Gemini Agent؛ عامل هوش مصنوعی یکپارچه گوگل برای محیط کار

گوگل هدف از معرفی Gemini Agent را فراتر رفتن از کاربردهای آزمایشی هوش مصنوعی و استفاده از عامل‌های هوشمند در فرایندهای عملیاتی سازمان عنوان می‌کند. به گفته Google Cloud، در سال گذشته نزدیک به ۵۰۰ مشتری این شرکت، هرکدام بیش از یک تریلیون توکن پردازش کرده‌اند. اکنون نزدیک به ۸۰ درصد مشتریان Google Cloud از محصولات هوش مصنوعی این شرکت استفاده می‌کنند و تقریباً ۹۰ درصد شرکت‌های فهرست فورچون ۱۰۰ نیز Gemini Enterprise را در فرایندهای خود ادغام کرده‌اند.

Gemini Agent؛ از اجرای دستورها تا واگذاری اهداف

Gemini Agent به کاربران اجازه می‌دهد به‌جای ارائه دستورالعمل‌های جزئی، هدف موردنظر خود را تعیین کنند و انجام کار را به عامل بسپارند. این سیستم برنامه‌ریزی می‌کند، از ابزارها و مهارت‌های مختلف بهره می‌گیرد، به سامانه‌های سازمانی متصل می‌شود و نتیجه نهایی را در محیط‌هایی مانند اسناد، صندوق ورودی ایمیل و ابزارهای توسعه نرم‌افزار ارائه می‌دهد.

این عامل می‌تواند به‌عنوان دستیار شخصی یا عضوی از یک تیم فعالیت کند؛ برای مثال، در نقش مدیر پروژه یا تحلیلگر واحد مالی. همچنین کاربران می‌توانند وظایف را به آن واگذار کنند، انجام برخی کارها را زمان‌بندی کنند یا اجرای آن‌ها را به رویدادهای مشخص وابسته سازند.

معماری Gemini Agent بر چند اصل استوار است

• عامل یکپارچهپاسخ‌گویی به پرسش‌ها، اجرای مستقل وظایف و تولید کد در یک رابط واحد انجام می‌شود.
• دسترسی فراگیرکاربران می‌توانند از طریق وب، دستگاه‌های ، رایانه‌های ویندوز و مک، خط فرمان، Google Workspace، Microsoft 365 و Slack به آن دسترسی داشته باشند. این عامل همچنین می‌تواند بدون رابط کاربری اختصاصی، در برنامه‌های دیگر ادغام شود.
• اجرای پایدارGemini در فضای ابری اجرا می‌شود و حافظه، زمینه و اطلاعات شخصی‌سازی‌شده خود را میان دستگاه‌ها و کانال‌های مختلف حفظ می‌کند. بنابراین، کارهایی که ساعت‌ها یا روزها طول می‌کشند، پس از بسته‌شدن رایانه نیز ادامه پیدا می‌کنند.
• هماهنگی چندعاملیGemini می‌تواند برای انجام وظایف پیچیده، عامل‌های فرعی موقت با هویت‌های مستقل ایجاد کند و فعالیت آن‌ها را در مراحل موازی یا متوالی هماهنگ کند. همچنین امکان ساخت عامل‌های همکار با نقش مشخص و ثابت وجود دارد. این عامل‌ها می‌توانند ایمیل، فضای ذخیره‌سازی و هویت سازمانی اختصاصی داشته باشند و صرفاً به اطلاعاتی دسترسی پیدا کنند که کاربران یا اعضای تیم در اختیارشان قرار می‌دهند.
• زمینه عمیقاین سیستم از ابزارها، داده‌ها و سابقه کاری کاربر بهره می‌گیرد و با تعامل‌های بیشتر، درک بهتری از شیوه کار او پیدا می‌کند. تیم‌ها نیز می‌توانند پروژه‌های اختصاصی با زمینه، مهارت‌ها و ابزارهای مشخص تعریف کنند.
• انتخاب انعطاف‌پذیر مدلعامل از مدل زیربنایی خود مستقل است و می‌تواند برای هر وظیفه، مدل مناسب را انتخاب کند. این قابلیت در حال حاضر شامل مدل‌های خانواده Gemini و مدل‌های Claude شرکت آنتروپیک می‌شود و قرار است مدل‌های خصوصی و متن‌باز دیگر نیز در آینده به آن افزوده شوند. هدف، دستیابی به کیفیت بهتر و کاهش هزینه‌ها از طریق تطبیق مدل با نوع کار است.

مهارت‌ها، ابزارها و حافظه؛ زیرساخت لازم برای Gemini

گوگل سه قابلیت اصلی را برای تطبیق Gemini با نیازهای سازمان‌ها معرفی می‌کند: ابزارها، مهارت‌ها و زمینه یا حافظه.

ابزارها امکان اتصال امن به نرم‌افزارها و سامانه‌های موجود را فراهم می‌کنند؛ از جمله Confluence، Microsoft Office، Teams، Slack، Google Workspace، ابزارهای توسعه مانند Git و Jira، سامانه‌های سازمانی مانند Salesforce و ServiceNow و پایگاه‌های داده‌ای مانند BigQuery، Databricks، Postgres و Snowflake. همچنین اتصال به سرورهای پروتکل Model Context Protocol یا MCP نیز پشتیبانی می‌شود. سازمان‌ها می‌توانند ابزارهای اختصاصی خود را بسازند و از طریق یک مخزن مشترک در اختیار سایر تیم‌ها قرار دهند.

مهارت‌ها (Skills) مجموعه‌هایی ماژولار از دستورالعمل‌ها، دانش و گردش‌کارهای قابل‌استفاده مجدد هستند که به عامل می‌آموزند وظایف چندمرحله‌ای را چگونه انجام دهد. کاربران، تیم‌ها و واحدهای سازمانی می‌توانند مهارت‌های اختصاصی ایجاد و منتشر کنند. Gemini با انتخاب ابزارها و مهارت‌های مناسب و یادگیری از اجرای وظایف، به بهبود سازگاری عملکرد و کاهش هزینه توکن‌ها کمک می‌کند.

حافظه و زمینه نیز امکان شخصی‌سازی عملکرد را فراهم می‌کنند. Gemini چهار نوع حافظه دارد

1. حافظه نشست (session) برای وظیفه جاری
2. حافظه معنایی (semantic) برای ساخت پایگاه دانش از اسناد و تعامل‌ها
3. حافظه رویه‌ای (procedural) برای ثبت روش انجام کارها و مهارت‌های ایجادشده
4. حافظه رویدادی (episodic) برای نگهداری سابقه فعالیت‌های قبلی.

گوگل می‌گوید این عامل به‌تدریج ابزارها، کاربران و تیم را می‌شناسد و خود را با محیط کاری سازگار می‌کند.

ادغام مستقیم با Google Workspace

Gemini در Gmail، Drive، Docs، Slides، Sheets، Chat و Calendar مستقیماً فعالیت می‌کند و همان حافظه، مهارت‌ها و کنترل‌های امنیتی را در این محیط‌ها حفظ می‌کند.

این قابلیت سه شکل اصلی دارد.

1. نخست، دستیار شخصی که با شناخت تقویم، تیم، پروژه‌ها و ارتباط میان اسناد، کارهایی مانند تنظیم جلسه را انجام می‌دهد. این عامل همچنین می‌تواند یک پروژه را در چند برنامه دنبال کند؛ برای مثال، روندهای بازار را بررسی کند، مدل مالی را در Sheets بسازد و سپس ارائه‌ای مبتنی بر نتایج تهیه کند.
2. دوم، واگذاری پیش‌دستانه وظایف است. هوش زمینه‌ای Workspace می‌تواند ایمیلی را که مستلزم تهیه گزارش یا ارائه است شناسایی کند و گزینه‌ای برای واگذاری آن به Gemini در اختیار کاربر قرار دهد. همچنین پیام‌های مهم را بر اساس اهمیت، نه صرفاً زمان دریافت، برجسته می‌کند.
3. سوم، عامل همکار تیمی است. کاربران با تعریف یک نقش می‌توانند عاملی بسازند که حساب Workspace، ایمیل، تقویم، فضای Drive و حضور اختصاصی در فهرست سازمان داشته باشد. اعضای تیم می‌توانند آن را به فضای Chat اضافه کنند یا نامش را در اسناد منشن کنند. این عامل با هویت مستقل خود کار می‌کند و فقط به اطلاعاتی دسترسی دارد که مطابق سازوکارهای اشتراک‌گذاری و عضویت تیم در اختیارش قرار گرفته است.

تحلیل داده و یادگیری ماشین

گوگل قابلیت‌های تخصصی جدیدی برای تیم‌های فنی و کاربران کسب‌وکار معرفی کرده است تا پرسش‌های زبان طبیعی را به بینش‌های عملیاتی تبدیل کنند. برای مهندسان داده و یادگیری ماشین، Gemini می‌تواند بر اساس شرح هدف، کد PySpark تولید کند، نوت‌بوک برای ویرایش و آزمایش ارائه دهد، مدل‌ها را آموزش دهد و مشکلات خط لوله داده را شناسایی و برطرف کند.

کاربران کسب‌وکار نیز می‌توانند با طرح پرسش، گزارش‌های عملیاتی به‌روز تولید کنند. Gemini با استفاده از مهارت‌های گزارش‌گیری و اتصال به BigQuery و Knowledge Catalog، کوئری‌ها را ایجاد و ذخیره می‌کند. گزارش‌های ذخیره‌شده را می‌توان در دفعات بعد اجرا کرد، بدون آنکه هزینه توکن دوباره به آن‌ها تعلق بگیرد؛ رویکردی که به گفته گوگل، پاسخ‌های سازگار و تأییدشده را تضمین می‌کند.

سه قابلیت زیرساختی از این فرایند پشتیبانی می‌کنند

• Knowledge Catalogتعاریف کسب‌وکار، ساختار داده‌ها و قواعد سازمانی را در اختیار عامل‌ها قرار می‌دهد تا مفاهیمی مانند حاشیه سود خالص و بازار قابل‌دسترس را دقیق‌تر تفسیر کنند.
• Smart Storageداده‌های غیرساخت‌یافته مانند PDF، تصویر، اسکن و فایل صوتی را غنی‌سازی می‌کند و اطلاعات زمینه‌ای را مستقیماً روی همان اشیا ثبت می‌کند؛ در نتیجه، داده‌ها در محل ذخیره‌سازی خود باقی می‌مانند و وضعیت امنیتی موجود حفظ می‌شود.
• Borderless Lakehouseامکان پرس‌وجو از داده‌های Amazon S3 و Azure Data Lake را بدون هزینه متغیر انتقال داده فراهم می‌کند و دسترسی مستقیم به منابعی مانند Salesforce Data 360، SAP و Workday را بدون کپی‌کردن داده‌ها ممکن می‌سازد. این قابلیت همچنین از فدراسیون جداول Apache Iceberg میان چند پلتفرم پشتیبانی می‌کند.

پس از ثبت مجموعه‌داده‌ها در Knowledge Catalog، Gemini می‌تواند منابع مناسب را شناسایی کند، کد SQL، Spark یا Python بنویسد و آن را در سرویس‌های اجرایی مربوط اجرا کند. تولید نمودار و داشبورد نیز در ابزارهای مورداستفاده تحلیلگران امکان‌پذیر است.

زیرساخت پردازشی و اکوسیستم

گوگل مدعی است سامانه TPU 8i، در مقایسه با نسل قبلی، نسبت قیمت به عملکرد را ۸۰ درصد بهبود داده است. این سامانه بخشی از زیرساخت AI Hypercomputer است که تراشه‌ها، شبکه، مراکز داده و نرم‌افزار را در قالب یک سیستم بهینه‌شده یکپارچه می‌کند.

در لایه مدل‌ها، گوگل از Argon برای استدلال پیشرفته، Flash برای سرعت و حجم پردازش، Omni برای تولید رسانه و Gemma برای کاربردهای سبک و متن‌باز در لبه شبکه نام می‌برد. به گفته این شرکت، آزمایشگاه پیشرانش جت ناسا مدل Gemma را مستقیماً روی یک ماهواره در مدار اجرا می‌کند. نرم‌افزار NAVI این آزمایشگاه تصاویر زمین را در همان ماهواره تحلیل می‌کند و خلاصه‌ای از اطلاعات کلیدی را به اپراتورهای زمینی می‌فرستد.

Argon؛ نسل چهارم خانواده مدل‌های Gemini گوگل

چرا گوگل برای عرضه Gemini 4 Argon عجله نمی‌کند؟

مدل‌های Gemini 3.8 Flash و Gemini 3.8 Flash Cyber

گوگل از مدل Gemini Omni 1.1 Flash رونمایی کرد

گوگل هم‌زمان از ۳ مدل جدید خانواده Gemini رونمایی کرد؛ سریع، بهره‌ور، ایمن

EmbeddingGemma 2؛ مدل متن‌باز چندوجهی گوگل که حتی روی موبایل اجرا می‌شود

شتاب‌دهی به Gemma 4: استنتاج سریع‌تر با پیش‌نویس‌های پیش‌بینی چندتوکنی

دسترسی به Gemini agent

دسترسی به Gemini agent متناسب با نقش شما کاربر از سه مسیر اصلی فراهم شده است

１. سرویس‌های Google Workspace (ویژه کاربران اداری)
برای کاربران روزمره و کارهای تیمی، Gemini agent به‌صورت داخلی (Inline) درون ابزارهای Workspace تعبیه شده است

• محیط‌های قابل‌دسترسمستقیماً در پنل‌های جانبی یا درون‌متنی Gmail، Google Docs، Sheets، Slides، Drive و Google Meet.
• نحوه فعال‌سازینیاز به لایسنس سازمانی دارد (مانند اشتراک‌های Gemini Business یا Gemini Enterprise روی حساب Google Workspace شرکت یا سازمان)
• عملکردبدون نیاز به کدنویسی، به‌عنوان یک همکار مجازی که با دسترسی‌های سازمانی شما وظایفی مثل خلاصه ایمیل‌ها، تحلیل جداول یا تنظیم پیش‌نویس‌ها را انجام می‌دهد.

２. پلتفرم ابری Google Cloud و تحلیل داده (ویژه کسب‌وکارها و تحلیل‌گران)
برای تیم‌های فنی و تحلیل داده که قصد دارند عامل هوشمند را مستقیماً به منابع داده سازمانی متصل کنند

• محیط دسترسیاز طریق کنسول Google Cloud Platform (GCP).
• یکپارچگی با داده‌هااز طریق اتصال به Knowledge Catalog، Lakehouse و سرویس‌هایی مانند BigQuery یا Managed Spark Service.
• نحوه کاربریبا ارسال دستورات تحلیلی به زبان طبیعی، ایجنت به طور خودکار کدهای SQL یا Python موردنیاز را نوشته و اجرا می‌کند و نتایج و نمودارها را تحویل می‌دهد.

３. پلتفرم اختصاصی توسعه‌دهندگان (Gemini Enterprise Agent Platform)
توسعه‌دهندگان و مهندسان هوش مصنوعی می‌توانند با ابزارهای اختصاصی، ایجنت‌های سفارشی بسازند، آن‌ها را کنترل و در برنامه‌های خود اجرا کنند

• Gemini Agent Studioیک بستر Low-Code در کنسول ابری گوگل برای طراحی جریان‌های استدلال چندعاملی (Multi-Agent Workflows).
• Agent Development Kit (ADK)فریم‌ورک برنامه‌نویسی ماژولار مبتنی بر کد برای توسعه و پیاده‌سازی منطق‌های پیچیده.
• APIوAgent Gatewayدسترسی مستقیم به API یکپارچه ایجنت برای فراخوانی، اتصال به توابع سفارشی، کنترل دسترسی‌ها (IAM) و نظارت بر امنیت و مصرف توکن.

سکوی عامل‌های سازمانی جمنای؛ پیشران موج بعدی عامل‌ها
Gemini Agent Studio

در نهایت، گوگل بر حفظ حق انتخاب سازمان‌ها در تمام لایه‌های فناوری تأکید می‌کند. کاربران Gemini می‌توانند از عامل‌های شرکت‌های نرم‌افزاری و اتصال‌دهنده‌های آماده استفاده کنند و آن‌ها را از طریق AI Solution Finder بیابند.

AI Solution Finder

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.