Google представила Gemini 3.5 Flash для AI-агентов в корпоративных рабочих процессах

Google представила Gemini 3.5 Flash — новую модель ИИ, предназначенную для поддержки agentic workflows в своих продуктах и на корпоративных платформах, поскольку компания стремится вывести generative AI за рамки чат-ботов и глубже встроить его в бизнес-процессы.

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

В блоге Google заявила, что Gemini 3.5 Flash предназначена для задач, включая разработку ПО, подготовку финансовых документов, онбординг клиентов, OCR, налоговые сценарии и диагностику данных.

Google также постаралась представить модель как более быструю альтернативу более крупным флагманским системам. Компания назвала Gemini 3.5 Flash своей самой сильной моделью на сегодня для agentic и coding-задач и заявила, что она превосходит Gemini 3.1 Pro в тестах Terminal-Bench 2.1, GDPval-AA и MCP Atlas.

Компания также отметила лидерство модели в multimodal understanding: показатель CharXiv Reasoning составил 84,2%.

«Если смотреть на количество output tokens per second, она в 4 раза быстрее других frontier models», — добавила Google.

Google также заявила, что работала с отраслевыми партнерами над серией Gemini 3.5 и что те «видят заметный эффект — от банков и fintechs, автоматизирующих много недельных рабочих процессов, до команд data science, находящих новые инсайты в сложных средах данных».

Проверка Gemini в enterprise-среде

Аналитики считают, что Gemini 3.5 Flash стоит рассматривать не как улучшенный чат-бот, а как часть стратегии Google по созданию AI agents, которые могут под контролем выполнять корпоративные задачи.

«Улучшения Google в скорости, стоимости и производительности важны, потому что многие пилоты ИИ проваливаются, когда на масштабе становятся слишком медленными или дорогими», — сказал Pareekh Jain, CEO Pareekh Consulting. «Более быстрые и дешевые модели могут сделать AI agents практичными для реальных бизнес-операций, таких как разработка, поддержка, аналитика и автоматизация».

Но CIO, по его словам, должны смотреть не только на стоимость модели, но и на стоимость завершения всего workflow, например урегулирования исключения по страховому случаю, проверки контракта, сортировки сервисного инцидента или проведения исправления ПО через тестирование и утверждение, отметил Sanchit Vir Gogia, главный аналитик Greyhound Research.

«Бенчмарки вендоров проверяют возможности. Корпоративные пилоты проверяют живучесть», — сказал Gogia.

Neil Shah, вице-президент по исследованиям Counterpoint Research, отметил, что цели enterprise-заказчиков тоже меняются. «Корпоративная задача эволюционировала от суммирования документа, ответов на prompt-based вопросы или базовой генерации кода к развертыванию supervised, autonomous background workers прямо в ключевых бизнес-workflows», — сказал Shah.

Это поднимает вопрос о том, сможет ли Google сделать agentic AI достаточно надежным для production-использования, а не только более быстрым или дешевым в эксплуатации.

По мере того как AI agents переходят от пассивных помощников к активным участникам бизнес-процессов, компаниям также понадобятся более строгие механизмы контроля за их работой, сказала Anushree Verma, старший директор-аналитик Gartner.

«Компании сталкиваются с новым набором задач по мере внедрения AI agents в бизнес-системы, например какие действия agents уполномочены выполнять и при каких обстоятельствах», — сказала Verma.

Риски не ограничиваются операционными ошибками. Агенты, работающие между несколькими системами, могут расширить attack surface, создать новые точки входа для атакующих и повысить вероятность того, что вредоносные prompt-инструкции или данные вызовут непреднамеренные действия, сказала она.

«Подотчетность, auditability и explainability тоже станут ключевыми вопросами, а observability будет становиться критически важной по мере развертывания все большего числа агентов», — добавила Verma. «Есть еще больше проблем, которые нужно решать на фоне быстрого внедрения agents, что может привести к agent sprawl».

По словам Verma, для снижения этих рисков ИТ-, security-, compliance- и бизнес-командам придется работать вместе и инвестировать в инструменты и процессы, созданные для AI-driven automation.

Материал — перевод статьи с английского.

Оригинал: Google launches Gemini 3.5 Flash to push AI agents deeper into enterprise workflows