# Будущее ИИ-агентов: Как Google Cloud строит «облако подключенных систем» Источник: https://www.youtube.com/watch?v=f2neUzfb5Cg Канал: Eye on AI Опубликовано: 09.04.2025 --- Технический директор Google Cloud Уилл Граннис в интервью для канала Eye on AI представил видение будущего, в котором корпоративное программное обеспечение эволюционирует от инструментов к автономным «облакам подключенных агентов». В центре обсуждения — запуск платформы Agent Space, технологические прорывы в архитектуре Gemini и то, как крупнейшие компании мира внедряют ИИ для автоматизации критических бизнес-процессов. ## 🤖 От чат-ботов к автономным агентам: эволюция концепции [[JUMP:02:25]] Уилл Граннис описывает свою роль в Google Cloud как связующее звено между разработкой и потребностями 200 крупнейших клиентов компании [03:31]. По его словам, индустрия переживает стремительный сдвиг: если раньше фокус был на узкоспециализированных моделях, то сегодня доминирует концепция «оркестратора» — центральной модели, управляющей множеством суб-моделей [05:03]. История создания агентов в Google началась задолго до хайпа вокруг генеративного ИИ. Граннис вспоминает проект 2017 года для компании Verizon: * **Задача:** обработка миллионов ежедневных запросов в службу поддержки [06:08]. * **Решение:** использование инструментов Dialogflow и технологий инкубатора Area 120 для кластеризации намерений (intents) клиентов [06:48]. * **Результат:** сокращение сотен тысяч различных запросов до 5–10 ключевых категорий, что позволило компании действовать проактивно [07:00]. Сегодня понятие «агент» стало значительно шире. Уилл Граннис приводит пример «агентов по закупкам», которые могут самостоятельно вести переговоры с ИИ-представителями поставщиков, используя теорию игр для согласования цен и условий контрактов [07:53]. ## 🏗️ Три столпа современной агентской архитектуры [[JUMP:09:06]] Граннис выделяет три ключевых изменения, которые сделала возможными технология трансформеров и генеративный ИИ: 1. **Естественный язык как интерфейс программирования.** Теперь можно обращаться к хранилищам данных на человеческом языке, что устраняет до 80% рутинной работы дата-инженеров по подготовке запросов [09:44]. 2. **Оркестрация рабочих процессов через API.** Агенты больше не ограничены генерацией текста; они могут «оборачивать» API в инструменты [10:24]. В качестве примера Граннис приводит систему обработки чеков в крупной корпорации: агент распознает текст, обращается к системе аудита на предмет комплаенса и проверяет лимиты в финансовых системах — всё одним нажатием кнопки [11:57]. 3. **Фундамент доверия и заземления (Grounding).** Чтобы избежать галлюцинаций, Google Cloud использует «заземление» на авторитетные источники: поиск Google и внутренние данные компании [13:13]. ## 🪴 Agent Space и «Сад агентов» [[JUMP:14:06]] Для упрощения разработки Google Cloud запустил платформу Agent Space. Это единая среда, где разработчики могут индексировать данные, подключать инструменты и задавать контекст для ИИ-помощников [14:06]. Граннис подчеркивает важность открытости платформы: * Пользователи могут использовать сторонние фреймворки, такие как LangGraph, разворачивая их на инфраструктуре Vertex AI [14:47]. * Поддерживаются как проприетарные модели (Gemini), так и открытые (Gemma). По данным Гранниса, открытая модель Gemma достигла 100 миллионов скачиваний за последний год [15:25]. * Внутри платформы создается **Agent Garden** («Сад агентов») — библиотека готовых шаблонов (маркетинговых, клиентских, аналитических), чтобы разработчикам не приходилось начинать с нуля [26:10]. Технический директор цитирует Келси Хайтауэра: «Хорошие инженеры копируют, великие — вставляют» (Good engineers copy, great engineers paste), объясняя этим логику создания готовых «стартовых пакетов» агентов [25:45]. ## 🌐 «Облако подключенных агентов» и масштабируемость [[JUMP:27:14]] Вместо термина «общество агентов», используемого конкурентами из Microsoft, Уилл Граннис предпочитает метафору **«Облако подключенных агентов»** (Cloud of connected agents) [28:18]. Он считает, что агентские сети будут масштабироваться так же динамично, как и облачные вычисления: * Некоторые агенты будут работать круглосуточно в режиме реального времени. * Другие будут эфемерными: создаваться под конкретную задачу и исчезать после её выполнения, освобождая ресурсы [28:46]. С технической точки зрения это ставит новые вызовы перед инфраструктурой. Граннис отмечает, что при переходе на агентское управление операциями (24/7 ops) сетевой трафик становится крайне «разговорчивым» [29:51]. Google работает над оптимизацией размеров пакетов и полезной нагрузки транзакций, чтобы миллионы взаимодействующих агентов не перегружали каналы связи [30:04]. ## 🏢 Противостояние корпораций и стартапов [[JUMP:30:31]] Уилл Граннис высказывает интересное мнение о расстановке сил на рынке ИИ. По его мнению, крупные корпорации сегодня имеют паритет со стартапами [31:23]. * **Преимущество стартапов:** скорость и узкая специализация в конкретном домене. * **Преимущество корпораций:** владение уникальными данными. В качестве примера приводится фармацевтическая отрасль. Стартап может быстро создать «проводку» для агента, но у гиганта индустрии есть архивы всех предыдущих испытаний и документация FDA (Управление по санитарному надзору за качеством пищевых продуктов и медикаментов) [31:49]. Если корпорация использует современную платформу вроде Agent Space, она может создать агента более высокого качества именно за счет контекста и данных [32:57]. ## 📏 Проблема оценки и «Автоматические оценщики» [[JUMP:33:13]] Одной из главных преград для внедрения агентов Граннис называет сложность оценки качества (Evals). Научные бенчмарки хороши, но они не подходят для проверки того, насколько документ соответствует стандартам FDA [33:40]. Решение, над которым работает команда Уилла — **Auto-raters** (автоматические оценщики). Поскольку миллионы агентов будут генерировать объемы контента, которые люди физически не смогут проверить, ИИ должен начать оценивать сам себя на основе заданных базовых линий (baselines) [34:05]. ## 🏎️ Практические кейсы: от R2-D2 до кибербезопасности [[JUMP:45:44]] В ходе беседы Граннис привел несколько впечатляющих примеров использования технологий Google Cloud: * **Проект R2-D2 для гоночной лиги:** создание системы, которая в реальном времени анализирует данные с болида, голоса пилота и механиков, а также видеопотоки для корректировки стратегии гонки прямо на трассе [51:22]. * **25% нового кода в Google:** по словам Гранниса, уже четверть всего нового программного кода в компании генерируется ИИ и проверяется инженерами [18:04]. * **Кибербезопасность:** использование Gemini для мгновенного анализа базы данных уязвимостей (CVE), представленной в формате JSON. Модель способна без предварительной обработки данных интерпретировать угрозы и предлагать шаги по их устранению [46:50]. * **WPP:** рекламный гигант использует Gemini для создания брендированного контента за 3 минуты, интегрируя гайдлайны бренда напрямую в контекст модели [17:12]. ## 🔮 Будущее: ИИ для науки и суверенные облака [[JUMP:53:58]] Граннис видит следующий большой прорыв в «ИИ для науки». Он вспоминает проект с NASA, где даже интерны смогли находить новые планеты, получив доступ к мощностям GPU и простым интерфейсам [54:38]. ИИ изменит работу с материалами, молекулами и минералами. Также гость затронул тему «Суверенного ИИ». Для соблюдения требований регуляторов (особенно в Европе) Google внедряет концепцию Google Distributed Cloud, позволяя правительствам контролировать данные, вычислительные мощности и саму работу агентов в рамках национальных границ [21:17]. В завершение Уилл Граннис подчеркнул важность **«инженерии контекста»** (context engineering) в противовес традиционному промпт-инжинирингу [49:29]. Благодаря огромному окну контекста Gemini (1 миллион токенов и выше), разработчики могут загружать целые репозитории или библиотеки документов, позволяя модели рассуждать на основе всей совокупности знаний компании [48:49].