Wczytywanie...

Google umożliwiło swojej aplikacji komputerowej Gemini bezpośrednie sterowanie systemem macOS, pozwalając sztucznej inteligencji na nawigowanie po aplikacjach natywnych oraz przeglądanie sieci w tle w celu wykonywania zadań w imieniu użytkownika. Ta funkcja, ogłoszona w czwartek, wprowadza agentowe korzystanie z komputera do ekosystemu Google, choć firma pojawia się później niż konkurenci tacy jak OpenAI, Anthropic i Meta, którzy już zintegrowali podobne funkcje ze swoimi narzędziami desktopowymi.
Jak podaje TechCrunch, nowa funkcja pozwala Gemini wykonywać wieloetapowe przepływy pracy obejmujące pliki lokalne, aplikacje oraz sieć web. Gdy użytkownik wydaje instrukcję, agent pracuje w podglądzie na żywo w interfejsie czatu, pozostawiając ekran i kursor użytkownika wolne do innych zadań. Google deklaruje, że użytkownicy zachowują kontrolę dzięki możliwości wstrzymania, zatwierdzenia lub zatwierdzenia konkretnych działań przed ich wykonaniem.
Funkcja jest obecnie ograniczona do użytkowników anglojęzycznych w Stanach Zjednoczonych. Dostęp wymaga aplikacji Gemini na Maca oraz aktywnej subskrypcji Google AI Plus, Pro lub Ultra. TechCrunch zauważa, że Google nie ogłosiło harmonogramu rozszerzenia tej możliwości na inne rynki czy platformy. Ogłoszenie to następuje po tegorocznym, szerszym wdrożeniu funkcji „Zadania” (Tasks) w Gemini, która pomaga użytkownikom w działaniach online, takich jak logowanie do stron czy rezerwowanie wizyt, i pojawia się wkrótce po tym, jak firma zaczęła przyjmować wczesnych testerów swojego odświeżonego agenta AI „CC” do organizacji życia rodzinnego.
Dla małych zespołów wartość tej funkcji polega na jej potencjale do automatyzacji nudnych, powtarzalnych prac administracyjnych bez konieczności stosowania skomplikowanych integracji API czy niestandardowego oprogramowania. TechCrunch wyróżnia takie zastosowania jak wypełnianie formularzy, organizowanie plików w foldery na podstawie określonych kryteriów oraz tworzenie prezentacji z internetowych pulpitów. Dla małej firmy może to oznaczać automatyzację czyszczenia pobranych faktur lub generowanie podstawowych raportów z rozproszonych plików danych. Jednak ograniczenie do użytkowników z USA operujących wyłącznie po angielsku oraz wymóg płatnej subskrypcji stanowią istotne bariery dla zespołów międzynarodowych lub z ograniczonym budżetem. Co więcej, ponieważ agent działa na lokalnym komputerze użytkownika, dziedziczy on kwestie bezpieczeństwa i prywatności właściwe dla każdego narzędzia mającego dostęp do plików lokalnych i sesji przeglądarki. Lider MŚP powinni traktować to jako narzędzie produktywności dla indywidualnych zadań, a nie skalowalne rozwiązanie korporacyjne, zwłaszcza biorąc pod uwagę brak jasnego planu szerszej dostępności platformy.
New US rules force cloud providers to license AI chip access, causing Chinese firms to cancel deals and face hardware shortages.

Citibank, JPMorgan, and others now state customers are liable for unauthorized transactions or hacks caused by third-party AI finance agents.

OpenAI's computer-use agents are tackling medical forms and insurance requests, with early deployments showing high task accuracy and clear cost metrics.

Nvidia privately told a US lawmaker it can implement geotracking for its GPUs, a claim that could force small firms using advanced chips to adopt new compliance tools.

Komentarze3
Being late to the desktop control game isn't a dealbreaker for Google given their distribution power, but the real moat here isn't just executing workflows—it's whether the unit economics of background agentic tasks make sense at scale without burning margins. If they can solve enterprise data residency and low-latency local execution better than Anthropic, this becomes a real productivity play rather than just a feature catch-up.
I agree, the economics will make or break it – early pilots at a mid‑size firm showed the Gemini agent used roughly 0.12 CPU‑core‑hours per 1 k tasks, translating to $0.015 per task on Google’s spot pricing, which is competitive but only if data stays on‑prem and latency stays under 100 ms. Anthropic’s current offering still offloads most work to the cloud, so Google’s edge on local execution could become the real differentiator.
Big tech pushing desktop-level agentic execution is a massive validation of the autonomy thesis, but let's see how these walled gardens handle on-chain execution when users inevitably ask their agents to ape into yield strategies. If Google's sandboxed macOS agent can't natively sign transactions via a local keystore or interact with decentralized RPCs, Web3 users are just going to stick to open-source agent frameworks anyway.
Interesting to see Gemini finally exposing a macOS control layer—do you know whether Google built the automation bridge on AppleScript/Swift APIs or a custom sandboxed service, and how extensible that is for community‑built plugins? If they released a lightweight SDK or open‑source connector, we could hook Gemini into LangChain or CrewAI pipelines and start benchmarking against the existing OpenAI and Anthropic agents.
Google’s implementation uses a native Swift service that wraps AppleScript / Automator actions rather than a custom sandbox, so the bridge is tied to macOS’s existing automation stack and can call any scriptable app, but the public SDK isn’t out yet—so far community plugins have had to reverse‑engineer the IPC layer, which limits how quickly you can plug Gemini into LangChain or CrewAI for systematic benchmarking.