Gemini agent 發表：AI 同事持續工作，誰替交付負責？（2026）

2026 年 10 月 8 日，Google Cloud 執行長 Thomas Kurian 在官方部落格發布了〈Welcome to Gemini at Work 2026: Introducing the Gemini agent〉。Gemini agent 這次承諾的改變，是把問答、文件、程式與跨應用工作交給同一個持續運作的代理；關上筆電之後，工作仍在雲端繼續。對企業來說，最值得追問的是：它交回來的成果，由誰定義完成、由誰負責？

以下先整理 Google 的完整主張，再把產品宣告與可核對的技術文件分開，最後討論企業採用時最需要守住的交付、權限與成本界線。本文是公告解讀；本次未操作企業帳戶，也未跑出跨日任務的完成率。

Gemini agent 的核心：從回答問題，走向接下一份工作

You give it objectives, not instructions.

中文：你交給它目標，而不是逐步操作指令。

Thomas Kurian／Google Cloud

這句話濃縮了原文的方向。Google 希望使用者說「準備下週活動的就緒報告」，代理就能找資料、規劃工作、使用工具，最後把成品放回文件、信箱或開發環境。它把聊天、知識工作、媒體生成與寫程式放在同一個代理入口，並描述了排程任務、事件觸發，以及不需要專用畫面的接入方式。這些是 10 月 8 日公告所描述的產品能力，不是本文量得的交付品質。

Google 同時把 Gemini「代理」與底下使用的「模型」拆開：公告描述由代理協調 Gemini 與 Anthropic 的 Claude，後續再擴展其他模型。這表示入口的價值，可能逐漸從「哪個模型會答」轉向「誰替你保存工作脈絡、連接工具與管理流程」。多模型的存在值得注意；更低成本與更高品質，仍要放回你的任務一起量。

持續執行、共享記憶、AI 同事：三件事要分開看

第一是持續執行。原文說，代理在雲端維持工作狀態，數小時或數天的任務能在筆電關閉後繼續。第二是跨裝置脈絡：不同入口共用記憶、上下文與個人化資訊。第三是代理協作：任務可以拆給臨時子代理，並按先後順序或平行方式協調；長期的 coworker agent 則有固定角色與自己的儲存空間。能記住、能繼續跑、能分工，各自解決不同問題。

Google 還把記憶分成當前任務、知識、做事方法與過去經歷四類；把工具與 skills 放進可由團隊共用的登錄機制。工具提供連接，skills 描述怎麼做，記憶保存與下一次工作有關的資訊。這套設計希望減少每次重新交代，但「保存資訊」和「下次正確使用資訊」仍需分別驗收。

技術基礎並非全在這次公告才出現。Google 在 2026 年 4 月 22 日的 Agent Platform 公告 已描述長期狀態、Memory Bank、代理身分與治理。它提供了這次整合的背景；平台有這些元件，不能直接推論新代理的每個入口都已對你的帳戶開放。

更具體的 Memory Bank 文件 說明，記憶會經過抽取、整理與更新，並提醒部分敏感資訊仍可能被保存。這是平台記憶服務的文件，不是新代理全部記憶行為的逐項規格；它支持的關鍵判斷是：記憶應被當成一份需要管理的資料資產。若客戶撤回分享，團隊應驗收後續檢索與衍生記憶的處理，而不只確認原檔已移走。

自己的信箱與行事曆，讓責任問題走進組織

在 Workspace 的敘述裡，Gemini agent 有三種角色：個人助手、主動提示可委派的工作，以及團隊成員。公告中的 coworker agent 會得到自己的 Workspace 帳戶，包含電子郵件、Calendar、Drive 與公司目錄中的身分；同事可把它加入 Chat，或在文件評論中標記它。Google 說它以自己的身分行動，並依團隊分享的內容取得脈絡。

這個改變的意義，比替聊天機器人取個名字更大。假設行銷團隊需要一份活動報告，代理可以被指定為持續負責的角色；交付、修改與紀錄也有可辨認的行動者。然而，帳戶能辨識「誰動了檔案」，企業仍須指定「誰接受這份成果」。前者是技術身分，後者是業務責任。

原文把身分、細緻權限、稽核、沙盒與 Agent Gateway 放在一起，目標是讓代理的動作可追蹤、可限制。這個方向有官方 Gateway 與 Runtime 接線文件 可以核對。不過，文件中的設定能力，不等於某家公司已完成部署與政策測試；採用時要拿出實際拒絕存取、撤銷權限與異常行為的紀錄。

原文的全棧承諾，證據應該怎麼讀？

Work now starts in the prompt window.

中文：工作現在從提示視窗開始。

Thomas Kurian／Google Cloud

這也是 Google 的商業訴求：讓同一個入口串起 Workspace、資料分析、產業知識、企業治理、模型與基礎設施。原文還描述以 Knowledge Catalog 對齊業務定義、產生並執行資料查詢，以及金融與法律領域的專門能力；它明確把金融、法律版本標為 preview，政府、醫療與零售則列為後續方向。把這些階段混在一起，就容易把路線圖讀成全面交付。

截至 2026 年 10 月 10 日，本次查核能確認官方公告、介面示意與相關平台文件；新 Gemini agent 在各方案、地區與入口的完整開放範圍，以及跨日真實工作的一致完成率，仍需更多逐項交付證據。本文因此不把它寫成所有 Workspace 使用者都可立即啟用的服務。

原文列出許多客戶案例與效率數字，但各案例的工作、起始條件與衡量方式並不相同，也不都等於這次新代理的測試。本文保留它們作為 Google 的採用敘事，不拿它們替「你的長任務能可靠完成」背書。最值得未來對帳的承諾，是使用者交出目標後，能在指定位置拿回合格成品。這需要任務、版本、失敗樣本與驗收規則一起出現。

Gemini agent 的成本上限：先看它在哪裡停

Google 在公告中提出多模型協調、Smart Routing 與專案支出上限，並描述碰到上限後暫停代理。對持續執行的工作而言，這確實是重要配套：人離開畫面後，模型、工具和沙盒的成本仍可能增加。可是「有上限」應該接著問：它涵蓋哪些支出、何時生效、暫停後留下什麼？

官方 Cloud Billing spend cap 文件 寫得更窄：目前每個 cap 限定一個專案與一項符合資格的服務，以估算成本執行；生效不是瞬間，超額仍照常計費。文件也說，已在處理的請求可完成並產生費用，持續性的資源支出仍可能繼續。另一本 Gemini Enterprise 成本文件 說明，選擇 aiplatform.googleapis.com 的專案上限可涵蓋 app、Agent Platform 與相關開發工具的超額用量，但停止可能延遲數分鐘。這些是已文件化的控費範圍，不能直接解讀成新代理整份帳單的零超額保證。

因此，成本驗收最好包含一次受控的停止情境：代理停止新增工作時，已完成的文件是否保存？下一輪恢復會不會重做？工具操作若已成功，是否會被重複送出？這些問題和費率同樣重要。把總花費除以通過驗收的成果數，再把重試與返工計入，才接近企業買到的實際價值。

AlphaLab 的判讀：我同意什麼、存疑什麼

一、我同意把接手工作需要的零件放在一起

模型回答得好，仍需要知道目標、拿到資料、使用工具、保存進度與交付成品。Google 將這些零件整合進既有工作入口，有機會減少跨工具交接的摩擦。理解這一層分工，可以接著讀 AI Agent Harness：真正接下一份工作時，模型之外的執行與管理層會變得更重要。

二、我存疑的是「持續運作」能換來多少合格交付

一個程序能跑到明天，回答的是執行生命週期。它是否理解錯誤資料、能否發現卡住、是否把結果送到對的位置，回答的是工作品質。長時間與更多子代理提供了容量，也增加交接與等待的機會。企業應把「流程結束」與「成果通過」分成兩欄，並為遺漏、重複操作與錯誤版本設計反例。

三、共享記憶減少重述，也增加資料管理工作

跨裝置共用脈絡很方便，但公司規則、專案預算與同事角色都會更新。如果舊資訊影響新成果，方便就可能變成返工。應要求重要結論帶著來源與時間，並能測試更正、撤回與隔離。與其一次接上全部公司資料，先讀 單檔權限驗收，用一個有邊界的資料範圍確認讀取和拒絕存取。

四、多模型選擇值得歡迎，換工作平台仍有成本

當代理能在多個模型間分配工作，團隊可以少把流程綁在某個模型版本上。但如果 skills、個人化脈絡、權限政策與工作紀錄都放在同一平台，更換整個工作入口仍可能需要重新整理。這是採用決策上的推論，不是本文已驗證的遷移限制。採購時值得要求示範：能匯出哪些資料、能帶走哪些設定、換模型後哪些驗收仍要重跑。

企業現在可以先做的一件事

先選一份固定格式的週報：輸入是幾份已授權的文件，輸出是指定資料夾中的草稿；外部寄信、修改正式資料與增加收件人留在這次任務範圍之外。指定一位成果負責人，寫下通過條件，再要求代理留下資料版本、動作紀錄、成本與交付位置。這是一個可用來比較新舊工作方式的採用實驗，不是本文宣稱已跑完的測試。

同一個任務至少安排正常、輸入更新與權限撤回的情境。看它能否交出正確版本、在被拒絕時停止，以及恢復後避免重複操作。Agent 回歸測試 能幫你把反例留下；AI Evals 則幫你先定義成果尺。比較時，把返工時間與總成本一起記，不以單次漂亮示範決定擴大部署。

Gemini agent 值得期待的進步，是讓工作脈絡和執行能力在你離開畫面後仍能接續。它值得承擔多少工作，應由同一份驗收表回答：做對了什麼、用了哪些權限、花了多少成本、交給誰接受。今天先寫完這張表，再決定第一份要交出去的工作。