обычный вопрос и задача, которая несколько часов выполняется в нескольких системах, требуют совершенно разных ресурсов. Если компания не может отслеживать совокупные расходы на вызовы моделей, выполнение кода и использование инструментов, ей сложно включить ИИ в бюджет.[1]
Между демонстрацией продукта и реальной организацией
Google приводит примеры компаний из финансовой, розничной и телекоммуникационной отраслей, использующих возможности Gemini Enterprise. Однако уже существующие примеры клиентов Gemini Enterprise нельзя автоматически считать доказательством того, что именно новый универсальный агент уже повсеместно внедрен.[1]
Рисунок: примеры корпоративных клиентов Gemini Enterprise, опубликованные Google Cloud (источник: Google Cloud)
В независимом репортаже VentureBeat от 8 октября подтверждалось, что новые агенты Gemini тогда были доступны лишь некоторым клиентам в режиме закрытого предварительного просмотра, а дата более широкого запуска не была определена. В репортаже также говорилось, что Google рассчитывала предоставить новые функции соответствующим требованиям клиентам Gemini Enterprise, однако подробности лицензирования и стоимость использования должны были объявить позднее.[3]
CBS News рассматривала этот запуск на фоне гонки технологических компаний за выпуском рабочих ИИ-агентов. Соперничество смещается от вопроса о том, на сколько вопросов может ответить модель, к тому, способна ли она безопасно, стабильно и экономично выполнять задачи в повседневных системах.[4]
Поэтому возможность встроить агента в существующие рабочие процессы может оказаться важнее, чем его результат в отдельном рейтинге. Если агент не может получить доступ к нужным материалам или выполнить действия с соблюдением ограничений по доступу, даже самая мощная языковая модель вряд ли принесёт устойчивую пользу.
Что это значит для рядовых сотрудников и компаний
Для рядовых сотрудников самое заметное изменение коснётся способа работы: возможно, в будущем не придётся постоянно копировать результаты ИИ между программами. Вместо этого можно будет изложить цель, сроки, ограничения и критерии приёмки, как поручение коллеге, а затем следить за ходом выполнения и результатом.
Для руководителей компаний вопросы закупки станут сложнее. Помимо точности ответов модели, важно будет выяснить, есть ли у агента собственная идентичность, можно ли отозвать его права доступа, требуют ли ключевые действия одобрения, можно ли отследить системные ошибки и сколько ресурсов обходится выполнение задачи целиком.
Запуск Google обозначил чёткое направление: ИИ развивается от помощника, который пассивно отвечает на вопросы, к исполнителю, способному работать непрерывно и обладающему собственной идентичностью в организации. Однако проект всё ещё находится на раннем этапе, и для оценки долгосрочной надёжности, конкретных тарифов и работы при масштабном использовании потребуется больше открытых данных. Считать это важным изменением продуктового курса вполне разумно; считать, что цифровые работники уже достигли зрелости и могут полностью заменить сотрудников, пока рано.[1][3][4]
Источники
- Welcome to Gemini at Work 2026: Introducing the Gemini agent — Google Cloud, дата обращения: 2026-10-10
- Google brings agentic AI to Gemini, starting with businesses — TechCrunch, дата обращения: 2026-10-10
- Google Cloud unveils persistent Gemini Agents for long-running tasks, and they get their own Gmail, Calendar, and Drive storage — VentureBeat, дата обращения: 2026-10-10
- Google launches Gemini AI workplace agent that can write code and run tasks, company says — CBS News, дата обращения: 2026-10-10