Google जेमिनी एजंट क्लॉड मॉडेल्स आणि AI सहकर्मी जोडतो

Google चॅटबॉट्स आणि वैयक्तिक उत्पादकता साधनांच्या पलीकडे आपली एंटरप्राइझ AI धोरण विस्तारत आहे. नवीन Google जेमिनी एजंट हे उद्दिष्ट स्वीकारण्यासाठी, कामाचे नियोजन करण्यासाठी, कनेक्ट केलेल्या साधनांचा वापर करण्यासाठी आणि व्यवसाय अनुप्रयोगांवर पूर्ण झालेले परिणाम परत करण्यासाठी डिझाइन केलेले आहे. एआय सहाय्यकाला वैयक्तिक पायऱ्यांसाठी वारंवार प्रॉम्प्ट करण्याऐवजी, कर्मचारी अधिक जटिल असाइनमेंट सोपवू शकतात आणि एजंटला प्रक्रियेचे समन्वय करू देतात.

घोषणेचे सखोल महत्त्व हे आहे की Google एजंटला ते पॉवर करणाऱ्या मॉडेलपासून कसे वेगळे करते. जेमिनी एजंट Google च्या जेमिनी मॉडेल्स आणि अँथ्रोपिकच्या क्लॉड मॉडेल्सवर कामाची मांडणी करू शकतो, तो कार्यासाठी सर्वात योग्य आहे हे निर्धारित केलेल्या मॉडेलनुसार जॉब्स राउटिंग करू शकतो. हे प्रत्येक काम एकाच मॉडेल कुटुंबाशी जोडण्याऐवजी मॉडेल निवडीला कामाच्या ठिकाणी एआय इन्फ्रास्ट्रक्चरचा भाग बनवते.

मिथुन केवळ मॉडेल नव्हे तर एजंट बनतो

Google म्हणतो की त्याचा जेमिनी एजंट जेमिनी मॉडेल्सवर काम करू शकतो आणि अँथ्रोपिकमधील क्लॉड मॉडेलला सपोर्ट करू शकतो, नोकरीसाठी योग्य असलेल्या मॉडेलवर टास्क राउटिंग करू शकतो. Google म्हणते की अतिरिक्त आघाडीच्या खाजगी आणि खुल्या मॉडेल्ससाठी समर्थन भविष्यासाठी नियोजित आहे. याचा अर्थ असा नाही की Google मिथुनच्या जागी क्लॉड घेत आहे किंवा प्रत्येक कार्य आपोआप क्लॉड मॉडेलवर चालेल. त्याऐवजी, एजंट समन्वय स्तर म्हणून कार्य करतो, तर अंतर्निहित मॉडेल कार्याच्या आवश्यकता, अपेक्षित गुणवत्ता आणि किंमतीनुसार बदलू शकते.

एआय मॉडेल विकसित होत असताना हा दृष्टिकोन व्यवसायांना अधिक लवचिकता देऊ शकतो. एखादया विशिष्ट कार्यासाठी दुसरे मॉडेल अधिक अनुकूल असले तरीही संस्था त्यांचे वर्कफ्लो, कनेक्ट केलेला डेटा आणि एजंट कॉन्फिगरेशन टिकवून ठेवू शकतात. Google म्हणते की स्मार्ट राउटिंग कार्यप्रदर्शन आणि खर्चावर आधारित मॉडेल्सवर वर्कलोड्स आपोआप निर्देशित करते, तर वेगळे रिअल-टाइम खर्च कॅप्स प्रोजेक्ट-स्तरीय AI खर्च मर्यादित करू शकतात.

कर्मचारी लॉग ऑफ केल्यानंतर AI काम सुरूच राहते

आणखी एक प्रमुख वैशिष्ट्य म्हणजे सतत अंमलबजावणी. कारण एजंट क्लाउडमध्ये चालतो, तो सर्व उपकरणे आणि चॅनेलवर कार्य संदर्भ जतन करू शकतो आणि वापरकर्त्याने लॅपटॉप बंद केल्यानंतर तास किंवा दिवस दीर्घकाळ चालणारे काम सुरू ठेवू शकतो. हे काम पुन्हा सुरू करण्याची किंवा त्याच उद्दिष्टाचे वारंवार स्पष्टीकरण देण्याची गरज कमी करते. मिथुन जटिल असाइनमेंटला छोट्या नोकऱ्यांमध्ये विभाजित करण्यासाठी तात्पुरते, कार्य-विशिष्ट उप-एजंट देखील तयार करू शकतात. हे एजंट समांतर किंवा अनुक्रमे काम करू शकतात, मिथुन त्यांचे योगदान समन्वयित करतात.

हे कामाच्या ठिकाणी एआयसाठी भिन्न दृष्टीकोन दर्शवते: वापरकर्ते फक्त उत्तराची विनंती करण्याऐवजी परिणाम सोपवतात. तथापि, दीर्घकाळ चालणारी अंमलबजावणी मानवी पुनरावलोकनाशिवाय प्रत्येक कार्य योग्यरित्या पूर्ण होईल याची हमी देत ​​नाही. Google चे जेमिनी स्पार्क AI एजंट्सकडे कंपनीचा व्यापक दबाव देखील प्रतिबिंबित करते जे वैयक्तिक चॅट प्रतिसादांच्या पलीकडे कार्ये हाताळू शकतात.

AI सहकर्मचाऱ्यांना त्यांची स्वतःची डिजिटल ओळख मिळते

Google देखील कार्यसंघ किंवा संस्थात्मक भूमिकेसाठी चालू असलेल्या जबाबदाऱ्या हाताळण्यासाठी डिझाइन केलेले सहकर्मी एजंट सादर करत आहे. एखाद्या विशिष्ट कार्यासाठी तयार केलेल्या तात्पुरत्या उप-एजंट्सच्या विपरीत, हे एजंट सत्रांमध्ये आणि बदलत्या जबाबदाऱ्यांमध्ये कायम ओळख राखू शकतात. Google च्या मते, सहकर्मी एजंट त्यांच्या स्वत: च्या कंपनीचे ईमेल पत्ते, कॅलेंडर, पर्सिस्टंट स्टोरेज आणि कंपनी निर्देशिकेत उपस्थिती प्राप्त करू शकतात.

सहकारी चॅट आणि दस्तऐवज टिप्पण्यांसह परिचित वर्कस्पेस चॅनेलद्वारे त्यांच्याशी संवाद साधू शकतात. हे एजंट मानवी कर्मचारी नाहीत आणि त्यांचा प्रवेश अमर्यादित नाही. सहकर्मचारी एजंट केवळ त्यांच्याशी शेअर केलेला संदर्भ पाहतात, संस्थेच्या विद्यमान शेअरिंग आणि सदस्यत्व परवानग्यांद्वारे नियंत्रित प्रवेशासह. त्यांची उपयुक्तता संस्था जबाबदाऱ्या, प्रवेश हक्क आणि देखरेख कशी कॉन्फिगर करतात यावर अवलंबून असेल.

इंटिग्रेशन्स मिथुनला रोजच्या कामात आणतात

Gemini एजंट Gmail, Drive, Docs, Slides, Sheets, Chat आणि Calendar वर काम करण्यासाठी डिझाइन केलेले आहे. Google म्हणतो की जेमिनी मायक्रोसॉफ्ट ऑफिस आणि टीम्स, स्लॅक, कॉन्फ्लुएंस, गिट, जिरा, सेल्सफोर्स, सर्व्हिसनाऊ आणि एंटरप्राइझ डेटाबेससह साधनांशी कनेक्ट होऊ शकते. मॉडेल कॉन्टेक्स्ट प्रोटोकॉल (MCP) साठी समर्थन एजंटला सुसंगत साधने आणि सिस्टमशी कनेक्ट करण्याची परवानगी देते. हे व्यवसायांना ते आधीपासून वापरत असलेल्या प्रत्येक ऍप्लिकेशनला न बदलता AI ला विद्यमान वर्कफ्लोमध्ये आणण्यास मदत करू शकते.

Google एजंट ओळख, परवानगी नियंत्रणे, ऑडिट ट्रेल्स आणि सुरक्षित अंमलबजावणी सँडबॉक्सेससह एंटरप्राइझ सुरक्षा उपायांचे देखील वर्णन करते. Google म्हणते की एजंट ट्रॅफिक एजंट गेटवे मधून जातो, जे AI नेटवर्क फायरवॉल म्हणून काम करते जे संस्थात्मक धोरणे रीअल टाइममध्ये लागू करते. एजंटांना कोड कार्यान्वित करण्याची आणि व्यवसाय प्रणालींशी संवाद साधण्याची क्षमता मिळाल्याने ही नियंत्रणे महत्त्वपूर्ण असतील. Google च्या जेमिनी एंटरप्राइझ प्लॅटफॉर्मने आधीच AI ला संस्थात्मक कार्यप्रवाहांमध्ये आणण्यावर लक्ष केंद्रित केले आहे.

Google जेमिनी एजंट: एंटरप्राइझ एआयसाठी याचा अर्थ काय आहे

Google च्या घोषणा जेमिनी एजंटला इतर AI सहाय्यकापेक्षा जास्त स्थान देतात. मॉडेल निवड, सातत्यपूर्ण अंमलबजावणी, मल्टी-एजंट समन्वय आणि कार्यस्थळ ओळख यांचे संयोजन अशा वातावरणाकडे निर्देश करते जेथे एआय सिस्टम बहु-चरण असाइनमेंटची जबाबदारी घेऊ शकतात. स्पर्धात्मक प्रश्न आता फक्त कोणत्या कंपनीकडे सर्वात मजबूत मॉडेल आहे हा नाही. हे कोणते प्लॅटफॉर्म मॉडेलचे समन्वय साधू शकते, एंटरप्राइझ डेटाशी कनेक्ट करू शकते, खर्च व्यवस्थापित करू शकते आणि उपयुक्त परिणाम प्रदान करताना सुरक्षा लागू करू शकते.

व्यवसायांसाठी, व्यावहारिक मूल्य विश्वासार्हता, एकीकरण गुणवत्ता, परवानगी व्यवस्थापन आणि एजंटच्या कामाची पडताळणी करण्याची क्षमता यावर अवलंबून असेल. Google ची घोषणा तिची दिशा निश्चित करते, परंतु व्यापक अवलंब आणि स्वतंत्रपणे मोजलेले परिणाम हे ठरवतील की हा दृष्टिकोन व्यवहारात किती चांगला आहे.

निष्कर्ष

Google चे नवीन जेमिनी एजंट मॉडेल-लवचिक एंटरप्राइझ AI कडे वाटचाल करण्याचे संकेत देतात, जेथे एजंटची ओळख आणि कार्यप्रवाह सुसंगत राहू शकतात, तर अंतर्निहित मॉडेल कार्यानुसार बदलते. त्याचे क्लॉड एकत्रीकरण विशेषतः उल्लेखनीय आहे कारण नवीन एंटरप्राइझ एजंट Google ला प्रत्येक कार्य मिथुन-कौटुंबिक मॉडेल्सपुरते मर्यादित न ठेवता या कार्यस्थळाच्या प्लॅटफॉर्मसाठी एक मल्टी-मॉडेल दृष्टीकोन स्वीकारत असल्याचे दाखवते.

दीर्घकाळ चालणारे कार्यान्वित आणि AI सहकर्मचारी ज्यांची स्वतःची डिजिटल ओळख आहे, या प्रणालीमुळे व्यवसाय ज्ञान कसे कार्य करतात ते बदलू शकते. एंटरप्राइझ डेटा, परवानग्या आणि खर्च नियंत्रणात ठेवताना या क्षमता विश्वसनीय परिणाम देतात की नाही याची खरी चाचणी असेल.

(स्त्रोत)