Google Cloud rafforza la propria strategia sull’agentic AI enterprise con una serie di annunci che puntano a migliorare precisione, governance e sicurezza dei flussi basati sui dati. La novità principale è QueryData, una tecnologia in preview che promette di rendere gli agenti AI quasi perfetti nella lettura e interrogazione dei database aziendali, riducendo drasticamente errori di schema, ambiguità semantiche e interpretazioni sbagliate della logica di business. Accanto a questo debutto arrivano il rebranding di Data Studio come hub per gli asset di Data Cloud, nuovi acceleratori di data curation, il framework Prism per testare agenti conversazionali e la sicurezza cloud attivata di default. L’insieme di queste mosse definisce un ecosistema sempre più orientato a modelli autonomi affidabili e pronti per la produzione.
Cosa leggere
QueryData migliora la precisione degli agenti AI sui database enterprise
Il cuore dell’annuncio è QueryData, progettato per tradurre richieste in linguaggio naturale in query SQL affidabili su AlloyDB, Cloud SQL e Spanner. Il problema che Google affronta è uno dei più critici per l’AI aziendale: quando un agente interpreta male lo schema di un database, l’errore si propaga a cascata in dashboard, workflow e decisioni automatizzate.
Per evitarlo, QueryData utilizza una combinazione di ontologia dello schema, blueprint di query, ricerca contestuale dei valori e logica di business integrata.
In questo modo l’agente non si limita a convertire parole in SQL, ma ragiona sulla struttura reale del dato. Gli sviluppatori possono integrarlo tramite API o come tool MCP, ottenendo anche spiegazioni trasparenti sul perché una query venga costruita in un determinato modo. Il supporto a viste parametrizzate sicure garantisce inoltre il rispetto dei permessi di accesso, aspetto fondamentale per architetture multi-agente in ambienti enterprise.
Data Studio diventa la nuova casa degli asset di Data Cloud
Google rebrandizza Data Studio trasformandolo nel punto di accesso principale per report, dashboard, agenti conversazionali BigQuery e applicazioni dati sviluppate in Colab. La nuova piattaforma punta a semplificare l’esplorazione dei dati, offrendo in un unico spazio strumenti che prima risultavano distribuiti tra servizi diversi.
La versione standard rimane gratuita per analisi personali e reporting rapido, mentre Data Studio Pro aggiunge sicurezza enterprise, funzioni AI avanzate e gestione più scalabile degli asset. Un aspetto molto importante è la continuità: report, fonti dati e utenti esistenti vengono mantenuti senza interventi manuali. Per le aziende questo riduce la frammentazione tra BI classica, notebook analitici e interfacce conversazionali, rendendo più semplice trasformare i dati in insight condivisibili.
Gli acceleratori di data curation rendono i dataset pronti per l’AI
Un altro tassello strategico sono i nuovi acceleratori di data curation per Google Data Cloud, progettati per ridurre il tempo necessario a pulire, arricchire e governare i dati. I tool automatizzano la discovery su Cloud Storage e Dataplex, generano descrizioni intelligenti delle colonne, costruiscono grafi di relazioni e identificano anomalie nei valori. La possibilità di applicare funzioni AI direttamente in SQL consente di accelerare pipeline che prima richiedevano intervento manuale da parte di data engineer e analyst. Gli sviluppatori possono definire i flussi in linguaggio naturale, lasciando agli agenti AI la gestione di elaborazioni in tempo reale su Pub/Sub. Il risultato è un layer dati più pulito, semanticamente coerente e quindi molto più affidabile per modelli e agenti autonomi.
Google Cloud attiva la sicurezza AI e cloud di default
Sul fronte della protezione, Google Cloud introduce una novità di grande impatto operativo: le difese essenziali per AI e cloud vengono abilitate automaticamente nel Security Command Center Standard. Questo significa che gli utenti ricevono subito una baseline di sicurezza senza dover configurare policy avanzate. Il nuovo dashboard centralizzato individua inferenze Gemini non protette, monitora violazioni di guardrail nei modelli e applica oltre 44 controlli contro configurazioni errate. Sono inclusi scansione agentless delle vulnerabilità, gestione della postura dati su Vertex AI, BigQuery e Cloud Storage, oltre a insight contestuali tramite Cloud Hub. Per le aziende si traduce in un abbassamento immediato del rischio e in tempi di remediation molto più rapidi.
Prism misura affidabilità e regressioni negli agenti conversazionali
Con Prism, Google affronta il tema della valutazione scientifica degli agenti analytics conversazionali. Il tool open-source permette di creare suite di test con domande, risposte attese e assertion automatiche in grado di verificare correttezza della logica SQL, accuratezza dei risultati e latenza. La dashboard di confronto evidenzia differenze tra versioni e possibili regressioni, mentre la vista trace mostra il ragionamento interno dell’agente. Questo approccio offre agli sviluppatori metriche oggettive per migliorare prompt, orchestrazione e contesto, spostando gli agenti da semplici prototipi a sistemi misurabili e affidabili in produzione. In ambienti BigQuery e Looker, Prism può diventare uno standard per il quality assurance degli agenti AI.
SAP Concur automatizza ExpenseIt con Gemini
Un esempio concreto dell’approccio agentico arriva da SAP Concur, che utilizza l’ecosistema Gemini di Google Cloud per automatizzare il processo di rendicontazione in ExpenseIt. L’agente Receipt Analysis interpreta foto o scansioni delle ricevute, recupera informazioni mancanti da itinerari e calendari e completa automaticamente le voci di spesa.
Grazie a routing intelligente, reflection pattern e tool use, il sistema riduce l’intervento umano e minimizza gli errori. È una dimostrazione pratica di come modelli, TPU e piattaforme dati possano trasformare workflow amministrativi ripetitivi in processi quasi autonomi e ad alta precisione.
Google Cloud consolida la piattaforma per AI enterprise affidabile
L’insieme degli annunci mostra una direzione precisa: Google Cloud non punta solo a modelli più potenti, ma a un ecosistema in cui il dato sia corretto, governato e protetto fin dall’origine. QueryData riduce gli errori SQL, Data Studio centralizza l’accesso, gli acceleratori migliorano la qualità dei dataset, Prism misura le performance e la sicurezza di default protegge il perimetro operativo. Per le imprese questo significa poter costruire agenti AI capaci di agire su dati reali con livelli di affidabilità molto più vicini alle esigenze di compliance e business continuity. In un mercato dove la fiducia del dato è il vero differenziale competitivo, Google Cloud sta spostando il focus dalla semplice generazione di testo alla precisione operativa.
Iscriviti alla Newsletter
Non perdere le analisi settimanali: Entra nella Matrice Digitale.
Matrice Digitale partecipa al Programma Affiliazione Amazon EU. In qualità di Affiliato Amazon, ricevo un guadagno dagli acquisti idonei. Questo non influenza i prezzi per te.
