在Google Cloud Next 2026上，Google延續往年傳統，端出新一代TPU、更新Gemini模型家族，也持續擴大多代理（multi-agent）應用場景。不過，最值得注意的提問或許是，企業究竟應該做好哪些準備，才能將AI Agent落地到日常工作之中？許多上班族抱怨AI Agent有時候只會讓他們更忙， 原因在情境切換成本？
Google Cloud本月舉行雲端年會Google Cloud Next 2026，其執行長科里安（Thomas Kurian）在開場時便定調，許多企業在過去幾年裡，不斷實驗如何應用AI。
如今，他認為企業已經完成概念驗證（pilot）階段，下一個重要的挑戰，在於如何將AI導入整個企業的正式營運環境中。
科里安拋出兩個今年的重點關鍵詞：脈絡（context）以及行動（action）。
脈絡一詞，或者譯為上下文，既可以指人類與AI對話時，AI參考的前後文，也可以代稱商業場景中，企業掌握的資料與業務邏輯；至於行動，則是AI Agent發揮用途的具體動作。
科里安再次搬出Google論述多時的AI堆疊（AI stack），底層先有為代理工作負載設計的運算基礎，再往上是整理企業脈絡的資料平台、協調管理Agent的平台、負責權限與風險控管的安全機制，以及直接整合至工作流程當中的應用。
AI堆疊讓Agent能夠有效率地運行，資料讓Agent擁有充分的脈絡，接著才能起身行動。
不過，去年的年會上，Google Cloud的核心論述便是如何協助企業打造並且部署Agent，今年再談Agent，是否老調重彈？
AI Agent為何不夠好用？答案在風險治理與情境切換成本
隨著OpenClaw引發熱潮、Anthropic開放Claude Cowork，AI Agent已不再只是未來的趨勢。
因此，今年Google在雲端年會介紹其企業級Agent平台時，將重點從Agent有多麼聰明移開，向前更近一步，試圖處理Agent進入企業之後的管理問題，將企業最在意的控管與風險問題放上桌。
治理（governance）、可觀測性（observability）、零信任（Zero Trust）、代理身分（Agent Identity）與統一控管機制（Agent Gateway），這些是在年會中反覆出現的關鍵詞。
柯里安強調，Google正把零信任驗證帶進每一個代理與每一個協調步驟，並透過代理身分與授權政策，讓企業能追蹤代理行為、管理權限，也保留稽核能力，
談論Agent功能進化時，Google也不再強調單點應用。如同柯里安所強調，不同產品裡應該共享上下文，並且跨程式接續工作。
事實上，過去幾年，各家雲端巨頭已把AI嵌進不同產品裡。
以Google為例，Gmail可以協助寫信，Google Docs能提供生成建議，Google Slide也加入AI輔助功能。無論哪種類型的服務，只要涉及生成內容與知識管理，就能瞥見AI的蹤跡。
只是，這些能力大多停留在產品內，沒有完全穿透不同程式之間的壁壘。
Google Workspace產品副總裁尤麗（Yulie Kwon Kim）指出，對知識工作者來說，必須在聊天、郵件、文件、簡報與試算表之間來回切換。
有大量時間花在找資訊，而非消化、處理資訊，這形成她口中的「情境切換成本」（context tax），可說是白領們的一大痛點。
因此，Google推出Workspace Intelligence，以聊天為入口，使用者可以直接問Gemini現在最重要的任務為何，接著系統便會從聊天訊息、郵件、文件和簡報裡找出優先順序。
另外，使用者也能指派Gemini尋找特定企劃文件裡的圖表，或者根據既有檔案、會議內容與品牌素材，製作一份全新簡報。
尤麗形容，Workspace Intelligence可說是Workspace應用程式的「統一智慧層」，把原本分散在各產品裡的AI輔助，轉換為跨越程式運作的決策輔助中樞。
Google如何進攻AI Agent？連結G Cloud服務生態
這場年會的另一大重點，落在基礎設施與資料層。
對Google來說，Agent進入企業流程以後，底層運算與系統架構必須跟著改變。
Google AI與基礎架構資深副總裁暨首席技術長瓦達特（Amin Vahdat）在介紹AI Hypercomputer時指出，代理時代的運算需求已經和過去不同，重點不再只是單一晶片的效能，而是整座資料中心能否支撐大規模訓練、推論與協調運作。
這也是Google在今年推出第八代TPU時，將訓練與推論拆開設計的原因。其中，TPU 8t主打模型訓練，TPU 8i則針對推論與強化學習最佳化，反映出對代理型工作負載分工的重要性。
瓦達特也提到，Google正把儲存、網路與模型上下文協定（MCP）整合進同一套架構，讓Agent能直接調用Google Cloud各項服務，並結合遙測資料，自動找出問題、修正錯誤配置。
擁有充足的運算資源以後，還得擁有正確的脈絡方能決策。
Google Cloud資深副總裁納拉因（Karthik Narain）表示，若缺乏可信的脈絡，推論能力也無法派上用場，Agent若要採取行動，前提是理解資料背後的商業語意、關聯性與使用情境。
為了解決這個問題，Google推出Knowledge Catalog，試圖把BigQuery資料表、中繼資料，以及PDF、影像等非結構化內容，整理成企業可用的共同知識基礎；接著透過Cross-Cloud Lakehouse，讓資料即使留在AWS或Azure，也能為Google的Agent所用。
Google Cloud資料與分析平台主管艾哈邁德（Yasmeen Ahmad）示範時，系統先從兩份彼此分離的PDF文件中，找出一款優格原料其實含有大豆，再把Google端的過敏原資料與AWS S3上的顧客偏好名單串接，最後生成ROI預測模型，展現出整理資料、跨雲互通以及使用工具等多種能力。
確認AI效用，AI Agent進入整合戰
回頭看整場年會，Google沒有繼續用加法、推出更多AI Agent應用場景，而是把重點放在如何讓Agent走出沙盒，進入企業的正式工作流程。
經過前幾年的試驗之後，企業和管理層已經知曉Agent如何運作，又能夠替人類處理哪些任務。
如今要做的事情，又要重回基礎建設，也就是回頭整理資料、控管權限、串接流程。
AI Agent的競爭，正從AI功能的火力展示，轉向系統整合。
