Google Cloud unifica agenti e dati e blinda identità, costi e crittografia

☁️ Punti chiave

• Gemini Enterprise automatizza sviluppo, test, distribuzione, valutazione e governo degli agenti attraverso strumenti condivisi tra IDE, CLI e cloud.
• Borderless Lakehouse collega dati distribuiti tra cloud, formati aperti e piattaforme esterne, estendendo l’analisi conversazionale oltre BigQuery.
• Cloud KMS, Workforce Identity Federation e Spend Caps rafforzano firme post-quantistiche, accessi federati e contenimento delle spese AI.

Google Cloud riunisce agenti AI, dati distribuiti, business intelligence, identità e controllo finanziario in una nuova architettura enterprise. Gemini Enterprise Agent Platform automatizza il ciclo che porta un agente dal prototipo alla produzione, mentre il Borderless Lakehouse consente di interrogare dati conservati su cloud e piattaforme differenti senza imporne prima la migrazione. Looker Agentic Workflows trasforma le domande in linguaggio naturale in monitoraggi permanenti con analisi automatica delle cause. Sul fronte della sicurezza, Cloud KMS estende le firme post-quantistiche, Best Buy adotta identità federate per l’accesso all’AI e Google introduce anomalie precoci e limiti di spesa capaci di bloccare automaticamente i workload fuori controllo.

Gemini Enterprise automatizza il ciclo degli agenti AI

La nuova documentazione di Gemini Enterprise Agent Platform descrive un processo nel quale progettazione, sviluppo, test, distribuzione, osservabilità e governance non vengono più trattati come attività separate. Gli sviluppatori possono iniziare da Agent Development Kit, Antigravity o strumenti da riga di comando, collegare modelli e servizi attraverso MCP e trasferire l’agente su un runtime gestito senza ricostruirne interamente l’architettura. La piattaforma conserva sessioni e memoria, governa identità e autorizzazioni, applica valutazioni automatiche e raccoglie telemetria sul comportamento in produzione. L’obiettivo è superare la distanza tra una dimostrazione capace di completare un singolo compito e un servizio aziendale che deve operare per mesi su dati sensibili, rispettare policy e mantenere risultati verificabili.

Google offre accesso a modelli propri e di terze parti tramite Model Garden, permettendo di assegnare compiti differenti al motore più adatto. Questa struttura sviluppa quanto introdotto con Gemini Enterprise Agent Platform, MCP, Spanner Graph e infrastrutture TPU, ma sposta il centro dell’offerta dal singolo modello alla gestione completa di flotte di agenti.

Lo sviluppo locale converge con runtime e governance cloud

Google punta a evitare che ogni team costruisca pipeline, autorizzazioni e sistemi di monitoraggio proprietari. Lo stesso agente può essere sviluppato localmente, testato attraverso strumenti condivisi e registrato nel catalogo aziendale affinché altri utenti lo trovino dentro Gemini Enterprise. Le organizzazioni possono imporre regole centralizzate, limitare strumenti e fonti accessibili, controllare quali modelli vengono utilizzati e osservare l’intera catena delle esecuzioni.

Questo passaggio è essenziale perché un agente non produce soltanto testo: può interrogare database, eseguire codice, invocare API e modificare processi aziendali. La piattaforma deve quindi distinguere l’identità dell’utente da quella dell’agente, applicare privilegi minimi e mantenere una cronologia delle decisioni. Automazione del ciclo di vita non significa consegna autonoma e incontrollata del software. Significa ridurre il lavoro manuale nei passaggi ripetitivi, conservando verifiche, approvazioni e possibilità di rollback prima dell’ingresso in produzione.

Borderless Lakehouse abbatte i confini tra dati e cloud

Il Borderless Lakehouse estende l’architettura lakehouse di Google oltre il perimetro dei dati archiviati nativamente in BigQuery. Il sistema permette di lavorare su tabelle Apache Iceberg e fonti governate da piattaforme come Databricks Unity Catalog, AWS Glue, SAP e Salesforce, evitando copie preventive e migrazioni obbligatorie. BigQuery diventa il livello di analisi e governo attraverso il quale applicazioni e agenti possono interrogare dati distribuiti tra Google Cloud, AWS, Azure, data lake e sistemi operativi. L’uso di formati aperti riduce il lock-in fisico, mentre metadati, policy e controlli devono rimanere coerenti anche quando le informazioni restano nella piattaforma di origine. Il concetto di “senza confini” non implica quindi assenza di regole, ma separazione tra il luogo nel quale il dato è conservato e quello nel quale viene analizzato. Google aveva già impostato questa evoluzione con la strategia Cloud 2026 dedicata ad AI, dati e sicurezza come infrastruttura comune, ma ora la estende alla capacità degli agenti di lavorare direttamente su ecosistemi eterogenei.

Conversational Analytics interroga l’intero ecosistema dati

Conversational Analytics porta il ragionamento agentico sopra il lakehouse distribuito. Gli utenti possono formulare domande in linguaggio naturale, chiedere analisi articolate e ottenere grafici o spiegazioni senza conoscere in anticipo la posizione fisica di ogni tabella. BigQuery dispone già della funzione in disponibilità generale, mentre Google estende progressivamente l’esperienza alle altre componenti del Data Cloud nel corso del terzo trimestre 2026. L’agente utilizza metadati, relazioni e livelli semantici per interpretare il significato aziendale delle informazioni, invece di generare semplicemente query SQL sulla base dei nomi delle colonne. Può inoltre eseguire più passaggi, confrontare segmenti e indicare le fonti utilizzate. Il valore dipende però dalla qualità del catalogo e dalle definizioni condivise: se reparti differenti attribuiscono significati diversi a ricavi, clienti attivi o conversioni, l’interfaccia conversazionale può rendere più veloce una risposta senza renderla automaticamente corretta. Governance, lineage e autorizzazioni restano quindi condizioni necessarie.

Looker trasforma una domanda in monitoraggio permanente

Con Looker Agentic Workflows, disponibile in preview da Looker 26.08, una domanda formulata nella finestra di Conversational Analytics può diventare un processo continuo. L’utente può chiedere di controllare settimanalmente il tasso di reso oppure di segnalare quando il valore medio degli ordini supera una determinata soglia.

L’agente interpreta l’intenzione, propone condizioni e frequenza e genera un piano che deve essere verificato prima dell’attivazione. Quando rileva un’anomalia, non invia soltanto un avviso: esegue una Key Driver Analysis sul modello dati per identificare categorie, prodotti, regioni o gruppi di clienti che hanno determinato la variazione. Il rapporto viene consegnato via Slack o email con un collegamento alla sessione analitica, dalla quale è possibile proseguire l’indagine. Gli amministratori mantengono una vista centrale dei workflow e possono modificarli o disattivarli, mentre gli utenti gestiscono soltanto i propri monitor. Looker passa così dalla consultazione di dashboard alla sorveglianza attiva del business.

Cloud KMS prepara firme resistenti ai computer quantistici

Google Cloud amplia Cloud KMS con firme digitali post-quantistiche basate sugli standard NIST. Il servizio supporta algoritmi come ML-DSA e SLH-DSA, progettati per resistere agli attacchi di futuri computer quantistici capaci di compromettere RSA ed ECC. Le firme proteggono integrità, autenticità e provenienza di software, firmware, documenti e registri che devono restare verificabili per molti anni. Il rischio non riguarda soltanto la decifratura futura dei dati intercettati oggi: un avversario dotato di capacità quantistiche potrebbe anche falsificare aggiornamenti e attestazioni basati su chiavi pubbliche tradizionali.

Le organizzazioni possono iniziare a testare i nuovi algoritmi attraverso le API già utilizzate per Cloud KMS, ma devono considerare chiavi e firme più grandi, compatibilità delle applicazioni e maturità degli standard. La migrazione richiede inventario crittografico e agilità, non una sostituzione improvvisa di tutte le chiavi. Google aveva già esteso la propria strategia post-quantistica nell’infrastruttura analizzata con Cloud KMS, graph analytics e sicurezza enterprise.

Best Buy federa gli accessi senza duplicare le identità

Best Buy utilizza Workforce Identity Federation per consentire ai dipendenti di accedere ai servizi Google Cloud e agli strumenti AI attraverso l’identity provider aziendale già esistente. Il sistema evita di creare e mantenere account separati in Cloud Identity per ogni lavoratore, consulente o partner. Google accetta attributi e gruppi provenienti dal provider esterno, emette credenziali temporanee e applica le policy IAM alle risorse richieste. L’approccio riduce chiavi persistenti, account orfani e procedure manuali di provisioning, elementi particolarmente rischiosi quando migliaia di persone iniziano a utilizzare applicazioni generative.

Best Buy può collegare l’accesso a ruolo, reparto e appartenenza ai gruppi, revocandolo attraverso i sistemi aziendali centrali. La federazione non elimina la necessità di configurare correttamente le autorizzazioni: un mapping troppo ampio può concedere privilegi eccessivi a intere categorie di utenti. Il vantaggio consiste nell’avere un’unica fonte autorevole per l’identità e credenziali a durata limitata invece di duplicare gli account nel cloud.

Anomalie precoci e Spend Caps contengono i costi AI

Google Cloud introduce due controlli nativi rivolti alla spesa variabile generata da modelli e agenti. Early Anomalies costruisce automaticamente una baseline stagionale dei costi giornalieri per progetto e servizio, individua deviazioni prima della contabilizzazione definitiva e produce un’analisi delle tre SKU che stanno alimentando l’aumento. Spend Caps, disponibile in public preview, permette invece di definire un tetto mensile per uno specifico servizio all’interno di un progetto.

Quando la spesa raggiunge il limite, Google blocca in pochi minuti il nuovo utilizzo fatturabile senza cancellare dati o risorse e senza fermare gli altri servizi. Gli amministratori ricevono notifiche al 50%, 80% e 100% e devono rimuovere manualmente il blocco per riattivare il workload. Restano fatturabili gli impegni fissi, come Committed Use Discounts e capacità già riservata. Le funzioni coprono inizialmente Gemini API, Agent Platform, Cloud Run e Cloud Run Functions e concretizzano la strategia anticipata con Gemini Enterprise Agent Platform e i limiti nativi alla spesa AI.

Google costruisce un sistema operativo per l’impresa agentica

Le novità compongono una catena unica. Gemini Enterprise governa gli agenti; Borderless Lakehouse rende disponibili i dati; Conversational Analytics li trasforma in risposte; Looker converte gli insight in monitoraggi; Workforce Identity Federation stabilisce chi può accedere; Cloud KMS protegge le firme; Spend Caps impedisce che un errore operativo diventi una fattura incontrollabile. Google Cloud tenta così di posizionarsi come sistema operativo dell’impresa agentica, non come semplice fornitore di modelli o capacità di calcolo. La promessa dipende però dall’efficacia dei confini amministrativi. Un agente con accesso a più cloud e fonti dati può produrre analisi migliori, ma amplia anche superficie d’attacco, rischio di propagazione degli errori e complessità delle autorizzazioni. L’integrazione riduce i silos tecnici soltanto se governance, semantica, identità e costi rimangono osservabili lungo l’intero processo.