Протягом останнього року спільнота корпоративного штучного інтелекту (ШІ) веде палкі дискусії щодо рівня свободи, який слід надавати агентам ШІ. Надмірний контроль призводить до дорогих автоматизацій робочих процесів, які ледь виправдовують назву “агент”. Натомість, надмірна автономія може спричинити катастрофічні збої, подібні до тих, що спіткали ранніх користувачів інструментів на кшталт OpenClaw. Цього тижня Google Labs представила оновлення Opal, свого візуального конструктора агентів без коду, яке стало відповіддю на це питання. Воно несе в собі уроки, які повинен засвоїти кожен ІТ-лідер, що планує стратегію використання агентів.
Оновлення впроваджує те, що Google називає “кроком агента”, який перетворює статичні робочі процеси Opal, що створюються методом перетягування, на динамічні, інтерактивні системи. Замість того, щоб вручну визначати, яку модель чи інструмент викликати і в якому порядку, розробники тепер можуть поставити мету, а агент самостійно визначатиме найкращий шлях до її досягнення. Це включає вибір інструментів, запуск моделей, таких як Gemini 3 Flash або Veo для генерації відео, і навіть ініціювання діалогів з користувачами, коли потрібна додаткова інформація.
Це може здатися скромним оновленням продукту, але насправді це не так. Google представила працюючу референсну архітектуру для трьох ключових можливостей, які визначатимуть корпоративних агентів у 2026 році:
- Адаптивне маршрутування
- Постійна пам’ять
- Оркестрація з участю людини (human-in-the-loop)
І все це стало можливим завдяки стрімкому вдосконаленню можливостей міркування передових моделей, таких як серія Gemini 3.
Точка перегину “з рейок”: чому кращі моделі змінюють дизайн агентів
Щоб зрозуміти важливість оновлення Opal, необхідно усвідомити зрушення, яке наростало в екосистемі агентів протягом місяців. Перша хвиля фреймворків для корпоративних агентів — такі інструменти, як ранні версії CrewAI та перші випуски LangGraph — характеризувалася напругою між автономією та контролем. Попередні моделі просто не були достатньо надійними, щоб довіряти їм прийняття рішень без обмежень. Результатом стали так звані “агенти на рейках”: жорстко обмежені робочі процеси, де кожна точка прийняття рішень, кожен виклик інструменту та кожен розгалужений шлях мали бути заздалегідь визначені розробником-людиною.
Цей підхід працював, але мав свої обмеження. Побудова агента “на рейках” вимагала передбачення кожного можливого стану, з яким система могла зіткнутися, що було комбінаторним кошмаром для будь-яких завдань, окрім простих лінійних. Гірше того, це означало, що агенти не могли адаптуватися до нових ситуацій — саме тієї здатності, яка робить агентний ШІ таким цінним.
Серія Gemini 3, поряд з останніми випусками, такими як Claude Opus 4.6 та Sonnet 4.6 від Anthropic, представляє поріг, коли моделі стали достатньо надійними у плануванні, міркуванні та самокорекції, щоб “зійти з рейок”. Оновлення Opal від Google є визнанням цього зсуву. Новий крок агента не вимагає від розробників заздалегідь визначати кожен шлях у робочому процесі. Натомість, він довіряє базовій моделі оцінити мету користувача, доступні інструменти та динамічно визначити оптимальну послідовність дій.
Це той самий шаблон, який зробив життєздатними агентні робочі процеси та виклики інструментів Claude Code: моделі достатньо хороші, щоб вирішувати наступний крок агента і часто навіть самостійно виправляти помилки без ручного повторного введення запитів людиною. Відмінність від Claude Code полягає в тому, що Google тепер пакує цю можливість у продукт без коду, доступний для широкого користування, — сильний сигнал того, що базова технологія вийшла за межі експериментальної фази.
Для корпоративних команд це означає прямий висновок: якщо ви досі розробляєте агентні архітектури, які вимагають заздалегідь визначених шляхів для кожної непередбачуваної ситуації, ви, ймовірно, надмірно ускладнюєте процес. Нове покоління моделей підтримує шаблон дизайну, де ви визначаєте цілі та обмеження, надаєте інструменти, а модель керує маршрутизацією — це зсув від програмування агентів до управління ними.
Пам’ять між сесіями: функція, яка відділяє демонстрації від робочих агентів
Другим важливим доповненням в оновленні Opal є постійна пам’ять. Google дозволяє Opal запам’ятовувати інформацію між сесіями — налаштування користувача, попередні взаємодії, накопичений контекст — що робить агентів кращими з часом, а не такими, що починають з нуля кожного разу. Google не розкрила технічну реалізацію системи пам’яті Opal. Але сам шаблон добре встановлений у спільноті розробників агентів. Інструменти, такі як OpenClaw, обробляють пам’ять переважно через файли Markdown та JSON, простий підхід, який добре працює для систем з одним користувачем. Корпоративні розгортання стикаються з складнішою проблемою: підтримка пам’яті для кількох користувачів, сесій та меж безпеки без витоку конфіденційного контексту між ними.
Цей поділ пам’яті між одним користувачем та кількома користувачами є однією з найменш обговорюваних проблем у розгортанні корпоративних агентів. Персональний помічник з кодування, який запам’ятовує структуру вашого проекту, принципово відрізняється від агента, орієнтованого на клієнта, який повинен підтримувати окремі стани пам’яті для тисяч одночасних користувачів, дотримуючись політик збереження даних.
Оновлення Opal сигналізує про те, що Google вважає пам’ять основною функцією архітектури агентів, а не опціональним доповненням. Для ІТ-керівників, які оцінюють платформи агентів, це має інформувати критерії закупівлі. Фреймворк агента без чіткої стратегії пам’яті — це фреймворк, який створить вражаючі демонстрації, але боротиметься в продакшені, де цінність агента накопичується протягом повторних взаємодій з тими ж користувачами та наборами даних.
Участь людини в циклі — це не запасний варіант, а шаблон дизайну
Третім стовпом оновлення Opal є те, що Google називає “інтерактивним чатом” — здатність агента призупиняти виконання, ставити користувачеві додаткові запитання, збирати відсутню інформацію або пропонувати вибір перед продовженням. У термінології агентної архітектури це оркестрація “людина в циклі” (human-in-the-loop), і її включення в споживчий продукт є показовим.
Найефективніші агенти в продакшені сьогодні не є повністю автономними. Це системи, які знають, коли вони досягли межі своєї впевненості, і можуть граціозно передати контроль людині. Це шаблон, який відрізняє надійних корпоративних агентів від безконтрольних автономних систем, що породили застережливі історії по всій галузі.
У фреймворках, таких як LangGraph, “людина в циклі” традиційно реалізовувалася як явний вузол у графі — жорстко закодована контрольна точка, де виконання призупиняється для перегляду людиною. Підхід Opal є більш гнучким: сам агент вирішує, коли йому потрібна людська допомога, залежно від якості та повноти інформації, яку він має. Це більш природний шаблон взаємодії, який краще масштабується, оскільки не вимагає від розробника заздалегідь передбачати, де саме знадобиться втручання людини.
Для корпоративних архітекторів урок полягає в тому, що “людина в циклі” не повинна розглядатися лише як запобіжник, доданий після створення агента. Це має бути першокласна можливість самого фреймворку агента — така, яку модель може викликати динамічно на основі власної оцінки невизначеності.
Динамічне маршрутизація: дозвольте моделі вирішувати шлях
Останньою значною функцією є динамічне маршрутування, де розробники можуть визначати кілька шляхів через робочий процес, а агент — вибирати відповідний на основі власних критеріїв. Приклад Google — це агент для брифінгів керівництва, який проходить різні шляхи залежно від того, чи зустрічається користувач з новим чи існуючим клієнтом — у першому випадку він шукає інформацію в Інтернеті, у другому — переглядає внутрішні нотатки зустрічі.
Концептуально це схоже на умовне розгалуження, яке LangGraph та подібні фреймворки підтримують вже деякий час. Але реалізація Opal значно знижує бар’єр, дозволяючи розробникам описувати критерії маршрутування природною мовою, а не кодом. Модель інтерпретує критерії та приймає рішення про маршрутизацію, замість того, щоб вимагати від розробника писати явну умовну логіку.
Корпоративні наслідки значні. Динамічне маршрутування, що підтримується критеріями природною мовою, означає, що бізнес-аналітики та експерти з предметної області — а не тільки розробники — можуть визначати складну поведінку агентів. Це перетворює розробку агентів з суто інженерної дисципліни на таку, де знання предметної області стають основним обмежуючим фактором, що може значно прискорити впровадження в нетехнічних бізнес-підрозділах.
Що насправді будує Google: шар інтелекту для агентів
Відступивши від окремих функцій, більш широким шаблоном в оновленні Opal є те, що Google створює шар інтелекту, який знаходиться між наміром користувача та виконанням складних, багатоетапних завдань. Базуючись на досвіді внутрішнього SDK для агентів під назвою “Breadboard”, крок агента — це не просто черговий вузол у робочому процесі, а шар оркестрації, який може залучати моделі, викликати інструменти, керувати пам’яттю, динамічно маршрутувати та взаємодіяти з людьми, і все це керується постійно вдосконалюваними можливостями міркування базових моделей Gemini.
Це той самий архітектурний шаблон, який з’являється по всій галузі. Claude Code від Anthropic, з його здатністю автономно керувати завданнями кодування протягом ночі, спирається на подібні принципи: потужна модель, доступ до інструментів, постійний контекст та цикли зворотного зв’язку, що дозволяють самокорекцію. Плагін Ralph Wiggum формалізував ідею, що моделі можуть проходити через власні невдачі, щоб знайти правильні рішення — грубий варіант самокорекції, яку Opal тепер частково пакує в відшліфований споживчий досвід.
Для корпоративних команд висновок полягає в тому, що агентна архітектура збігається до загального набору примітивів: планування, кероване цілями, використання інструментів, постійна пам’ять, динамічне маршрутування та оркестрація “людина в циклі”. Відмінністю буде не те, які примітиви ви реалізуєте, а наскільки добре ви їх інтегруєте — і наскільки ефективно ви використовуєте вдосконалювані можливості передових моделей для зменшення обсягу ручної конфігурації.
Практичний посібник для розробників корпоративних агентів
Випуск Google цих можливостей у безкоштовному, споживчому продукті надсилає чітке повідомлення: базові шаблони для створення ефективних ШІ-агентів більше не є передовими дослідженнями. Вони продуктивізовані. Корпоративні команди, які чекали на дозрівання технології, тепер мають референсну реалізацію, яку вони можуть вивчати, тестувати та навчатися на ній — безкоштовно.
Практичні кроки є прямолінійними. По-перше, оцініть, чи не є ваші поточні агентні архітектури надмірно обмеженими. Якщо кожна точка прийняття рішень вимагає жорстко закодованої логіки, ви, ймовірно, не використовуєте можливості планування сучасних передових моделей. По-друге, пріоритезуйте пам’ять як основний архітектурний компонент, а не як другорядний. По-третє, розглядайте “людина в циклі” як динамічну можливість, яку агент може викликати, а не як фіксовану контрольну точку в робочому процесі. І по-четверте, дослідіть маршрутування за допомогою природної мови як спосіб залучення експертів до процесу дизайну агентів.
Сам Opal, ймовірно, не стане платформою, яку оберуть підприємства. Але дизайнерські патерни, які він втілює — адаптивні, багаті на пам’ять, керовані людиною агенти, що працюють на передових моделях — це патерни, які визначатимуть наступне покоління корпоративного ШІ. Google показала свої карти. Питання до ІТ-лідерів: чи звертають вони увагу?
Прогноз ІТ-Блогу: Наступним кроком у розвитку таких платформ, як Opal, стане глибока інтеграція з іншими корпоративними системами та сервісами, що дозволить агентам виконувати більш складні та різноманітні завдання. З часом ми побачимо значне зростання використання агентів у сегменті “low-code/no-code”, що демократизує доступ до потужних інструментів ШІ для бізнес-користувачів.
За матеріалами: venturebeat.com