Gemini agent: Google Cloud zet in op één assistent overal

Google Cloud wil dat zijn AI daar leeft waar medewerkers al werken. Op 8 oktober presenteerde het bedrijf Gemini agent, één assistent die zelfstandig kan handelen, code kan schrijven en taken kan afronden op het web, op mobiel en op de desktop. Gebruikers hebben geen nieuwe app nodig om er gebruik van te maken. De agent werkt vanaf de opdrachtregel, binnen Google Workspace, Microsoft 365 en Slack, en zelfs in applicaties van derden. Google omschrijft het doel als een "alomtegenwoordige" assistent die de gebruiker volgt in plaats van andersom.

Doelen in plaats van instructies

Google Cloud-topman Thomas Kurian zei dat Gemini vragen kan beantwoorden, kenniswerk kan oppakken, beelden en media kan maken en ruwe ideeën kan omzetten in afgewerkte producten. Hij bracht de verandering als een nieuwe manier van delegeren.

"Je geeft het doelen, geen instructies. Je delegeert een resultaat en komt terug bij afgerond werk," zei Kurian. "Om dat te kunnen, moet een agent verbonden zijn met je persoonlijke werkprocessen, je bronsystemen en je bedrijfsbrede controlemechanismen."

Eén geheugen, veel collega's

Het product volgt een patroon dat inmiddels gangbaar is in de sector: doorlopende uitvoering. Gemini houdt één gedeelde set herinneringen, context en personalisatie bij, over elk kanaal en elke subagent die het aanstuurt.

In de praktijk gedraagt het zich als een teamgenoot die onthoudt wat hem is verteld. Het kan ook kleinere collega-agents afsplitsen, elk met een eigen identiteit, een eigen vakgebied, een eigen e-mailadres op @agents.company.com en eigen permanente opslag. Die subagents zien alleen de context die de gebruiker of diens team wil delen.

De keuze van het model hoort bij het pakket. Elke taak draait op een model dat erbij past. Routinewerk kan naar Gemini Flash, een klein en snel model, terwijl langlopende klussen een frontiermodel als Argon kunnen gebruiken. De Claude-modellen van Anthropic zijn vanaf de lancering beschikbaar, en volgens Google volgen er nog andere eigen en open modellen.

Vaardigheden, tools en bedrijfsdata

Kurian benadrukte dat de agent de volledige bedrijfscontext moet begrijpen, van prijzen en productportfolio's tot de manier waarop afzonderlijke afdelingen werken. Gemini baseert zijn antwoorden op bedrijfsdata en haalt institutionele kennis naar boven.

De lijst met koppelingen is lang:

• Samenwerking: Confluence, Microsoft Office, Teams, Slack en Workspace
• Ontwikkeltools: Git en Jira
• Bedrijfsplatforms: Salesforce en ServiceNow
• Databases: BigQuery, Databricks, Postgres en Snowflake
• Lokale bestanden op desktops

Daarbovenop komen herbruikbare vaardigheden: bundels van instructies, kennis en werkprocessen die agents leren om specifieke taken in meerdere stappen uit te voeren. Gemini wordt geleverd met een wereldwijde bibliotheek daarvan. Bedrijven kunnen hun eigen vaardigheden publiceren in een gedeeld intern register, of een agent simpelweg vragen een zojuist afgeronde taak om te zetten in een herbruikbaar sjabloon.

Het systeem blijft ook leren. Het sessiegeheugen kan dagen doorlopen terwijl de agent documenten leest, met mensen praat en met andere agents afstemt, en ondertussen werkt het zijn beeld bij van hoe elke gebruiker werkt en wat die verwacht. Volgens Google steekt de agent evenveel moeite in leren wat gebruikers doen als in het aanroepen van tools.

De eerste vakspecifieke vaardigheden richten zich op datawerk. Datawetenschappers en engineers kunnen in gewone taal een gewenst resultaat beschrijven, waarna Gemini PySpark-code genereert, een notebook aanlevert om te bewerken en te testen, een model traint en zelfstandig problemen oplost. Voor zakelijke gebruikers laten operationele rapportagevaardigheden voor BigQuery en de Knowledge Catalog de agent op verzoek query's bouwen en opslaan. Is een rapport eenmaal opgeslagen, dan kunnen teams het opnieuw draaien zonder extra tokenkosten en krijgen ze elke keer consistente, gecontroleerde antwoorden.

Een plafond op de uitgaven

Kostenbeheersing krijgt bij de lancering opvallend veel aandacht. Google merkt op dat de prijs per token sinds 2024 met ongeveer 98% is gedaald, maar dat het AI-gebruik bij bedrijven sterk is gegroeid, waardoor de rekeningen niet per se kleiner zijn geworden.

Het antwoord daarop bestaat uit meerdere lagen. De flexibele uitgavenopties die in augustus zijn aangekondigd, gaan nu live. Orkestratie over meerdere modellen splitst complexe taken op en stuurt de makkelijke delen naar snelle modellen en de moeilijke naar frontiermodellen, terwijl slimme routering elke werklast onderbrengt bij het model dat de beste prestaties levert tegen de laagste kosten.

Beheerders kunnen bovendien harde uitgavenlimieten instellen in de Cloud Billing Console. Gemini houdt het tokengebruik bij en pauzeert zodra een limiet is bereikt. Het werk gaat pas verder als iemand daar in de console toestemming voor geeft en accepteert dat het budget wordt overschreden. Omdat het bijhouden per project gebeurt, kunnen bedrijven AI-kosten doorbelasten aan afzonderlijke afdelingen en budgetten per team plannen.

Onze analyse

Gemini agent is minder een nieuw model dan een gok op positionering: Google wil de laag zijn die over alle tools heen ligt die een bedrijf al gebruikt, ook die van Microsoft. Daarmee gaat het de directe concurrentie aan met vergelijkbare plannen voor een "werklaag" van andere leveranciers van bedrijfssoftware.

Twee details springen eruit. Subagents met eigen e-mailadressen en opslag laten agents meer op personeel lijken dan op software, wat praktische vragen oproept over rechten en toezicht waar bedrijven een antwoord op moeten vinden. En de sterke nadruk op uitgavenlimieten wijst erop dat kopers zich zorgen maken over uit de hand lopende tokenrekeningen, een zorg die ook zichtbaar is in de recente uitgavenlimieten van Cohere.

Het is de moeite waard om te volgen of de belofte van "doelen, geen instructies" overeind blijft in rommelige werkprocessen uit de praktijk, en hoe snel de beloofde modellen van buiten Google beschikbaar komen.