一個 Agent，自己的收件匣：Google 的 Gemini Agent 擁有 Gmail 地址，也擁有一份工作

10 月 8 日的 Gemini at Work 2026 活動上，Google Cloud 發布了一個表面上看起來平淡、實則結構性改變 AI 進入企業方式的東西：Gemini agent——一個「單一、通用的的工作 Agent」。當它以團隊成員身分部署時，會獲得自己的 Workspace 帳號，包括 Gmail 地址、行事曆、Drive 儲存空間，以及在公司目錄中的 presence。

Google 賣的意象非常刻意：這個 agent 不只是跟你對話，它會「入職」。執行長 Thomas Kurian 的主題演講文章寫道：「Gemini 會像新員工一樣自我 onboarding，在開始工作前先認識你、你的工具和你的團隊。」

Gemini agent 到底是什麼

剝開主題演講的包裝，架構其實直接但野心十足：一個 agent、一個 API、一個提示框。如 Kurian 所說，你「給它目標，而不是指令」——「你交付一個結果，回來時拿到完成的工作。」

六個設計原則支撐著它：

• 統一 agent（Unified agent）：在同一個介面裡回答問題、自主完成被指派的目標、撰寫並執行程式碼。你可以指派工作、排程任務，或讓它回應事件。
• 無所不在的存取（Omnipresent access）：網頁、iOS、Android、Windows、Mac、命令列、Google Workspace、Microsoft 365、Slack——還能以 headless 模式透過 API 嵌入第三方應用，不需要專屬 UI。
• 持久執行（Persistent execution）：在雲端運行，跨所有裝置和通道維持同一組記憶、上下文和一張個人化圖譜。耗時數小時甚至數天的工作，在你關上筆電後繼續跑，回來時還在。
• 多 Agent 編排（Multi-agent orchestration）：Gemini 會動態生成一批臨時、任務特定的子 Agent——各有自己的身分——以平行或序列方式執行可長達數小時到數天的多步驟任務。「同事 Agent（coworker agent）」更進一步：擁有持久角色與自己的 @agents.company.com 信箱和儲存空間的長期團隊成員。
• 深度上下文（Deeply contextual）：四種記憶——session（眼前任務，即使跑好幾天）、semantic（邊讀文件邊工作邊累積的結構化知識庫）、procedural（工作怎麼做，包括它自己寫的 skill）、episodic（它做過的每一件事）。
• 模型選擇彈性（Model choice flexibility）：Agent 和模型是脫鉤的。每個任務跑在最適合的模型上——今天就在 Google 的 Gemini 家族和 Anthropic 的 Claude 模型之間調度，未來加入其他閉源與開源模型。Google 特別註明「最適合任務的模型不一定是最大的」——而且領先模型每幾個月就換人，保持選擇開放，意味著換模型時你的上下文、skill 和資料都留在原地。

最後這點是整場發布會最顛覆的地方。Google——一家把企業鎖進自家前沿模型有百分之百商業動機的公司——明確告訴客戶：當任務需要時，它的 agent 會路由到競爭對手的模型。Constellation Research 分析師 Holger Mueller 點出的正是這個：「突出之處在於開放的做法——讓企業把已經信任、已經採購的 LLM 納入 Gemini agent 的自動化範圍。」

走進 Workspace：三種存在模式

Gemini agent 直接在 Gmail、Drive、Docs、Slides、Sheets、Chat 和 Calendar 裡工作，帶著與其他地方相同的記憶、skill 和控制。在文件或對話串裡 @Gemini 即可呼叫。

作為個人助理，它上工前就被簡報過——知道你的行事曆、團隊、專案，以及文件之間的關聯。Google 的例子：叫它「下週和往常那組區域活動負責人開個會」，不用給任何名字或 email，它從聊天空間成員和上次活動的討論串推斷出是誰、查他們的行事曆、發起協調時間的信件——外部參與者也一樣。

作為主動委派（proactive delegation），Workspace Intelligence 會辨識可委派的任務。如果主管寄信要一份以簡報呈現的專案更新，你會看到一鍵把任務交給 Gemini 的選項。同樣的推理會讓收件匣浮出最重要的訊息（而非最晚到的），並說明原因。

作為同事，是最奇特也最有意思的。描述你需要的角色，Gemini 就把它建出來——一個活動協調 agent 在聊天群組裡被交代草擬上市準備文件，完成後貼回群組；或一個在文件註解裡被標註的 agent，直接在 Doc 裡建議編輯、回覆註解串，「在版本歷史中以自己的名義出現」。它以自己的身分行動而非你的名義，只看得到你分享給它的內容，存取權限跟隨團隊既有的共享與成員機制。

治理：擁有員工級身分的 Agent

對企業來說，發布會中治理的部分可能比任何 demo 都重要。Google 把 agent 治理框成四個問題：這個 agent 是誰？它被允許做什麼？它做了什麼？以及——它絕對不能碰什麼？

每個 agent 都有密碼學證明（cryptographically attested）的身分，像員工一樣被治理，配最小權限。這個身分被印進它所有的工作日誌，以及任何為了跑程式碼而開的 VM。細粒度的角色權限由安全管理員核准；agent 透過 OAuth 對接外部系統時，身分會被映射並傳遞。每個動作都寫入稽核軌跡，歸屬於 agent 而非個人——搭配即時可觀測性，在異常行為釀禍前抓到它。

第四個問題有專屬產品：Agent Gateway——一座 AI 網路防火牆，所有進出、以及 agent 之間的流量都經過它，即時比對全組織政策。寫一次「agent 不得開啟標記為 Need to Know 的文件」，就套用到全公司每一個 agent，不用一個一個檢查。Agent 也都在有獨立網路邊界的 Agent Sandbox 裡執行任務。

成本方面：多模型編排、自動把工作負載分診到最便宜夠用模型的 Smart Routing，以及可在 Cloud Billing Console 設定的即時支出上限——觸發上限時，該專案的 agent 暫停，一鍵即可恢復；按專案追蹤讓 AI 成本可以回頭向各部門收取。Google 附帶一提：自 2024 年以來每 token 價格跌了 98%，但企業用量爆炸性成長。

資料層與客戶實證

這個 agent 站在一個 Knowledge Catalog 上：把「淨利率」「可觸及市場」這類商業定義映射一次，所有 agent 就共用。Smart Storage 就地豐化非結構化物件；「無邊界 Lakehouse」讓 Gemini 直接查詢 Amazon S3、Azure Data Lake、Salesforce Data 360、SAP、ServiceNow 和 Workday——不複製資料、不付變動 egress 費。

規模數字是標準主題演講套路，但有幾個特別顯眼：近 500 家 Google Cloud 客戶去年各自處理超過一兆 token；約 80% 的 Google Cloud 客戶使用其 AI 產品；約 90% 的 Fortune 100 使用 Gemini Enterprise。Bloomberg Media 透過將資料 agent 紮根於 catalog，把 SQL 查詢準確率提升 63%。Bradesco 把文件審閱從一小時縮短到五分鐘。SOMPO 為 34,000 名員工建了超過 10,000 個自訂 agent。Orange Spain 部署了超過 1,000 個自訂 agent，零 IT 瓶頸。

模型動態調度能力的早期測試者包括運動服飾品牌 On、Shopify（為數百萬商家混合前線模型），以及 PayPal——每週路由 1,000 萬次多模型請求。

上線時程

Gemini agent 目前處於私有預覽（private preview）階段，將「很快」廣泛提供給選定 Business 與 Enterprise 方案的 Workspace 客戶。金融服務與法律的產業特化版本在預覽中，政府、醫療與零售即將推出。底下是 Google 的 AI Hypercomputer 技術堆疊——最新 TPU 8i 系統性價比比前一代高 80%。還有一個值得單獨寫一篇的註腳：NASA 噴射推進實驗室（JPL）正把 Gemma 直接跑在軌道上的衛星裡，是視覺語言模型的第一次。

分析：組織圖多了一列

這場發布真正的賭注不在任何單一功能，而在於：企業 AI 的基本單位不再是聊天機器人、甚至不是 copilot，而是持久的組織行動者（persistent organizational actor）——有身分、有權限、有收件匣、有行事曆、有可稽核的行為。Microsoft 從 365 那一側在建構同一個命題；OpenAI 的 DevDay agent 佈局和 Anthropic 的企業工具則從模型側逼近。Google 的差異化在於它擁有工作真正發生的生產力套件——而且為了贏下客戶，它願意路由到 Claude。

風險同樣是結構性的：一個在目錄裡有自己 presence 的 agent，其可靠度上限就是它的治理水準。Google 等於在請企業信任：為人類設計的身分管理、政策執行和稽核軌跡，可以擴展到規模化的非人類員工。如果成立，2027 年每個 CIO 被問的問題將不再是「我們該不該用 AI？」，而是「我們要開多少 agent 帳號——以及，誰來核准？」