تصور کنید کارمندی دیجیتال دارید که وقتی لپ‌تاپتان را می‌بندید، همچنان برای سه روز متوالی روی یک پروژه پیچیده کار می‌کند و نتایج را در تقویم شما می‌نشاند. در ۸ اکتبر ۲۰۲۶، گوگل کلاود (Google Cloud) از Gemini agent پرده‌برداری کرد؛ لایه‌ای از تفویض اختیار که هوش مصنوعی را از یک ابزار پاسخ‌دهنده به یک دنبال‌کننده خودکار اهداف تبدیل می‌کند.
این تحول در حالی رخ می‌دهد که بسیاری از سازمان‌ها در عبور از مراحل آزمایشی و پراکندهٔ هوش مصنوعی متوقف شده‌اند. همان‌طور که در تحلیل قبلی ما درباره‌ی پایداری Gemini 3.7 Flash در برابر فراموشی دستورات در تست‌های اولویت‌بندی شده اشاره کردیم، گوگل اکنون این ثبات حافظه را به عملیات واقعی کسب‌وکار منتقل کرده است. در واقع، این عامل شبیه به یک مدیر پروژه است که نه تنها سؤالات شما را جواب می‌دهد، بلکه وقتی آفلاین هستید، تمام مراحل اجرایی یک هدف را مدیریت می‌کند. این قابلیت‌های عملیاتی پیش از این در محیط‌های بانکی آزمایش شده بود، جایی که عامل‌های گوگل توانستند زمان بررسی اسناد Bradesco را از یک ساعت به ۵ دقیقه برسانند و کارایی عملیاتی را به شدت افزایش دهند.
معماری استقلال
به نقل از گزارش Marktechpost، این عامل به‌جای تکیه بر یک مدل واحد، به عنوان یک لایه مسیریابی (Routing Layer) عمل می‌کند. برای توسعه‌دهندگان، خودِ عامل محصول اصلی است و مدل‌ها صرفاً ابزاری برای تصمیم‌گیری در مسیر اجرا هستند. این سیستم وظایف را بین مدل‌های مختلف گوگل توزیع می‌کند: Argon برای استدلال‌های پیشرو و پیچیده، Flash برای سرعت و حجم بالا، Omni برای رسانه‌های زاینده و Gemma برای کارهای لبه‌ای با وزن‌های باز (Open Weights) — یعنی مدل‌هایی که دستور پخت آن‌ها علناً منتشر شده است. جالب اینجاست که اگر مدل‌های Claude شرکت Anthropic برای وظیفه‌ای خاص مناسب‌تر باشند، سیستم آن‌ها را نیز به کار می‌گیرد.
این سامانه بر اساس ۶ اصل کلیدی بنا شده است:
- رابط یکپارچه: یک API و یک کادر پرامپت واحد برای مدیریت چت، اهداف خودکار و تولید کد.
- دسترسی همه‌جایی: قابلیت دسترسی از طریق وب، موبایل، دسکتاپ، CLI، محیط‌های Workspace، مایکروسافت ۳۶۵، Slack یا محیط‌های بدون رابط کاربری (Headless).
- اجرای پایدار: وظایف در فضای ابری با یک مجموعه حافظه و یک گراف شخصی‌سازی‌شده اجرا می‌شوند. تکالیفی که ساعت‌ها یا روزها زمان می‌برند، پس از بستن لپ‌تاپ شما همچنان در حال اجرا می‌مانند.
- هماهنگی چندعاملی: سیستم می‌تواند عامل‌های فرعی موقت ایجاد کند که هر کدام هویت خاص خود را دارند تا گام‌های موازی یا متوالی را اجرا کنند.
- زمینه عمیق: عامل به مرور زمان ابزارها، داده‌ها و تاریخچه کاری شما را می‌آموزد تا به درکی عمیق از بستر عملیات دست یابد.
- انعطاف مدل: هر تکالیف خاص به بهینه‌ترین مدل موجود مسیریابی می‌شود.
حافظه و یکپارچگی
این عامل برای حفظ وضعیت عملیات از چهار نوع حافظه متمایز استفاده می‌کند. حافظه نشست (Session memory) وظایف جاری را در طول روزها دنبال می‌کند. حافظه معنایی (Semantic memory) — که یک پایگاه دانش ساختاریافته از اسناد و افراد است — دانش سازمان‌یافته را ذخیره می‌کند. حافظه رویه‌ای (Procedural memory) نحوه انجام کارها، از جمله مهارت‌هایی که خودِ عامل برای خودش می‌نویسد را نگه می‌دارد و حافظه اپیزودیک (Episodic memory) تمام اقدامات گذشته را ثبت می‌کند.
یکپارچگی سیستم از طریق یک دفتر ثبت مشترک از مهارت‌ها (پرامپت‌های ماژولار) و ابزارها صورت می‌گیرد. این عامل مستقیماً به Salesforce، Jira، ServiceNow، BigQuery، Snowflake، فایل‌های دسکتاپ و هر سروری که از پروتکل زمینهٔ مدل (Model Context Protocol - MCP) پشتیبانی کند، متصل می‌شود.
ارتقای تیم‌های داده
مهندسان داده و ML اکنون می‌توانند نتایج مورد نظر خود را با زبان ساده توصیف کنند. عامل سپس کد PySpark می‌نویسد، نوت‌بوک‌ها را آماده می‌کند، مدل‌ها را آموزش می‌دهد و خطاهای خط لوله (Pipeline) را رفع می‌کند. کاربران تجاری نیز از گزارش‌های ذخیره‌شده BigQuery بهره می‌برند که بدون هزینه مجدد برای توکن (Token) — تکه‌های کوچکی از متن که مدل می‌خورد — بازاجرا می‌شوند.
سه سرویس کلیدی این پاسخ‌ها را مبنی‌سازی (Grounding) می‌کنند:
- Knowledge Catalog: تعریف یک‌باره مفاهیم تجاری برای تمام عامل‌ها جهت حفظ سازگاری در کل سازمان.
- Smart Storage: غنی‌سازی اشیاء بدون ساختار در محل ذخیره‌سازی، چرا که ۹۰٪ داده‌های سازمانی ساختارنیافته هستند.
- Borderless Lakehouse: امکان پرس‌وجو از Amazon S3 و Azure Data Lake بدون هزینه‌های متغیر خروجی داده (Egress fees).
هویت «همکار دیجیتال»
در یک چرخش راهبردی، گوگل با این عامل مانند یک هم‌تیمی رفتار می‌کند. در Google Workspace، هر عامل همکار حساب کاربری مخصوص به خود را دریافت می‌کند که شامل یک آدرس ایمیل، تقویم، درایو و یک ورودی در دایرکتوری سازمان است. همکاران می‌توانند در چت یا اسناد با @mention او را صدا بزنند و تغییرات او با نام خودش در تاریخچه نسخه‌ها (Version History) ثبت می‌شود.
عامل فقط به داده‌هایی دسترسی دارد که با او به اشتراک گذاشته شده است. او به‌صورت درونی (Inline) در Gmail، Docs، Sheets، Slides، Chat و Calendar عمل کرده و برای وظایفی که به‌طور خودکار شناسایی می‌کند، گزینه تفویض تک‌کلیکی ارائه می‌دهد.
حاکمیت و کنترل هزینه
گوگل برای رفع ترس از «هوش مصنوعی افسارگسیخته»، سقف‌های هزینه سخت‌گیرانه‌ای وضع کرده است. تیم‌ها در کنسول صورت‌حساب ابری (Cloud Billing Console) یک حد نهایی برای پروژه تعیین می‌کنند؛ به محض فعال شدن این سقف، عامل پروژه متوقف می‌شود تا یک انسان دوباره آن را فعال کند. این زیرساخت توسط سیستم TPU 8i پشتیبانی می‌شود که طبق ادعای گوگل، ۸۰٪ بهبود در نسبت قیمت به عملکرد نسبت به نسل قبل دارد.
گوگل حاکمیت را حول چهار پرسش تعریف می‌کند: عامل کیست، چه کارهایی مجاز است انجام دهد، چه کارهایی انجام داده است و به چه چیزهایی هرگز نباید دست بزند. امنیت از طریق یک فایروال شبکه به نام Agent Gateway مدیریت می‌شود. هر عامل دارای یک هویت تاییدشده رمزنگاری شده با دسترسی‌های حداقلی (Least-privilege) است و دسترسی‌های مبتنی بر نقش (RBAC) از طریق استانداردهایی مانند OAuth به سیستم‌های خارجی متصل می‌شود. تمام اقدامات به هویت عامل، نه شخص، ثبت می‌شود و عامل‌ها در یک محیط ایزوله (Agent Sandbox) اجرا می‌شوند.
جایگاه در بازار
در مقایسه با Microsoft 365 Copilot یا OpenAI ChatGPT Work، تمایز Gemini agent در هویت پایدار و اجرای ابری طولانی‌مدت است. در حالی که رقبا بر کمک‌های لحظه‌ای (Inline assistance) تمرکز دارند، گوگل روی «لایه تفویض» شرط‌بندی کرده است؛ جایی که کاربر هدف (Objective) را تعیین می‌کند، نه دستورالعمل‌های گام‌به‌گام را.
این تغییر یعنی هوش مصنوعی دیگر ابزاری نیست که شما استفاده کنید، بلکه منبعی است که مدیریت می‌کنید. ریسک اصلی، نبود محک‌های (Benchmark) تکرارپذیر است. در حال حاضر خریداران باید به تجربیات مشتریان تکیه کنند؛ مثلاً Bloomberg Media با استفاده از Knowledge Catalog برای مبنی‌سازی عامل‌های داده، دقت پرس‌وجوهای SQL خود را ۶۳٪ افزایش داده است.
برای مشاهده عملی این سیستم، منتظر تاریخ در دسترس عمومی (GA) و عرضه مدل‌های خصوصی و وزن‌باز بیشتر در لایه هماهنگ‌ساز باشید.
گام بعدی شما
- اگر مدیر محصول هستید، بررسی کنید کدام فرآیندهای تکراری سه روزه در تیم شما وجود دارد که بتوان آن را به یک هدف (Objective) برای عامل تبدیل کرد.
- برای توسعه‌دهندگان، مستندات MCP را مطالعه کنید تا ابزارهای داخلی شرکتتان را برای اتصال به این عامل آماده کنید.
- سقف‌های هزینه در Cloud Billing Console را پیش از فعال‌سازی عامل‌ها برای تیم‌های خود تعریف کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های TPU نسل جدید مراجعه کنید.
گفتگو