Gemini vira agente: Google quer executar seu trabalho

Agente de IA do Gemini promete fazer, não só responder

Agente de IA do Gemini não é mais aquele chat que resume PDF e sugere texto. O que o Google colocou na mesa é outra coisa: um colega digital com e-mail próprio, acesso ao calendário, ao Jira, ao Slack e ao banco de dados, capaz de pegar um objetivo vago e sair executando sem você ficar copiando e colando prompt. Para quem opera suporte, vendas ou engenharia, isso soa como alívio imediato. Para quem cuida de segurança, custo e governança, soa como alerta vermelho. E é exatamente nessa tensão que a novidade precisa ser avaliada, porque a promessa é grande, mas o atrito operacional também é real e vai aparecer logo na primeira semana de uso.

O fato

O Google anunciou em um evento do Google Cloud a chegada da era agêntica ao Gemini, com um agente unificado voltado primeiro para empresas. A ideia é simples na teoria: em vez de responder perguntas em uma janela de conversa, o sistema assume tarefas de ponta a ponta em uma única interface. Ele planeja o trabalho, chama ferramentas, escreve código, agenda reuniões, organiza viagens, consulta sistemas internos e entrega o resultado. O recado de Sundar Pichai foi direto, o Gemini já tem mais de 1 bilhão de usuários ativos mensais e quase 90 por cento das empresas da Fortune 100 usam o Gemini Enterprise no trabalho, então a escala para distribuir esse agente já existe. Primeiro o corporativo, depois o consumidor.

O movimento não acontece no vazio. O mercado inteiro está migrando de chatbots para agentes que operam com autonomia, como o Muse da Meta, agentes que vivem dentro de mensageria como o Instinct e a aposta recente do ChatGPT com o Dots. Todo mundo quer ser a camada que executa, não só a que conversa. O Google está tentando usar seu trunfo mais óbvio para vencer essa fase: distribuição via Workspace, Android, nuvem e identidade corporativa. Se você já vive no Gmail, no Drive, no BigQuery e no Slack, o agente do Gemini já nasce dentro do seu fluxo, e isso muda a velocidade de adoção de um jeito que startup nenhuma consegue replicar facilmente.

Como funciona na visão de quem opera

Na fala de Thomas Kurian, CEO do Google Cloud, o ponto central é que o novo agente recebe objectives, not just instructions. Na prática, isso significa que você não passa um passo a passo, você passa um objetivo com contexto e restrições, e ele monta o plano. Ele carrega skills customizadas, escolhe ferramentas, delega para subagentes e consulta sistemas internos para cumprir a meta. O pedido pode vir com anexos, arquivos, pastas ou projetos inteiros pensados para um workstream específico, que combinam arquivos e skills. Por baixo, o sistema escolhe por padrão o melhor modelo para cada etapa, mas o usuário pode assumir o controle no model picker e trocar de modelo, inclusive usando modelos de terceiros, começando pelos modelos Claude da Anthropic. No futuro, a promessa é abrir para modelos open source e modelos privados.

Para quem constrói integração, a parte mais interessante é a conectividade. O agente conecta em Google Workspace, Microsoft 365, Slack, Jira, Confluence, Git, BigQuery, Databricks, Postgres, Snowflake e outros, além de qualquer servidor MCP dentro ou fora da rede da empresa. O suporte a Model Context Protocol é o detalhe que separa brinquedo de ferramenta séria, porque permite expor ferramentas internas com autenticação, escopo e auditoria sem gambiarra. E o acompanhamento acontece em uma interface de tasks inbox, onde dá para ver o raciocínio, a delegação para subagentes, o carregamento de skills, o código gerado e o progresso. Ele roda em iOS, Android, Windows, Mac, linha de comando, Workspace, Microsoft 365, ServiceNow e Slack.

O detalhe que mais vai gerar discussão na área de TI é este: a IA terá sua própria conta no Workspace, como se fosse mais um funcionário. Ela tem e-mail próprio, contexto próprio, sabe quem está em qual time, fuso horário, quem aprova o quê e o que está na agenda das pessoas. Você pode chamá-la marcando com tag, enviando e-mail, compartilhando um doc ou adicionando em um chat em grupo. Quando ela age, escreve uma trilha de auditoria atribuída ao agente, não a uma pessoa. Em termos de arquitetura, isso é poderoso porque resolve delegação, permissão e rastreabilidade. Em termos de segurança, isso abre uma caixa de perguntas nova sobre escopo de acesso, exfiltração e engenharia social aplicada a uma identidade não humana.

O que isso muda na prática

Quem ganha primeiro é a operação que já está sufocada em trabalho repetitivo com contexto espalhado. Suporte que precisa cruzar ticket do ServiceNow com thread do Slack e doc do Confluence. Vendas que precisa montar briefing a partir de CRM, e-mails e calendário. Engenharia que precisa abrir branch, rodar query no BigQuery, resumir incidente e abrir tarefa no Jira. Para esses times, um agente que transita entre sistemas sem trocar de aba economiza horas por semana e reduz aquele custo invisível de copiar contexto de um lugar para outro. Os testes iniciais com nomes como On, Shopify e PayPal, além da base com BNP Paribas, Bradesco, Merck, Orange Spain e outros, mostram que o Google mirou exatamente em empresas com pilha de dados bagunçada e alto volume operacional.

Quem perde, pelo menos no curto prazo, são as camadas intermediárias de automação frágil. Aquele monte de zap, script e bot pontual que quebra quando muda um campo no Jira ou uma permissão no Drive tende a ser engolido por um agente generalista com acesso nativo. Também pressiona fornecedores de copilotos verticais que cobravam por seat para fazer uma fatia pequena do que o Gemini agora promete fazer de forma unificada. A ação prática aqui é objetiva: mapeie hoje seus três fluxos com mais troca de contexto e defina para cada um qual é o sistema fonte da verdade, quais aprovações são obrigatórias e qual é o limite de autonomia do agente. Depois crie um projeto piloto com arquivos, skills e acessos mínimos, ative a tasks inbox para revisão humana e só libere execução autônoma total após duas semanas de trilha de auditoria limpa.

Na parte de custo, o Google tenta responder à dor mais comum do CIO: conta de IA imprevisível. A empresa fala em opções flexíveis de gasto, com orquestração multi modelo, roteamento inteligente e limites de gasto em tempo real. Traduzindo para operador, é smart routing para não usar o modelo mais caro em tarefa simples, orquestração para dividir o trabalho entre modelos bons e baratos, e spend caps para matar execução infinita de subagentes antes que ela vire fatura. Isso é essencial porque agente consome muito mais tokens que chat, ele pensa, chama ferramenta, erra, tenta de novo, delega e gera código intermediário. Sem teto e sem visibilidade por tarefa, o piloto funciona e a fatura do trimestre assusta. Com esses controles, dá para testar com previsibilidade, mas vai exigir disciplina de FinOps que a maioria dos times ainda não tem.

O ponto de tensão: isso escala ou só move o gargalo

A minha dúvida real não é se o demo funciona, é se a operação aguenta em escala. Dar ao agente uma conta própria com e-mail e calendário resolve delegação, mas cria um novo vetor de risco. O que impede um prompt injetado em um doc compartilhado ou em um ticket do Jira de fazer o agente encaminhar dados sensíveis ou aprovar algo que não deveria. A trilha de auditoria atribuída ao agente ajuda a investigar depois, mas não impede o erro antes. E tem latência: orquestrar subagentes, carregar skills e consultar BigQuery, Snowflake e Postgres em sequência pode transformar uma tarefa de dois minutos em quinze, com o usuário olhando a tasks inbox sem saber se deixa rodar ou se interrompe. Autonomia sem bons defaults de timeout, retry e aprovação humana vira fila travada.

Outro ponto sensível é a abertura para modelos de terceiros. Permitir escolher Claude no picker é um aceno importante para empresas que já padronizaram em Anthropic, e sugere arquitetura desacoplada de verdade. Mas também levanta perguntas de custo, residência de dados e performance quando o contexto precisa atravessar fronteiras de provedor. Roteamento inteligente só funciona se o roteador conhecer bem o perfil de cada tarefa, e isso exige telemetria que hoje quase ninguém tem. No fim, o Google pode ter resolvido o problema mais fácil, que é conectar tudo, e empurrado para o cliente o problema mais difícil, que é governar tudo: quem pode pedir o quê, com quais dados, com qual orçamento e com qual nível de risco aceitável. Isso escala, sim, mas só para quem tratar agente como identidade crítica, com lifecycle, revisão de acesso e política de gasto, não como mais um recurso ligado por padrão.

Conclusão

O Gemini agêntico para empresas é o passo mais coerente do Google até aqui: menos chat, mais execução dentro do fluxo onde o trabalho já acontece. Se a governança acompanhar, vira ganho real de produtividade. Fica a pergunta que todo time deveria responder antes de ligar tudo: você daria a esse novo colega digital acesso total à sua caixa de entrada hoje.