Google ra mắt Gemini agent tập trung vào doanh nghiệp với hỗ trợ đa mô hình

Tại một sự kiện Google Cloud vào thứ Năm, công ty đã công bố việc mở rộng đáng kể nền tảng AI Gemini, giới thiệu một agent hợp nhất được thiết kế cho mục đích sử dụng trong doanh nghiệp. Tính năng mới này vượt ra ngoài việc chỉ trả lời câu hỏi đơn thuần để thực hiện các tác vụ phức tạp thay mặt người dùng, tích hợp trực tiếp với dữ liệu và quy trình làm việc của doanh nghiệp. Việc ra mắt nhắm đến môi trường doanh nghiệp trước tiên, tận dụng vị thế hiện có của Gemini tại gần 90% công ty thuộc Fortune 100.

Điều gì đã xảy ra

Google đang chuyển đổi Gemini từ một công cụ hội thoại thành một agent chủ động có khả năng lập kế hoạch và thực thi công việc. Thomas Kurian, CEO của Google Cloud, tuyên bố rằng người dùng giờ đây có thể cung cấp các mục tiêu thay vì chỉ đưa ra hướng dẫn. Agent tự động xác định các bước cần thiết, sử dụng các kỹ năng tùy chỉnh và kết nối với các hệ thống nội bộ để đạt được những mục tiêu này. Cách tiếp cận này đáp ứng nhu cầu ngày càng tăng đối với AI có thể xử lý các quy trình end-to-end, chẳng hạn như lên lịch, viết mã và phân tích dữ liệu, mà không cần sự can thiệp liên tục của con người.

Chiến lược triển khai ưu tiên cho doanh nghiệp nhằm giải quyết các thách thức quan trọng về bảo mật, quy mô và hiệu suất trước khi mở rộng sang thị trường người dùng cá nhân. Sundar Pichai, CEO của Google, nhấn mạnh rằng cách tiếp cận theo giai đoạn này cho phép công ty tinh chỉnh công nghệ trong các môi trường doanh nghiệp được kiểm soát. Với hơn 1 tỷ người dùng hoạt động hàng tháng đã tương tác với Gemini, cơ sở hạ tầng đã sẵn sàng để hỗ trợ việc áp dụng rộng rãi, nhưng trọng tâm ban đầu vẫn là giải quyết các vấn đề vận hành khó khăn hơn cho các tổ chức lớn.

Thử nghiệm sớm bao gồm các công ty lớn như Shopify, PayPal và On. Các khách hàng Gemini Enterprise đáng chú ý khác bao gồm BNP Paribas, Merck và Ulta Beauty. Những tổ chức này đang sử dụng nền tảng để tích hợp AI vào các hoạt động hàng ngày, thử nghiệm khả năng quản lý các quy trình làm việc phức tạp và tương tác an toàn với nhiều hệ sinh thái phần mềm khác nhau.

Cách thức hoạt động

Agent hoạt động như một thực thể riêng biệt trong tổ chức, hoàn thiện với tài khoản Google Workspace, địa chỉ email và ngữ cảnh riêng. Nó hiểu cấu trúc tổ chức, bao gồm tư cách thành viên nhóm, múi giờ và hệ thống phê duyệt. Người dùng có thể tương tác với agent bằng cách gắn thẻ (tag) nó trong cuộc trò chuyện, gửi email hoặc chia sẻ tệp. Khi thực hiện các tác vụ, nó tạo ra một nhật ký kiểm toán (audit trail) được ghi nhận cho chính agent, đảm bảo tính minh bạch và trách nhiệm giải trình cho các hành động tự động.

Một tính năng kỹ thuật chính là trình chọn mô hình (model picker), cho phép hệ thống lựa chọn mô hình AI phù hợp nhất cho một tác vụ cụ thể. Theo mặc định, Gemini sẽ chọn mô hình tốt nhất, nhưng người dùng có thể ghi đè lựa chọn này thủ công. Hệ thống hiện hỗ trợ các mô hình của bên thứ ba, bắt đầu với Claude của Anthropic, và có kế hoạch bao gồm các mô hình mã nguồn mở và riêng tư trong tương lai. Sự linh hoạt này cho phép các doanh nghiệp cân bằng giữa hiệu suất, chi phí và các yêu cầu về năng lực cụ thể.

Kết nối được xử lý thông qua các tích hợp tiêu chuẩn và Model Context Protocol (MCP). Agent kết nối với các nền tảng như Microsoft 365, Slack, Jira, Git, BigQuery, Snowflake và Postgres. Nó cũng có thể giao tiếp với bất kỳ máy chủ MCP nào, dù nằm trong hay ngoài mạng lưới công ty. Giao diện "hộp thư tác vụ" (tasks inbox) cung cấp khả năng hiển thị vào quá trình suy luận của agent, việc ủy quyền cho các subagent và tiến độ, cho phép người dùng giám sát và can thiệp nếu cần.

Chi tiết chính

• Agent hoạt động với danh tính Workspace riêng, bao gồm địa chỉ email độc đáo và nhận thức ngữ cảnh về cấu trúc công ty.
• Người dùng có thể lựa chọn từ nhiều mô hình AI, bao gồm các tùy chọn của bên thứ ba như Claude của Anthropic, với hỗ trợ dự kiến cho các mô hình mã nguồn mở trong tương lai.
• Tích hợp mở rộng đến các công cụ doanh nghiệp lớn như Microsoft 365, Slack, Jira, Git, BigQuery, Databricks và Snowflake.
• Hệ thống hỗ trợ Model Context Protocol (MCP) để kết nối an toàn với các máy chủ nội bộ và bên ngoài.
• Các biện pháp kiểm soát tài chính mới bao gồm điều phối đa mô hình, định tuyến thông minh và giới hạn chi tiêu thời gian thực để quản lý chi phí AI.
• Quyền truy cập có sẵn trên iOS, Android, Windows, Mac, giao diện dòng lệnh và các nền tảng năng suất khác nhau.

Tại sao điều này quan trọng

Đối với các kỹ sư phần mềm và lãnh đạo IT, việc ra mắt này đánh dấu sự chuyển dịch sang các quy trình làm việc dạng agent đòi hỏi quản trị và giám sát chặt chẽ. Khả năng gán các mục tiêu thay vì hướng dẫn từng bước giảm tải nhận thức cho các nhà phát triển nhưng làm tăng nhu cầu tin tưởng vào quá trình ra quyết định tự động. Nhật ký kiểm toán tích hợp và danh tính agent riêng biệt giúp giảm thiểu rủi ro bằng cách cung cấp nguồn gốc rõ ràng cho các hành động do AI thực hiện, điều rất quan trọng cho việc tuân thủ và gỡ lỗi trong môi trường doanh nghiệp.

Việc hỗ trợ điều phối đa mô hình và kết nối MCP giải quyết một điểm đau phổ biến trong việc áp dụng AI: khóa vendor (vendor lock-in) và độ phức tạp trong tích hợp. Bằng cách cho phép các nhóm định tuyến tác vụ đến các mô hình khác nhau dựa trên chi phí hoặc năng lực, các tổ chức có thể tối ưu hóa chi tiêu và hiệu suất AI của mình. Việc bao gồm các mô hình mã nguồn mở và riêng tư trong lộ trình phát triển gợi ý thêm xu hướng chuyển sang kiến trúc AI lai, nơi dữ liệu nhạy cảm có thể được xử lý cục bộ trong khi tận dụng các mô hình đám mây mạnh mẽ cho các tác vụ khác.

Bạn có thể làm gì

• Đánh giá các nhu cầu tự động hóa quy trình làm việc hiện tại để xác định các tác vụ phù hợp với ủy quyền dựa trên mục tiêu.
• Xem xét các tích hợp hiện có với các công cụ như Slack, Jira hoặc BigQuery để chuẩn bị cho các kết nối tương thích với MCP.
• Thiết lập các nguyên tắc cho tương tác với AI agent, bao gồm hệ thống phê duyệt và quy trình xem xét nhật ký kiểm toán.
• Theo dõi tính khả dụng của hỗ trợ mô hình bên thứ ba và mã nguồn mở để lập kế hoạch cho chiến lược đa mô hình.
• Thử nghiệm giao diện "hộp thư tác vụ" để hiểu cách khả năng hiển thị vào quá trình suy luận của agent có thể cải thiện việc giám sát.
• Đánh giá chi tiêu AI hiện tại và khám phá các tùy chọn chi tiêu linh hoạt mới như giới hạn chi tiêu thời gian thực.