Innhold Vis
Hvis bedriften din trenger mer enn en chatbot, er Googles nye Gemini-agent et viktig steg: Den kan få et mål, planlegge jobben, delegere til underagenter og levere resultatet direkte i systemene bedriften allerede bruker.
For små og mellomstore bedrifter er dette langt mer interessant enn enda en chatbot som skriver pene avsnitt. Google prøver å samle modeller, data, verktøy og handlinger i ett arbeidslag. Agenten skal kunne gå fra en beskjed i et promptfelt til ferdig arbeid i dokumenter, innbokser, utviklermiljøer og andre fagsystemer.
Det er en stor og riktig retning. Samtidig er Gemini-agenten i tidlig tilgang, og Google har foreløpig ikke lagt frem en vanlig offentlig prisliste eller en konkret dato for full åpning. Bedrifter bør derfor lese dette som starten på en ny arbeidsmåte, ikke som en ferdig kollega som kan få nøklene til hele kontoret mandag morgen.
Hva er Googles Gemini-agent for bedrifter?
Google lanserte 8. oktober 2026 en universell Gemini-agent for arbeid. Ifølge Googles egen kunngjøring kan agenten bruke hele virksomhetens kontekst, planlegge arbeid, hente inn skills og verktøy og utføre oppgaver i systemene der de ansatte allerede jobber.
Du skal med andre ord kunne gi Gemini et ønsket resultat i stedet for en lang rekke enkeltkommandoer. Agenten deler opp oppgaven, velger fremgangsmåte, kobler seg til riktige kilder og leverer arbeidet tilbake. Det kan være kunnskapsarbeid og innholdsproduksjon, men også kode, prosjektstyring, rapportering og oppgaver som krever flere trinn over tid.
Google starter med bedriftsmarkedet. Det er ganske logisk: Verdien av en arbeidsagent ligger ikke bare i modellen, men i tilgang til organisasjonens faktiske data og verktøy. TechCrunch rapporterer at Gemini har over 1 milliard månedlige brukere, mens nær 90 prosent av Fortune 100 allerede bruker Gemini Enterprise. Google har altså både distribusjonen og bedriftskundene som trengs for å få denne typen agent ut i stor skala.
Forskjellen er mål, ikke bare instruksjoner
En vanlig AI-chat venter på neste beskjed. Den nye Gemini-agenten skal kunne ta ansvar for et mål, lage en plan og holde oppgaven i gang. I en egen oppgaveinnboks kan brukeren følge fremdriften, se når Gemini laster en skill, kjører kode eller delegerer en del av jobben til en underagent.
Det skillet er viktig. Hvis en prosjektleder ber om en oppdatert statusrapport, holder det ikke at AI-en skriver et forslag basert på ett dokument. En nyttig agent må finne riktig informasjon i flere systemer, oppdage hva som mangler, hente tall, kontakte eller varsle de rette personene og plassere sluttresultatet der teamet faktisk trenger det.
Dette er også grunnen til at Googles lansering passer inn i utviklingen jeg har fulgt lenge: Gemini har gradvis blitt en integrert plattform, ikke bare en konkurrent i et separat chatvindu. Agenten bygger videre på den fordelen. Google kontrollerer allerede mange av flatene folk bruker til e-post, dokumenter, kalender, data og utvikling.
Gemini kan velge mellom flere AI-modeller
Gemini-agenten er ikke låst til én Gemini-modell for alle oppgaver. Google sier at systemet automatisk kan velge modellen som passer jobben, og at brukeren også kan overstyre valget. Ved lansering omfatter dette Gemini-familien og Claude-modeller fra Anthropic. Private modeller og flere åpne modeller skal komme senere.
Det er kanskje den mest fornuftige delen av hele opplegget. En bedrift trenger ikke samme modell til et enkelt sammendrag, en omfattende analyse og en krevende kodejobb. Når agentlaget er skilt fra modellen, kan systemet bruke en rimelig modell på rutinearbeid og en sterkere modell når oppgaven faktisk krever det. Kontekst, skills og bedriftsdata kan bli liggende selv om modellen under byttes.
Google kobler modellvalget til smart ruting, fler-modellorkestrering og kostnadstak i sanntid. Det løser ikke kostnadskontroll av seg selv, men det gir administratorer et langt bedre utgangspunkt enn en agent som bare kan løpe til kredittkortet sier stopp. En virksomhet bør likevel kreve synlige budsjetter per prosjekt og varsling lenge før taket nås.
Agenten får egen identitet og e-postadresse
Gemini-agenten skal få sin egen Workspace-konto, e-postadresse og kontekst. Ansatte kan tagge den, sende den e-post, dele en fil med den eller legge den til i en gruppechat. Den kan samtidig kjenne organisasjonskart, tidssoner, kalendere og hvem som må godkjenne bestemte handlinger.
Det høres litt ut som Google har ansatt en robot og allerede gitt den adgangskort. Men den egne identiteten er mer enn en morsom detalj. Når handlinger skrives til en audit-logg som agentens arbeid i stedet for å bli ført på en tilfeldig ansatt, blir det mulig å se hvem – eller hva – som faktisk gjorde endringen.
Google beskriver også en mer teknisk Agent Identity basert på SPIFFE-standarden. Den gir hver agent en unik identitet som kan få avgrensede rettigheter til tjenester og MCP-servere. Det er riktig arkitektur: En agent bør ha egne, sporbare tillatelser som kan trekkes tilbake, ikke låne brede brukerrettigheter i det skjulte.
Egen identitet gjør likevel ikke agenten trygg av seg selv. Hvis Gemini får lese alle kundedata, sende e-post til alle og endre viktige dokumenter uten godkjenning, er det fortsatt en elendig konfigurasjon. Identiteten gjør det mulig å bygge kontroll. Bedriften må faktisk bruke den muligheten.
Hvilke systemer kan Gemini arbeide i?
Listen er bred fra starten. Gemini skal kunne kobles til Google Workspace, Microsoft 365, Slack, Jira, Confluence, Git, BigQuery, Databricks, Postgres og Snowflake. Den skal også kunne arbeide mot MCP-servere både innenfor og utenfor bedriftens nettverk.
På klientsiden nevner Google web, Android, iOS, Mac, Windows og kommandolinjen, i tillegg til blant annet ServiceNow og Slack. Det betyr at agenten ikke bare er bundet til en ny Google-side alle må huske å åpne. Den kan møte brukeren i verktøyet der oppgaven begynner, mens selve arbeidet fortsetter i skyen.
For meg er kombinasjonen av connectorer og MCP viktigere enn antallet apper i en lanseringsliste. En bedrift har alltid et internt system, en database eller en gammel arbeidsflyt som ikke står på plakaten. MCP gir en standardisert vei videre, mens Googles agentplattform kan håndtere identitet, tilgang og oversikt rundt koblingen.
Her må man samtidig være pinlig nøyaktig med datatilgang. En connector som gjør agenten smartere, utvider også området der en feil kan få følger. Start med lesetilgang til en avgrenset datakilde. Legg til skrivehandlinger først når logging, godkjenning og mulighet for å rulle tilbake er testet.
Hvorfor dette er spesielt relevant for små bedrifter
Små bedrifter har sjelden en egen person til hver funksjon. Den samme medarbeideren følger kanskje opp kunder, lager tilbud, bestiller varer og rydder i prosjektplanen. En agent som kan hente informasjon på tvers av systemer og fullføre et avgrenset arbeidsløp kan derfor gi større praktisk utslag enn enda et skriveverktøy.
I Googles presentasjon for SMB-markedet beskrives roller som prosjektleder, bokholder, lageransvarlig og markedsføringsrådgiver. Selskapet oppgir også at små og mellomstore bedrifters bruk av Google Clouds AI-verktøy har vokst mer enn fem ganger på ett år. Det er Googles eget tall, men det forklarer hvorfor utrullingen begynner nettopp her.
Den reelle gevinsten kommer likevel ikke av å skrive «vær bokholderen min» i et promptfelt. Agenten trenger korrekte data, tydelige grenser og en arbeidsflyt som kan kontrolleres. Har bedriften fem versjoner av kundelisten og ingen vet hvilken som gjelder, vil en rask agent bare automatisere rotet raskere.
Google har allerede vist hvor mye vertikal integrasjon betyr for Gemini. Jeg skrev tidligere om hvordan modeller og produkter forsterker hverandre. Denne agenten er neste logiske steg: Modellen får ikke bare lese arbeidsflaten, men kan planlegge og handle på tvers av den.
Tilgang og pris er fortsatt uklart
Gemini-agenten er i tidlig tilgang hos utvalgte SMB-kunder 9. oktober 2026. Google sier at den blir tilgjengelig for alle kunder snart, men oppgir ingen fast dato. Forbrukere skal få tilgang senere, uten at selskapet foreløpig har sagt når eller hvilke Gemini-abonnementer som vil omfattes.
Det finnes heller ingen offentlig standardpris for selve agenten i kunngjøringen. Google fremhever fleksibelt forbruk, automatisk modellruting og kostnadstak, men det er ikke det samme som å vite hva en vanlig arbeidsflyt vil koste. Før en bedrift kan regne på gevinsten, trenger den priser, forbruksdata og reelle målinger fra egne oppgaver.
Lanseringsdemoer viser vanligvis den rette filen, den rette connectoren og en oppgave som oppfører seg pent. Hverdagen består også av tvetydige navn, utdaterte dokumenter, manglende tilganger og en kollega som har lagt den viktige Excel-filen i en mappe kalt «ny endelig 4». Det er først der agenten må bevise at den er et arbeidsverktøy.
Slik bør bedriften starte når tilgangen åpner
Velg én oppgave som er tidkrevende, repeterbar og enkel å kontrollere. En ukentlig intern statusrapport er bedre som første pilot enn automatisk utsending av pristilbud eller endring av kundedata. Definer hvilke kilder agenten får lese, hva den får skrive og hvilke handlinger som alltid krever et menneskelig ja.
Gi agenten en egen identitet og minst mulig tilgang. Sett et lavt kostnadstak, behold audit-loggen og kontroller de første kjøringene steg for steg. Mål deretter spart tid, feil, antall manuelle rettelser og faktisk modellkostnad. Hvis arbeidsflyten virker, kan den utvides kontrollert til neste system eller neste handling.
Ikke start med å koble Gemini til alt. Det er fristende, særlig når listen over integrasjoner er lang, men en god agentarkitektur bygges med avgrensede oppgaver og eksplisitte rettigheter. Flere connectorer er ikke et kvalitetsmål. Et stabilt resultat med tre nødvendige datakilder er bedre enn en agent med adgang til halve bedriften og en vag beskjed om å «ordne ting».
Gemini begynner å ligne et operativt arbeidslag
Jeg liker denne retningen skikkelig godt. AI blir først virkelig verdifull i en bedrift når den er koblet til korrekte data, kan bruke flere modeller og verktøy og får utføre avgrensede handlinger med sporbarhet. Google samler nå disse delene i ett produkt som vanlige ansatte faktisk kan møte i innboksen, dokumentene og chatten.
Det betyr ikke at Gemini allerede er en pålitelig, selvstendig medarbeider. Tidlig tilgang er ikke dokumentasjon på stabil drift, og Googles kundehistorier er ikke en erstatning for en egen pilot. Men selve konstruksjonen er riktig: mål i stedet for enkeltprompter, flere modeller i stedet for modellreligion, egne agentidentiteter og kontroller rundt kostnad og tilgang.
Hvis Google leverer på dette uten at oppgavene forsvinner i feil, tilgangskaos og uforutsigbare regninger, kan Gemini bli langt viktigere for bedrifter enn den har vært som chatbot. Ikke gi den hele nøkkelknippet ennå. Gi den én nøkkel, én ordentlig jobb og en audit-logg – og se om den faktisk leverer.
Ofte stilte spørsmål
Kan den nye Gemini-agenten utføre arbeid uten at nettleseren står åpen?
Ja. Google opplyser at agenten arbeider i skyen og kan fortsette når brukeren går bort fra enheten. Fremdriften kan følges i en oppgaveinnboks som viser blant annet delegering, skills, kode og status.
Kan Gemini bruke Claude i stedet for en Google-modell?
Ja. Agenten kan ved lansering velge mellom Gemini-modeller og Claude-modeller fra Anthropic, eller la brukeren velge. Google sier at flere private og åpne modeller skal støttes senere, men har ikke oppgitt en full tidsplan.
Er Gemini-agenten tilgjengelig for små bedrifter nå?
Den er i tidlig tilgang hos utvalgte SMB-kunder per 9. oktober 2026. Google sier at alle kunder skal få tilgang snart, men har ikke gitt en konkret dato, fullstendig planoversikt eller offentlig standardpris.
Hvorfor trenger en AI-agent sin egen e-postadresse?
En egen Workspace-identitet lar ansatte sende oppgaver, dele filer og tagge agenten som en egen deltaker. Viktigere er det at tilgangene kan avgrenses og at handlinger kan logges på agenten, i stedet for å se ut som om en ansatt utførte dem.
