Durante un evento Google Cloud tenutosi giovedì, la società ha rivelato che il suo modello di intelligenza artificiale Gemini entra nell’era dell’agentic, con il lancio di un agente unificato in grado non solo di rispondere a domande, ma anche di eseguire azioni per conto dell’utente, il tutto da un’unica interfaccia.
Da chatbot a agente operativo
Gli strumenti di IA stanno rapidamente evolvendo da semplici esperienze conversazionali a soluzioni capaci di assumersi la responsabilità di compiti assegnati, generare codice, programmare riunioni, prenotare appuntamenti e viaggi, e molto altro. Questa tendenza segue l’ascesa di agenti rivolti ai consumatori come Muse di Meta, agenti operanti su piattaforme di messaggistica come Instinct, e la recente introduzione di Dots di ChatGPT.
Una base di utenti già solida
Google ha sottolineato che Gemini conta attualmente oltre un miliardo di utenti attivi mensili, come ha ricordato il CEO Sundar Pichai all’inizio dell’evento. Inoltre, quasi il 90 % delle aziende Fortune 100 utilizza già Gemini Enterprise sul posto di lavoro, fornendo a Google un vantaggio competitivo nella scalabilità delle sue iniziative agentiche.
Strategia di lancio: prima le imprese
Data l’ampia adozione di Gemini nel mondo corporate, Google ha deciso di introdurre inizialmente l’agente alle aziende, per poi estenderlo successivamente ai consumatori. Secondo Pichai, questo approccio consentirà di affrontare “i problemi più difficili legati a sicurezza, scala e prestazioni” tipici del rilascio di agenti potenti.
Obiettivi, non solo istruzioni
Thomas Kurian, CEO di Google Cloud, ha spiegato che il nuovo agente può ricevere “obiettivi, non solo istruzioni”. Ciò significa che è in grado di pianificare il lavoro, utilizzare skill e strumenti personalizzati, e connettersi ai sistemi interni dell’azienda per raggiungere i risultati desiderati.
Scelta del modello e integrazioni
Per impostazione predefinita, l’IA seleziona il modello migliore per completare il compito, ma gli utenti possono intervenire e scegliere un modello specifico, inclusi quelli di terze parti come i modelli Claude di Anthropic. Google ha annunciato che il “model picker” verrà in futuro ampliato per includere modelli open source e altri modelli privati.
Le richieste possono contenere allegati – file, cartelle o progetti progettati per specifici flussi di lavoro – e l’agente può collegarsi ai dati e ai sistemi aziendali, tra cui Google Workspace, Microsoft 365, Slack, Jira, Confluence, Git, BigQuery, Databricks, Postgres, Snowflake e molti altri.
Inoltre, l’agente può operare in modo sicuro con qualsiasi server Model Context Protocol (MCP) interno o esterno alla rete aziendale.
Monitoraggio e tracciamento delle attività
Gli utenti possono tenere sotto controllo le azioni di Gemini tramite un’interfaccia “tasks inbox”, che mostra il processo di ragionamento dell’agente, la delega a sotto‑agenti, il caricamento di skill speciali, il codice generato e lo stato di avanzamento.
Gemini dispone di un proprio account Workspace, come se fosse un collega aggiuntivo: ha un indirizzo email, un contesto individuale, conosce i membri del team, i fusi orari, chi deve approvare cosa, e i calendari dei dipendenti. Gli utenti possono interagire con l’agente taggandolo, inviandogli email, condividendo file o aggiungendolo a una chat di gruppo. Ogni azione genera una traccia di audit attribuita all’agente, anziché a una persona.
Disponibilità su più piattaforme
L’agente sarà accessibile da dispositivi mobili iOS e Android, desktop Windows e Mac, interfaccia a riga di comando, Google Workspace, Microsoft 365, ServiceNow e Slack, garantendo una copertura completa per gli ambienti di lavoro moderni.
Primi test e clienti di riferimento
Tra i primi tester dell’agente figurano il marchio di abbigliamento sportivo On, Shopify e PayPal. Tra i clienti di Gemini Enterprise troviamo grandi aziende come BNP Paribas, Bradesco, Merck, Orange Spain, Santee Cooper, SOMPO, Ulta Beauty e Wesfarmers.
Controllo dei costi per le imprese
Google ha presentato nuove opzioni di spesa flessibili, tra cui orchestrazione multi-modello, routing intelligente e limiti di spesa in tempo reale, per aiutare le aziende a tenere sotto controllo i costi dell’IA enterprise.