Google запускает Gemini 3.5 Flash: новый шаг к внедрению ИИ-агентов в корпоративные процессы

Google запустила Gemini 3.5 Flash — новую модель искусственного интеллекта, предназначенную для поддержки агентных рабочих процессов в продуктах компании и на корпоративных платформах. Это часть стратегии Google по переходу генеративного ИИ от простых диалоговых интерфейсов к более глубокой интеграции в бизнес-операции.

Модель была анонсирована на ежегодной конференции разработчиков Google I/O. Она доступна через приложение Gemini, AI Mode в поиске Google, Google Antigravity, Gemini API в Google AI Studio и Android Studio, платформу Gemini Enterprise Agent Platform, а также Gemini Enterprise.

01Возможности и позиционирование

В официальном блоге Google сообщается, что Gemini 3.5 Flash создана для таких задач, как разработка программного обеспечения, подготовка финансовых документов, онбординг клиентов, распознавание текста (OCR), работа с налоговыми процессами и диагностика данных.

Компания позиционирует модель как более быструю альтернативу крупным флагманским системам. По заявлениям Google, это самая сильная модель для агентных задач и кодинга, превосходящая Gemini 3.1 Pro по бенчмаркам Terminal-Bench 2.1, GDPval-AA и MCP Atlas. Также утверждается, что модель лидирует в мультимодальном понимании с результатом 84,2% в тесте CharXiv Reasoning.

«Если смотреть на количество выходных токенов в секунду, она в 4 раза быстрее других передовых моделей», — добавили в Google.

Компания также отметила, что работала над серией моделей Gemini 3.5 вместе с отраслевыми партнёрами, и «они видят значимый эффект — от банков и финтех-компаний, автоматизирующих многонедельные процессы, до команд по анализу данных, обнаруживающих инсайты в сложных массивах информации».

02Взгляд аналитиков: от чат-бота к рабочему инструменту

Аналитики считают, что Gemini 3.5 Flash следует рассматривать не просто как улучшенный чат-бот, а как часть усилий Google по созданию ИИ-агентов, способных выполнять корпоративные задачи под контролем.

«Улучшения скорости, стоимости и производительности от Google имеют значение, потому что многие пилотные проекты ИИ проваливаются, когда становятся слишком медленными или дорогими в масштабе, — отметил Парих Джайн, генеральный директор Pareekh Consulting. — Более быстрые и дешёвые модели могут сделать ИИ-агентов практичными для реальных бизнес-операций, таких как кодинг, поддержка, аналитика и автоматизация».

Однако, по мнению Санчита Вира Гогии, главного аналитика Greyhound Research, ИТ-директорам следует сосредоточиться не только на стоимости модели, но и на стоимости выполнения полного рабочего процесса — например, урегулирования страхового случая, проверки контракта, сортировки инцидента в службе поддержки или перемещения исправления программного обеспечения через этапы тестирования и утверждения.

«Вендорские бенчмарки проверяют возможности. Корпоративные пилоты проверяют выживаемость», — подчеркнул Гогия.

Нил Шах, вице-президент по исследованиям Counterpoint Research, отметил, что меняются и сами корпоративные цели. «Корпоративная задача эволюционирует от обобщения документа или ответов на вопросы к развёртыванию контролируемых, автономных фоновых работников непосредственно в основные бизнес-процессы», — сказал Шах.

03Проблемы внедрения: надёжность и контроль

Ключевой вопрос заключается в том, сможет ли Google сделать агентный ИИ достаточно надёжным для промышленного использования, а не просто более быстрым или дешёвым.

По мере того как ИИ-агенты переходят от пассивных помощников к активным участникам бизнес-процессов, предприятиям потребуются более строгие средства контроля над их действиями, считает Анушри Верма, старший директор-аналитик Gartner.

«Предприятия сталкиваются с новым набором проблем по мере внедрения ИИ-агентов в бизнес-системы. Например, какие действия агенты уполномочены выполнять и при каких обстоятельствах», — пояснила Верма.

Риски выходят за рамки операционных ошибок. Агенты, работающие в нескольких системах, могут расширить поверхность атаки, создав новые точки входа для злоумышленников и увеличив вероятность того, что вредоносные запросы или данные вызовут непреднамеренные действия.

«Подотчётность, аудит и объяснимость станут ключевыми проблемами. Наблюдаемость становится критически важной по мере развёртывания большего числа агентов, — добавила Верма. — Существует больше вопросов, которые необходимо решать по мере быстрого внедрения агентов, что может привести к „расползанию агентов“».

Для решения этих рисков потребуется совместная работа ИТ-отделов, служб безопасности, комплаенса и бизнес-подразделений, а также инвестиции в инструменты и процессы, созданные для автоматизации на основе ИИ, резюмировала Верма.