Google leva IA agêntica ao Gemini, começando pelas empresas

O Google anunciou nesta quinta-feira (8 de outubro), em evento do Google Cloud↳Google Cloud13 conteúdosPrograma da Google Cloud no Brasil projeta formar de forma gratuita 30 mil universitáriosDev (Back & Front) · mar 2026Google Cloud OnBoard capacita estudantes e desenvolvedores de TIGestão Dev & TI · mai 2019Desenvolvedores poderão participar de treinamento gratuito do Google CloudGestão Dev & TI · mai 2019Ver tudo em DevSecOps →, a chegada de um agente de IA↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI → unificado ao Gemini: um sistema que não só responde perguntas, mas executa tarefas em nome do usuário a partir de uma única interface. A novidade, reportada pelo TechCrunch, chega primeiro para empresas que já usam o Gemini Enterprise, antes de qualquer rollout para o consumidor final.

A escolha não é acidental. Segundo o CEO do Google, Sundar Pichai, o Gemini já passa de 1 bilhão de usuários mensais ativos, e cerca de 90% das empresas da Fortune 100 usam o Gemini Enterprise no trabalho. Pichai afirmou que começar pelo ambiente corporativo permite à empresa resolver antes "os problemas mais difíceis de segurança, escala e performance" que vêm junto com agentes capazes de agir sozinhos.

De conversar para executar

O movimento acompanha uma mudança mais ampla no mercado de IA: ferramentas que deixaram de ser só conversacionais para assumir tarefas inteiras, como gerar código, marcar reuniões, reservar viagens. O TechCrunch cita como pano de fundo o Muse, da Meta, o Instinct e o recém-lançado Dots, do ChatGPT, todos nessa mesma corrida por agentes que operam dentro de mensageiros e fluxos de trabalho reais.

Para quem desenvolve software, a diferença entre um assistente que sugere e um agente que executa é operacional, não cosmética. Thomas Kurian, CEO do Google Cloud, resumiu a mudança de proposta:

Objetivos, não apenas instruções.

Objectives, not just instructions.Thomas Kurian, CEO do Google Cloud

Na prática, segundo Kurian, isso significa que o agente planeja o trabalho, usa skills e ferramentas customizadas e se conecta aos sistemas internos da empresa para cumprir um objetivo de ponta a ponta, em vez de só seguir um comando isolado.

Um colega de equipe com conta própria no Workspace

O detalhe mais incomum do anúncio é o tratamento dado ao agente dentro da organização: ele ganha sua própria conta no Google Workspace, como se fosse mais um funcionário. Isso inclui endereço de e-mail próprio e contexto próprio: o agente sabe quem está em qual time, fusos horários, quem precisa aprovar o quê e o que está na agenda das pessoas.

Usuários podem acionar o agente marcando-o (@), enviando e-mail, compartilhando um documento com ele ou adicionando-o a um grupo de chat. Toda ação que ele toma gera um registro de auditoria atribuído ao próprio agente, não a uma pessoa, o que resolve (ao menos na teoria) um problema recorrente de rastreabilidade em automações de IA dentro de empresas.

O progresso do trabalho fica visível numa interface chamada "tasks inbox", onde dá para acompanhar o raciocínio do agente, a delegação de tarefas a subagentes, o carregamento de skills específicas e o código gerado em tempo real.

Onde ele se conecta: Git, BigQuery, Jira e MCP

Para quem trabalha com dados e infraestrutura, a lista de integrações é o ponto mais relevante do anúncio. O agente se conecta às ferramentas internas da empresa, incluindo:

• Google Workspace e Microsoft 365
• Slack, Jira e Confluence
• Git
• BigQuery, Databricks, Postgres↳PostgreSQL11 conteúdosPostgreSQL via SSL com GolangData · abr 20195 itens legais sobre data types do PostgreSQLData · mar 20195 serviços gratuitos na cloud para bancos de dados PostgresData · fev 2025Ver tudo em Data → e Snowflake

Além disso, o agente trabalha com qualquer servidor MCP (Model Context Protocol), dentro ou fora da rede da empresa. Isso o coloca no mesmo ecossistema de integração que já vem sendo adotado por outras ferramentas agênticas, e significa que times que já expõem dados e skills via MCP para outros assistentes não precisam reconstruir essa camada do zero para o Gemini.

Solicitações ao agente também podem incluir anexos, como arquivos, pastas ou projetos inteiros montados para fluxos de trabalho específicos, combinando arquivos e skills num mesmo pedido.

Escolha de modelo: Gemini por padrão, Claude como opção

Por padrão, a IA escolhe sozinha o melhor modelo para completar cada tarefa. Mas o usuário pode assumir o controle e trocar o modelo manualmente, incluindo opções de terceiros, a começar pelos modelos Claude, da Anthropic. O Google disse que vai expandir esse seletor de modelos para incluir modelos open source e outros modelos privados no futuro.

Para quem já opera no Vertex AI, isso formaliza algo que muita equipe já fazia de forma manual, orquestrando chamadas entre modelos da própria Google e de terceiros. A diferença é que agora essa escolha de modelo acontece dentro do mesmo agente orquestrador, e não como integrações separadas mantidas pelo time de engenharia.

Onde o agente roda: do terminal ao Slack

O agente estará acessível em iOS e Android, Windows e Mac, Google Workspace, Microsoft 365, ServiceNow, Slack e também na linha de comando. Essa última porta é a que mais interessa a quem escreve código: significa que o mesmo agente que delega tarefas administrativas via Slack também pode ser invocado a partir do terminal, no mesmo fluxo de trabalho usado para rodar testes ou fazer deploy.

Os primeiros testadores incluíram a marca esportiva On, a Shopify e o PayPal. Entre os clientes do Gemini Enterprise citados pelo Google estão BNP Paribas, Bradesco, Merck, Orange Espanha, Santee Cooper, SOMPO, Ulta Beauty e Wesfarmers. A presença do Bradesco na lista é o sinal mais direto de que o recurso não é só um experimento de mercados maduros: bancos brasileiros já fazem parte da base que vai receber o agente.

Custo: orquestração, roteamento e teto de gastos

Rodar múltiplos modelos para tarefas abertas tem um risco óbvio: custo imprevisível. O Google disse que vai oferecer opções flexíveis de gasto, incluindo orquestração multi-modelo, roteamento inteligente entre modelos e tetos de gasto em tempo real (real-time spend caps), para ajudar empresas a manter sob controle o custo de rodar IA agêntica em produção.

Para times de engenharia que hoje monitoram gasto de tokens por projeto no Vertex AI, esse controle de teto em tempo real é o item mais prático do pacote: ele desloca parte do trabalho de governança de custo que hoje é feito com scripts e dashboards internos para dentro da própria plataforma.

O que ainda fica em aberto

O Google não detalhou, na cobertura do TechCrunch, prazos de disponibilidade geral, preços específicos do agente nem como fica a política de dados quando o agente acessa sistemas sensíveis como BigQuery ou Postgres de produção. Também não há, até aqui, data anunciada para o rollout ao consumidor final mencionado por Pichai. São pontos que devem definir se o agente vira ferramenta de uso diário em times de engenharia brasileiros ou fica restrito a pilotos controlados nas grandes contas que já usam Gemini Enterprise.

Fonte: TechCrunch