Google впровадила керування комп’ютером прямо в Gemini 3.5 Flash

Google анонсувала значне оновлення своєї екосистеми штучного інтелекту, додавши в модель Gemini 3.5 Flash просунутий інструмент для керування комп’ютером. Це рішення замінило експериментальний фреймворк Gemini 2.5, запропонувавши розробникам досконаліший візуальний підхід до виконання складних комп’ютерних завдань.

Що являє собою нову функцію управління комп’ютером у Gemini 3.5 Flash?

Новий функціонал дозволяє AI-агентам виступати у ролі «цифрових користувачів». Завдяки технології комп’ютерного зору, що базується на аналізі скріншотів, нейромережа здатна бачити активне вікно програми, розуміти структуру елементів інтерфейсу та здійснювати маніпуляції: кликати мишею, прокручувати сторінки або вводити текст. Це повноцінна автоматизація процесів, які раніше вимагали ручного управління.

Основні можливості та застосування AI-агентів

Інструмент надає широкі перспективи підвищення ефективності в робочих процесах. Серед ключових сценаріїв використання:

• Автоматичне заповнення складних форм та перенесення даних між системами.
• Взаємодія з десктопним та браузерним програмним забезпеченням для збору інформації.
• Тестування програмного забезпечення через візуальне керування.
• Масова обробка даних в інтерфейсах без API.

Безпека та захист від промпт-ін’єкцій

Передача контролю над клавіатурою та мишею алгоритму викликає питання кібербезпеки. Щоб уникнути несанкціонованих дій (наприклад, переходу по небезпечним посиланням або активації прихованих команд на шкідливих ресурсах), Google запровадила багаторівневий захист:

• Корпоративний контроль: будь-яка значуща чи безповоротна операція вимагає обов’язкового підтвердження людиною.
• Моніторинг атак: система оснащена механізмами виявлення промпт-ін’єкцій, які автоматично блокують підозрілу активність при спробах злому моделі.

Доступність для розробників

На даний момент можливості доступні через Gemini API. Для тих, хто бажає протестувати новинку, Google створила демо-майданчик на базі Browserbase, де функціонал Gemini Enterprise Agent можна випробувати в режимі реального часу. Це значно полегшує поріг входу для розробників, які прагнуть впровадити можливості інтелектуальних агентів у свої продукти.