Gemini 先给 Agent 发了一张“工牌”：为什么 Google 的统一 Agent 要先做企业
据 TechCrunch，Gemini 月活已超 10 亿，但 Google 的统一 Agent 却先给企业：独立身份、连接器、审批与审计，先把「办事」做成能追责的配置。
01
先看一个有点反常的安排。
据 TechCrunch，Gemini 的月活已经超过 10 亿。
这么多普通用户，按说新东西应该先给他们用。
可 Google 这次推出的统一 Agent，偏偏先给了企业。
为什么？
是企业更有钱吗？
是普通用户还没准备好吗？
都对一点，但都不是关键。
关键在于，这个 Agent 要做的事变了。
据 TechCrunch，它不只是回答问题，而是能替用户执行任务：写代码、排会议、订行程，在一个界面里完成。
回答问题，答错了，你笑一笑，再问一遍。
替你办事，办错了，会议排给了错的人，行程订到了错的城市，代码合进了错的分支。
聊天出错，是一句话的事。
办事出错，是一件事的事。
所以这次真正值得看的，不是 Gemini 又多了什么功能，而是 Google 怎么回答这个问题：
一个能替人办事的 AI，凭什么让企业敢把事交给它？
02
要理解这件事，必须先理解什么叫“办事”。
什么叫办事？
无外乎三步。
知道要达成什么。
知道该找谁、用什么。
办完了，说得清是谁办的、怎么办的。
一个新员工入职，也是这三步。
主管不会一条一条教他点哪个按钮，而是说：“下周把客户复盘会张罗起来。”
他要自己去查日历、找资料、约人。
出了岔子，大家知道去找他。
据 TechCrunch，Google Cloud CEO Thomas Kurian 说，可以给 Agent “目标（objectives），而不只是指令”。
它能自己规划，能用自定义的 skills 和工具，能连企业内部系统。
这句话的分量在哪里？
给指令，你得想清楚每一步。
给目标，你只要想清楚结果。
前者是你在干活，AI 帮你打字。
后者是 AI 在干活，你来验收。
（这一层对比，是我的理解。）
03
把它写成一个公式。
以下是我自己的概括，不是 Google 的说法：
企业敢交给 Agent 的事 = 能力 × 连接 × 可追责
能力，是它能不能想明白、做得好。
连接，是它够不够得着企业的系统和数据。
可追责，是出了事，能不能说清是谁、在什么时候、做了什么。
注意，这是乘法。
能力再强，连不上企业的系统，就是一个聪明的局外人。
连得上，但做了什么说不清，没有哪个 CIO 敢放它进门。
普通人用 AI，最在意第一项。
企业用 AI，后两项往往更要命。
这就解释了开头那个问题。
04
Pichai 的回答很直接。
据 TechCrunch，他说先面向企业、再推向消费者，是因为要先解决安全、规模、性能这些更难的问题。
先难后易。
这个顺序，用“企业能量模型”看，就很清楚。
做产品，是把石头推上山。
推广，是把石头推下山。
企业场景就是那座更高的山：权限要管，审计要留，规模要扛，性能要稳。
把石头推到这个高度，再往消费者那边推，就是下坡。
反过来呢？
先在消费端做一个好玩的 Agent，再回头补安全和审计，就像先盖楼，再补地基。
（以上推演为作者推断。）
还有两个现实因素。
第一，渠道已经在了。
据 TechCrunch，Pichai 称近 90% 的 Fortune 100 在用 Gemini Enterprise。
新能力顺着已有的客户关系卖进去，交易成本最低。
第二，账算得清。
据 TechCrunch，这次还加了更灵活的计费：多模型编排、智能路由、实时 spend caps，也就是实时花费上限。
普通用户很少在意“这个月 AI 花了多少钱”。
企业的财务一定在意。
能设上限，CFO 才敢点头。
（“账算得清”这一判断为作者推断。）
05
回到公式。
Google 这次给 Agent 配的几样东西，几乎正好对着那三项。
（对应关系为作者的拆法。）
先说最特别的一样：独立的 Workspace 身份。
据 TechCrunch，Agent 有自己的 Workspace 账号，有自己的邮箱和上下文。
它像一个同事：知道团队是谁、在什么时区、审批人是谁、日历上排了什么。
你可以 @ 它，给它发邮件，把文件分享给它，拉它进群。
它做的动作，会写进审计轨迹，记在它自己名下。
这解决什么问题？
解决“可追责”。
过去很多 AI 助手，是借着你的账号在干活。
它发出去的邮件，看起来是你发的。
它改了一份文件，记录上写的也是你。
出了问题，你说不清哪些是你做的，哪些是 AI 做的。
（这是我对“借用身份”模式的推断。）
有了独立身份，就像新员工有了自己的工牌和邮箱。
门禁刷的是他的卡。
报销走的是他的名字。
这不是多了一个账号，而是多了一条责任线。
再说多模型。
据 TechCrunch，默认情况下系统会自动挑选最合适的模型，用户也可以自己接管。
第三方模型先支持 Anthropic 的 Claude，未来会扩展到开源模型和私有模型。
这解决什么问题？
解决“能力”和“成本”的平衡。
你不会让最贵的专家去复印文件，也不会让实习生去谈大合同。
不同的活，派不同的人。
再加上前面说的智能路由和 spend caps，钱花在哪里，也有了闸门。
（类比为作者所加。）
第三是连接，包括 MCP。
据 TechCrunch，它能接 Workspace、Microsoft 365、Slack、Jira、Confluence、Git、BigQuery、Databricks、Postgres、Snowflake 等，也能接企业内外的 MCP server。
MCP，你可以把它理解为一种让 Agent 接上外部工具和数据的通用插口。
（此解释为作者补充。）
这解决什么问题？
解决“连接”。
企业的数据，从来不在一个地方。
需求在 Jira，文档在 Confluence，代码在 Git，数字在 BigQuery 或 Snowflake，沟通在 Slack。
一个只认自家系统的 Agent，就像一个只会用自己公司打印机的员工。
能接 Microsoft 365，说明它不要求企业先“全家换成 Google”。
（此判断为作者推断。）
最后是 tasks inbox。
据 TechCrunch，在这里可以看到 Agent 的思考过程、它把哪些活委派给了子 Agent、用了哪些 skills、写了什么代码、进度到了哪里。
这解决什么问题？
解决“看得见”。
你点外卖，为什么愿意等四十分钟？
因为你能看到：商家已接单，骑手已取餐，距离你一公里。
如果页面上只写“请等待”，十分钟你就想打电话了。
把活交出去，最怕的不是慢，而是不知道它在干什么。
（类比为作者所加。）
06
把这几样东西串起来，它到底怎么运作？
下面是我按报道里的能力，拼出来的一个假设流程，不是官方演示：
周一早上，销售主管在 Slack 里 @ 了 Agent：“下周和某客户做季度复盘，准备好。”
这是一个目标，不是一串指令。
Agent 先规划：要数据，要材料，要约时间。
它把拉数据的活委派给一个子 Agent，去 BigQuery 里查这个客户的使用情况。
再从 Confluence 里找上次的会议纪要，从 Jira 里看还有哪些未结的问题。
哪一步用哪个模型，默认由系统挑。
然后它看日历，按时区给几位同事找时间，发出会议邀请。
需要谁拍板，它知道该找哪位审批人。
整个过程，主管在 tasks inbox 里都看得到。
每一个动作，都记在 Agent 自己的名下。
画成一条传导链，就是：
给目标 → 自己规划 → 委派子 Agent → 连系统取数 → 按日历和审批人推进 → 进度进 inbox → 动作进审计
入口也不少。
据 TechCrunch，可以从 iOS、Android、Windows、Mac、命令行、Workspace、Microsoft 365、ServiceNow 和 Slack 里用它。
员工在哪里干活，它就出现在哪里。
不是让人去找 AI，而是让 AI 来找人。
07
谁在用？
据 TechCrunch，早期测试者有 On、Shopify、PayPal；报道提到的企业客户包括 BNP Paribas、Merck、Ulta Beauty 等。
这份名单有意思的地方，不在于名气。
而在于跨度。
有支付，有零售，有银行，有制药。
（以下为作者推断。）
银行和制药，是对合规最敏感的行业之一。
如果“独立身份 + 审计轨迹”这一套能在这些地方站住，再往下推，阻力只会更小。
这正是先做 B 端的意义：
在最挑剔的客户那里过了关，后面的路就好走了。
08
那么，对正在考虑引入 Agent 的企业来说，这件事意味着什么？
先问自己四个问题。
想一想再回答。
第一，你打算交给 Agent 的，是指令，还是目标？
如果你还得把每一步写清楚，那它只是一个更快的打字员。
第二，它够得着你的数据吗？
你的数据散在几套系统里？哪些有现成的连接，哪些需要接 MCP server？
第三，它做的事，记在谁名下？
如果 Agent 借着员工的账号干活，审计的时候，你分得清吗？
第四，它花的钱，有没有闸门？
多个模型、多个子 Agent 一起跑，账单会不会悄悄变厚？
（四个问题为作者建议，非报道内容。）
这四个问题，正好对着公式里的能力、连接、可追责，再加一个成本。
哪一项答不上来，就先补哪一项。
结语
所以，Gemini 这次真正的变化，不是“更会聊天”了。
而是它从一个顾问，变成了一个同事。
顾问只需要说对。
同事还要办成，而且办了什么，说得清。
Google 先把它放进企业，是先去爬那座最难的山：安全、规模、性能、审计。
爬上去了，再走向十亿普通用户，就是下坡路。
（此判断为作者推断。）
企业敢用 AI，从来不只是因为它够聪明。
而是因为它有了自己的工牌。
来源：TechCrunch：Google brings agentic AI to Gemini, starting with businesses（2026-10-08）。产品事实、引语与客户名单据该报道；文中公式、类比、示例流程与商业判断为作者推断，正文已标明。